doc.page PDF Extraction

page.doc由 doc.page 发布官方发布者v1.1.0更新于 Oct 24, 2026

Extract PDFs to Markdown, RAG chunks and cited tables; publish tracked Doc Links with read stats.

已验证Streamable HTTP可网页运行文件与存储知识与记忆数据与分析

概览

AI 生成的概览

远程 MCP 服务器,可将 PDF 转为 Markdown、RAG 分块和带引用的表格,并发布可追踪的分享链接及阅读统计。

可以做什么
将 PDF 提取为干净的 Markdown 和结构化元素,可选仅正文的快速模式,或能重建表格与边界框的混合模式,返回规范的 ExtractedDocument 对象。把 PDF 切分为适合嵌入的语义分块,每块包含文本、估算 token 数、起始页、章节标题和用于引用的源元素 id。以结构化 JSON 列出 PDF 中的全部表格,附页码和边界框以便核验引用。将 PDF 发布为可追踪的 Doc Link 并获得可分享链接,可选设置过期时间和打开通知。列出账户下的 Doc Link,并读取每个链接的浏览量、独立访客和最近访问等统计。停用某个 Doc Link,使其公开地址停止提供内容。
适用场景
适合需要以 Markdown 阅读或引用 PDF 内容、为 RAG 流程准备 PDF,或从报告中提取表格并附带页码引用的场景。也适合把 PDF 作为可追踪链接分享并查看打开情况。
运行要求
使用 doc.page 上的远程 streamable HTTP 端点,无需本地运行时或安装包。免费匿名层无需凭据即可使用;可选的 Authorization 请求头携带 Bearer API 密钥以提高配额,Doc Link 相关工具必须提供。需要网络访问。
安装前请注意
Authorization 请求头携带密钥 API 密钥,请妥善保管。Doc Link 工具会把 PDF 发布为与该账户绑定的公开分享链接,停用后公开地址即停止提供内容。免费方案最多 3 个有效链接,自定义短链仅限付费方案。上传的 PDF 和链接统计由第三方服务处理。

安装

在 SourceWeft 中

  1. 打开 控制台中的 doc.page PDF Extraction,将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Web executable,通过 Streamable HTTP。 远程服务在工作区中配置后即可从网页运行时运行。

交给智能体安装

把这段提示词粘贴到 Claude Code、Codex、Cursor 等智能体,或 SourceWeft 对话中。智能体会读取该服务器的安装指南,先向你展示发布者、端点和登录方式,经你同意后再把它添加到你的客户端。密钥不会写进任何命令。

阅读 https://sourceweft.com/mcp/page.doc%2Fpdf-extract/install.md,并按其中说明把这个 MCP 服务器接入我的客户端。修改任何配置之前,先告诉我它的发布者、端点和登录方式,等我确认。不要把 API 密钥写进命令或我会提交的文件;问我密钥应从哪里获取。

查看智能体所依据的安装指南

其他 MCP 客户端

把它添加到你客户端的 mcpServers 配置中。

{
  "mcpServers": {
    "doc-page-pdf-extraction": {
      "type": "http",
      "url": "https://doc.page/api/mcp"
    }
  }
}

工具

7

extract_pdf

Extract a PDF into clean Markdown and structured elements (headings, paragraphs). Returns the canonical ExtractedDocument object. mode "hybrid" runs a heavier semantic engine that also reconstructs tables and bounding boxes; the default "fast" engine is prose-only (low confidence.tables).

输入参数url必填modeoutputschunkTokens

get_chunks

Split a PDF into semantic chunks ready for embeddings (RAG). Each chunk carries its text, estimated tokens, starting page, section heading and the source element ids for citation.

输入参数url必填maxTokens

list_tables

Return every table in a PDF as structured JSON (reconstructed rows and columns) with page and bounding box for verifiable citations. Uses the semantic (hybrid) engine.

输入参数url必填

版本历史

1
  1. v1.1.0最新Sep 16, 2026

评分

已满足适用检查项的 83%

该评分衡量此收录条目的完整程度,依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价,也不表示服务器安全或当前可用:可连通性是带日期的检查结果,评分也不包含安装量或用户评价。

  • 近 30 天内可连通必需25 分
  • 已声明认证方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 图标10 分
  • 文档15 分

    请声明包含 README 的 GitHub 仓库,或在 OAuth 受保护资源元数据中提供 resource_documentation。

  • 许可证不适用

    托管服务按其提供方的条款使用,因此这里不要求许可证。此检查项不计入百分比。