Pdf Dashboard With MCP

带MCP的PDF仪表板

上传PDF，通过GLM-OCR（Ollama）/PyMuPDF提取文本，并使用本地LLM与文档聊天。一切都在你的机器上运行 奥拉玛 -不需要API密钥或互联网连接。

特性

• PDF提取 --通过PyMuPDF快速提取文本层；用于扫描/基于图像的PDF的自动GLM-OCR回退
• 根据RAG文件 --每个上传的PDF都有自己的Chroma矢量集合
• 本地LLM聊天 --Ollama提供的带有内联引用的代理问答；从下拉列表中选择任何已安装的Olama型号
• Markdown查看器 --浏览提取的文本、预览块并下载markdown

先决条件

• Python 3.11+
• 紫外线 --Python包管理器
• 奥拉玛 --本地LLM运行时

设置

1.克隆存储库

git clone https://github.com/dakshp26/PDFDashboardWithMCP.git
cd PDFDashboardWithMCP

2.安装依赖项

uv sync

3.拉动Olama车型

ollama pull qwen2.5:3b       # chat / agent (or any other chat model)
ollama pull nomic-embed-text # embeddings
ollama pull glm-ocr          # OCR fallback (scanned PDFs)

4.运行应用程序

uv run streamlit run app/main.py

打开 http://localhost:8501 在您的浏览器中。

用法

1. 上传PDF --转到上传PDF页面，选择一个PDF，等待提取管道完成
2. 聊天 --切换到聊天页面，从下拉菜单中选择您的PDF和任何已安装的Ollama模型，并提出问题

项目结构

app/
├── main.py                       # Entry point, page navigation
├── app_pages/
│   ├── landing.py                # Home / welcome page
│   ├── process_pdf_upload.py     # Upload + pipeline UI
│   ├── pdf_library.py            # Browse uploaded PDFs (read-only viewer)
│   └── process_pdf.py            # Viewer + chat UI
└── process_pdf/
    ├── extract.py                 # PDF → Markdown (pymupdf4llm + GLM-OCR)
    ├── pipeline.py                # Extraction pipeline with live progress
    ├── rag.py                     # Chunking, embeddings, Chroma persistence
    └── agent.py                   # LangChain agent with retriever tool
mcp_server/
└── server.py                     # MCP server (list_documents, get_document)
data/                             # Runtime data (gitignored)
├── process_pdf/                  # Saved PDFs and extracted markdown
└── process_chroma/               # Chroma vector collections (one per PDF)

\[！注意\] 有关每个文件、执行顺序和数据流的详细细分，请参阅 APP_STRUCTURE.md.

流线型仪表板

该应用程序是一个三页的Streamlit仪表板：

管道进度在内部实时显示 st.status 块。处理PDF后，其矢量集合将保留在 data/process_chroma/，因此下一个会话会立即加载，而无需重新运行管道。

MCP服务器

附带的MCP服务器使用两个工具将矢量存储暴露给任何兼容MCP的客户端（Claude Desktop、Cursor等）：

• list_documents --返回所有索引文档集合
• get_document(document, query) --搜索集合并返回相关块

Claude Desktop

增添 claude_desktop_config.json （通常 %APPDATA%\Claude\claude_desktop_config.json 在Windows上），或使用 .mcp.json 在项目根目录中保持项目范围：

{
  "mcpServers": {
    "PDFDashboardWithMCP": {
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/PDFDashboardWithMCP", "mcp_server/server.py"]
    }
  }
}

Cursor

增添 .cursor/mcp.json 在项目根目录（或全局 ~/.cursor/mcp.json):

{
  "mcpServers": {
    "PDFDashboardWithMCP": {
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/PDFDashboardWithMCP", "mcp_server/server.py"]
    }
  }
}

Claude Code

推荐的方法是项目范围 .mcp.json 在存储库根目录中，这样服务器只对该项目有效，不会污染您的全局配置：

{
  "mcpServers": {
    "PDFDashboardWithMCP": {
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/PDFDashboardWithMCP", "mcp_server/server.py"]
    }
  }
}

克劳德代码拿起 .mcp.json 打开项目时自动执行。无需额外设置。

替换 /absolute/path/to/PDFDashboardWithMCP 带有克隆存储库的绝对路径。

Ollama一定和他一起跑 nomic-embed-text 拉动MCP服务器加载集合。

技术栈