MCPサーバ - PDFのソースを表示

== 概要 ==
PDF Reader MCPサーバは、AIアシスタントがPDFファイルの読み取り、解析、操作を可能にするMCP (Model Context Protocol) サーバである。<br>
このMCPを使用することにより、Claude等のLLMがPDFドキュメントのテキスト抽出、メタデータ取得、ページ操作等を実行することができる。<br>
<br>
PDF Reader MCPサーバは、以下に示すような機能を提供する。<br>
* PDFファイルからのテキスト抽出
* PDFメタデータの取得 (タイトル、著者、作成日等)
* ページ数やドキュメント構造の取得
* 複数PDFファイルの同時処理
* ページ範囲指定によるテキスト抽出
* PDFテーブルデータの抽出 (一部実装)
<br>
PDF Reader MCPサーバは、Standard I/O (STDIO) トランスポートを使用してローカル環境で動作する。<br>
これにより、Claude Desktop、Claude Code、Cursor等のMCPクライアントと統合することができる。<br>
<br><br>

== PDF Reader MCPの機能 ==
==== テキスト抽出 ====
* PDFドキュメント全体からのテキスト抽出
* 指定ページ範囲からのテキスト抽出
* フォーマット保持オプション
* マルチカラム対応
* レイアウト解析
<br>
==== メタデータ処理 ====
* ドキュメントタイトル
* 著者情報
* 作成日時
* 修正日時
* PDFバージョン
* ページ数
* ファイルサイズ
<br>
==== ページ操作 ====
* 個別ページへのアクセス
* ページ範囲指定
* ページ数の取得
* ページサイズ情報
<br>
==== 高度な機能 ====
* テーブルデータの抽出
* 画像情報の取得
* リンクとアノテーションの解析
* ブックマーク構造の取得
<br><br>

== 動作要件 ==
==== システム要件 ====
* Node.js 18以上
* Python 3.8以上 (Pythonを使用するの場合)
<br>
==== 必須ライブラリ ====
Node.jsを使用する場合
* pdf-parse >= 1.1.1
* pdf-lib >= 1.17.1
* pdfjs-dist >= 3.0.0
<br>
Pythonを使用する場合
* PyPDF2 >= 3.0.0
* pdfplumber >= 0.9.0
* PyMuPDF (fitz) >= 1.22.0
* fastmcp >= 0.1.0
<br><br>

== インストール ==
==== Linux ====
===== 依存関係のインストール =====
まず、必要な環境をインストールする。<br>
 # RHEL
 sudo dnf install curl wget git gcc-c++ make python3 python3-pip nodejs npm unzip
 
 # SUSE
 sudo zypper install curl wget git gcc-c++ make python3 python3-pip nodejs npm unzip
 
 # Debian
 sudo apt install curl wget git build-essential python3 python3-pip nodejs npm unzip
<br>
===== Node.jsのインストール =====
Node.jsの最新版をインストールする場合は、NodeSourceリポジトリを使用する。<br>
 curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
<br>
 # RHEL
 sudo dnf install nodejs
 
 # SUSE
 sudo zypper install nodejs
 
 # Debian
 sudo apt install nodejs
<br>
===== Bunのインストール =====
Bunをインストールする。<br>
 curl -fsSL https://bun.com/install | bash
<br>
~/.profileファイル等に、環境変数 <code>PATH</code> を設定する。<br>
 <syntaxhighlight lang="sh">
 export PATH="$BUN_INSTALL/bin:$PATH"
 </syntaxhighlight>
<br>
または、下記のURLからバンドル版をダウンロードする。<br>
* https://github.com/oven-sh/bun/releases/latest/download/bun-linux-x64.zip
<br>
ダウンロードしたファイルを解凍する。<br>
必要ならば、解凍したファイルを任意のディレクトリに配置する。<br>
 unzip bun-linux-x64.zip
 mv bun-linux-x64 <任意のディレクトリ>
<br>
~/.profileファイル等に、環境変数 <code>PATH</code> を設定する。<br>
 <syntaxhighlight lang="sh">
 export PATH="/<Bunのインストールディレクトリ>/bin:$PATH"
 </syntaxhighlight>
<br>
===== PDF Reader MCPのインストール =====
PDF Reader MCPをダウンロードする。<br>
 git clone https://github.com/SylphxAI/pdf-reader-mcp.git
 cd pdf-reader-mcp
<br>
Node.jsを使用する場合、依存関係をインストールする。<br>
 npm install
 
 # エラーが表示される場合
 rm -rf node_modules package-lock.json
 npm install --ignore-scripts
 npm run build
 
 # または
 npm install -g @sylphx/pdf-reader-mcp
<br>
Pythonを使用する場合、仮想環境を作成して依存関係をインストールする。<br>
 python3 -m venv venv
 
 # Bash / Zshの場合
 source venv/bin/activate
 
 # Fishの場合
 source venv/bin/activate.sh
 
 # 依存関係のインストール
 pip install -r requirements.txt
<br>

==== Windows ====
[https://nodejs.org/ Node.jsの公式Webサイト]からNode.jsをダウンロードしてインストールする。<br>
<br>
[https://git-scm.com/ Git for Windowsの公式Webサイト]からインストーラをダウンロードしてインストールする。<br>
<br>
PowerShellまたはコマンドプロンプトを開いて、PDF Reader MCPをダウンロードする。<br>
 git clone https://github.com/SylphxAI/pdf-reader-mcp.git
 cd pdf-reader-mcp
<br>
PDF Reader MCPの依存関係をインストールする。<br>
 npm install
<br><br>

== プロジェクト構造 ==
PDF Reader MCPサーバのプロジェクト構造を以下に示す。<br>
<br>
 pdf-reader-mcp/
 ├── README.md                       # プロジェクトドキュメント
 ├── package.json                    # Node.js依存関係 (Node.js実装)
 ├── requirements.txt                # Python依存関係 (Python実装)
 ├── tsconfig.json                   # TypeScript設定 (Node.js実装)
 ├── .env.example                    # 環境設定の例
 ├── src/                            # ソースコード (Node.js実装)
 │   ├── index.ts                    # メインエントリーポイント
 │   ├── tools/                      # ツール実装
 │   │   ├── read_pdf.ts
 │   │   ├── get_metadata.ts
 │   │   ├── get_page_count.ts
 │   │   ├── search_pdf.ts
 │   │   └── extract_table.ts
 │   └── utils/                      # ユーティリティ関数
 │       ├── file_validator.ts
 │       ├── path_resolver.ts
 │       └── error_handler.ts
 ├── server.py                       # メインサーバ (Python実装)
 ├── tools/                          # ツール実装 (Python実装)
 │   ├── __init__.py
 │   ├── read_pdf.py
 │   ├── metadata.py
 │   ├── search.py
 │   └── tables.py
 ├── utils/                          # ユーティリティ (Python実装)
 │   ├── __init__.py
 │   ├── validators.py
 │   └── security.py
 ├── tests/                          # テスト
 │   ├── test_read_pdf.py
 │   ├── test_metadata.py
 │   └── test_security.py
 └── docs/                           # ドキュメント
     ├── API.md
     ├── USAGE.md
     └── TROUBLESHOOTING.md
<br><br>

== クライアント接続設定 ==
==== Claude Desktopからの接続 ====
Claude Desktopの設定ファイルを編集する。<br>
<br>
設定ファイルの場所は、以下の通りである。<br>
* Linux
*: ~/.config/Claude/claude_desktop_config.json
* Windows
*: %APPDATA%\Claude\claude_desktop_config.json
<br>
Node.jsを使用する場合の設定を以下に示す。<br>
 <syntaxhighlight lang="json">
 {
   "mcpServers": {
     "pdf-reader": {
       "command": "node",
       "args": [
         "/<任意のディレクトリ>/pdf-reader-mcp/dist/index.js"
       ],
       "env": {
         "NODE_ENV": "production"
       }
     }
   }
 }
 </syntaxhighlight>
<br>
または、<code>npm install -g @sylphx/pdf-reader-mcp</code> コマンドを実行してインストールした場合は、以下に示す設定を行う。<br>
 <syntaxhighlight lang="json">
 {
   "mcpServers": {
     "pdf-reader": {
       "command": "npx",
       "args": ["@sylphx/pdf-reader-mcp"]
     }
   }
 }
 </syntaxhighlight>
<br>
Pythonを使用する場合の設定を以下に示す。<br>
 <syntaxhighlight lang="json">
 {
   "mcpServers": {
     "pdf-reader": {
       "command": "/<任意のディレクトリ>/pdf-reader-mcp/venv/bin/python",
       "args": [
         "/<任意のディレクトリ>/pdf-reader-mcp/server.py"
       ]
     }
   }
 }
 </syntaxhighlight>
<br>
Windows環境の場合、パスを適切に変更する。<br>
 <syntaxhighlight lang="json">
 {
   "mcpServers": {
     "pdf-reader": {
       "command": "node",
       "args": [
         "C:\\<任意のディレクトリ>\\pdf-reader-mcp\\dist\\index.js"
       ]
     }
   }
 }
 </syntaxhighlight>
<br>
Claude Desktopを再起動して、PDF Reader MCPサーバが利用可能であることを確認する。<br>
<br>

==== Clineからの接続 ====
Clineの設定ファイルを編集する。<br>
 # Linux
 ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
 
 # Windows
 %APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json
<br>
設定内容はClaude Desktopと同じフォーマットを使用する。<br>
<br>
==== Cursorからの接続 ====
Cursorのグローバル設定ファイルを編集する。<br>
 # Linux
 ~/.cursor/mcp.json
 
 # Windows
 %USERPROFILE%\.cursor\mcp.json
 
 # macOS
 ~/.cursor/mcp.json
<br>
設定内容を以下に示す。<br>
 <syntaxhighlight lang="json">
 {
   "mcpServers": {
     "pdf-reader": {
       "command": "node",
       "args": ["/path/to/pdf-reader-mcp/dist/index.js"],
       "autoApprove": [],
       "disabled": false,
       "timeout": 60,
       "transportType": "stdio"
     }
   }
 }
 </syntaxhighlight>
<br>
または、プロジェクト固有の設定として .cursor/mcp.jsonファイルをプロジェクトディレクトリに配置する。<br>
<br>
==== Claude Codeからの接続 ====
Claude Codeは、カレントディレクトリ内のMCPサーバを自動的に検出するため、追加の設定は不要である。<br>
<br><br>

== 利用可能なツール ==
==== read_pdf ====
PDFファイル全体または指定ページ範囲からテキストを抽出する。<br>
<br>
<center>
{| class="wikitable"
|+ パラメータ
|-
! パラメータ !! 型 !! 必須 !! 説明
|-
| file_path || string || 必須 || PDFファイルの絶対パスまたは相対パス
|-
| start_page || integer || オプション || 開始ページ番号 (1から始まる)
|-
| end_page || integer || オプション || 終了ページ番号 (1から始まる)
|}
</center>
<br>
* 使用例
*: <syntaxhighlight lang="text">
 # PDFファイル全体を読み取る
 「/path/to/document.pdf」のPDFファイルを読み取ってください。
 
 # ページ範囲を指定して読み取る
 「/path/to/document.pdf」の5ページから10ページまでを読み取ってください。
 </syntaxhighlight>
*: <br>
* 戻り値の例
*: <syntaxhighlight lang="json">
 {
   "text": "抽出されたテキストの内容...",
   "pages": 6,
   "file": "/path/to/document.pdf"
 }
 </syntaxhighlight>
<br>
==== get_pdf_metadata ====
PDFファイルのメタデータを取得する。<br>
<br>
<center>
{| class="wikitable"
|+ パラメータ
|-
! パラメータ !! 型 !! 必須 !! 説明
|-
| file_path || string || 必須 || PDFファイルの絶対パスまたは相対パス
|}
</center>
<br>
* 使用例
*: <pre>「/path/to/document.pdf」のメタデータを取得してください。</pre>
*: <br>
* 戻り値の例
*: <syntaxhighlight lang="json">
 {
   "title": "Document Title",
   "author": "Author Name",
   "subject": "Document Subject",
   "creator": "PDF Creator",
   "producer": "PDF Producer",
   "creation_date": "2024-01-15T10:30:00Z",
   "modification_date": "2024-01-20T15:45:00Z",
   "page_count": 42,
   "pdf_version": "1.7",
   "file_size": 1024576
 }
 </syntaxhighlight>
<br>
==== get_pdf_page_count ====
PDFファイルの総ページ数を取得する。<br>
<br>
<center>
{| class="wikitable"
|+ パラメータ
|-
! パラメータ !! 型 !! 必須 !! 説明 
|-
| file_path || string || 必須 || PDFファイルの絶対パスまたは相対パス
|}
</center>
<br>
* 使用例
*: <pre>「/path/to/document.pdf」のページ数を教えてください。</pre>
*: <br>
* 戻り値の例
*: <syntaxhighlight lang="json">
 {
   "page_count": 42,
   "file": "/path/to/document.pdf"
 }
 </syntaxhighlight>
<br>
==== extract_pdf_table ====
PDFファイルからテーブルデータを抽出する。(定義により利用可能性が異なる)。<br>
<br>
<center>
{| class="wikitable"
|+ パラメータ
|-
! パラメータ !! 型 !! 必須 !! 説明
|-
| file_path || string || 必須 || PDFファイルの絶対パスまたは相対パス
|-
| page_number || integer || オプション || テーブルを抽出するページ番号
|-
| table_settings || object || オプション || テーブル抽出の詳細設定
|}
</center>
<br>
* 使用例
*: <pre>「/path/to/document.pdf」の3ページ目からテーブルを抽出してください。</pre>
<br>
==== search_pdf ====
PDFファイル内でキーワードを検索する。<br>
<br>
<center>
{| class="wikitable"
|+ パラメータ
|-
! パラメータ !! 型 !! 必須 !! 説明
|-
| file_path || string || 必須 || PDFファイルの絶対パスまたは相対パス
|-
| keyword || string || 必須 || 検索するキーワード
|-
| case_sensitive || boolean || オプション || 大文字小文字を区別するか (デフォルト : false)
|}
</center>
<br>
* 使用例
*: <pre>「/path/to/document.pdf」から「機械学習」というキーワードを検索してください。</pre>
*: <br>
* 戻り値の例
*: <syntaxhighlight lang="json">
 {
   "matches": [
     {
       "page": 5,
       "context": "...機械学習アルゴリズムを使用して...",
       "position": 234
     },
     {
       "page": 12,
       "context": "...機械学習モデルの訓練では...",
       "position": 567
     }
   ],
   "total_matches": 2
 }
 </syntaxhighlight>
<br><br>

== 使用例 ==
==== 基本的なPDF読み取り ====
* 「~/Documents/report.pdf」を読み取ってください。
* 「/home/user/papers/research.pdf」の1ページから5ページまでを読み取ってください。
<br>
==== メタデータ取得 ====
* 「~/Documents/manual.pdf」のメタデータを取得してください。
* 「~/Downloads/invoice.pdf」のページ数を教えてください。
<br>
==== キーワード検索 ====
* 「~/Documents/thesis.pdf」から「機械学習」というキーワードを検索してください。
* 「~/papers/article.pdf」で「neural network」を大文字小文字を区別して検索してください。
<br>
==== テーブル抽出 ====
* 「~/Documents/financial_report.pdf」の3ページ目からテーブルを抽出してください。
* 「~/data/statistics.pdf」からすべてのテーブルを抽出してください。
<br>
==== 複数ファイルの処理 ====
* 以下のPDFファイルを全て読み取って、内容を要約してください。
*: - ~/Documents/chapter1.pdf
*: - ~/Documents/chapter2.pdf
*: - ~/Documents/chapter3.pdf
<br><br>

== トラブルシューティング ==
==== PDFファイルの読み込みに失敗する ====
* ファイルが存在しないエラー
* 読み込み権限エラー
* フォーマットエラー
<br>
解決方法を以下に示す。<br>
* ファイルパスが正しいか確認する
*: <pre>ls -la /path/to/file.pdf</pre>
* ファイルの読み取り権限があるか確認する
*: <pre>chmod 644 /path/to/file.pdf</pre>
* PDFファイルが破損していないか確認する
*: <pre>pdfinfo /path/to/file.pdf</pre>
* PDFのバージョンが古い場合、変換を試みる
*: <pre>gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.7 -o output.pdf input.pdf</pre>
<br>
==== テキスト抽出が正しく動作しない ====
* 空のテキストが返される
* 文字化けが発生する
* レイアウトが崩れる
<br>
解決方法を以下に示す。<br>
* PDFがスキャン画像ベースでないか確認する (OCRが必要)
* 異なるライブラリを試す (pdfplumber → PyMuPDF)
*: <syntaxhighlight lang="python">
 import fitz  # PyMuPDF
 
 def read_pdf_with_pymupdf(file_path: str) -> str:
     doc = fitz.open(file_path)
     text = ""
     for page in doc:
         text += page.get_text()
     return text
 </syntaxhighlight>
<br>
また、エンコーディングの問題を確認する<br>
<br>
==== メモリ不足エラー ====
* 大きなPDFファイルで処理が停止する
* メモリエラーが発生する
<br>
解決方法を以下に示す。<br>
* ページ単位の処理を実装する
* ファイルサイズ制限を設定する
* ストリーミング処理を使用する
* Python環境のメモリ制限を増やす
<br><br>

== パフォーマンスの最適化 ==
==== ページ単位の処理 ====
大規模なPDFファイルを処理する場合、ページ単位で処理することでメモリ使用量を削減できる。<br>
<br>
 <syntaxhighlight lang="python">
 def read_pdf_streaming(file_path: str, page_size: int = 10):
     """ストリーミング方式でPDFを読み込む"""
     path = Path(file_path).resolve()
     
     with pdfplumber.open(str(path)) as pdf:
         total_pages = len(pdf.pages)
         
         for start in range(0, total_pages, page_size):
             end = min(start + page_size, total_pages)
             
             batch_text = []
             for page_num in range(start, end):
                 page = pdf.pages[page_num]
                 text = page.extract_text()
                 if text:
                     batch_text.append(text)
             
             yield {
                 "text": "\n\n".join(batch_text),
                 "pages": f"{start + 1}-{end}",
                 "total_pages": total_pages
             }
 </syntaxhighlight>
<br>
==== キャッシング ====
頻繁にアクセスされるPDFファイルのメタデータをキャッシュする。<br>
<br>
 <syntaxhighlight lang="python">
 from functools import lru_cache
 import hashlib
 
 def get_file_hash(file_path: str) -> str:
    """ファイルのハッシュ値を計算する"""
    hasher = hashlib.md5()
    with open(file_path, 'rb') as f:
       buf = f.read(65536)
       while len(buf) > 0:
          hasher.update(buf)
          buf = f.read(65536)
    return hasher.hexdigest()
 
 @lru_cache(maxsize=50)
 def get_cached_metadata(file_path: str, file_hash: str) -> dict:
    """キャッシュされたメタデータを取得する"""
    return get_pdf_metadata(file_path)
 
 @mcp.tool()
 def get_pdf_metadata_cached(file_path: str) -> dict:
    """キャッシュを使用してメタデータを取得する"""
    try:
       file_hash = get_file_hash(file_path)
       return get_cached_metadata(file_path, file_hash)
    except Exception as e:
       return {"error": str(e)}
 </syntaxhighlight>
<br>
==== 並列処理 ====
複数のPDFファイルを同時に処理する場合、並列処理を使用する。<br>
<br>
 <syntaxhighlight lang="python">
 from concurrent.futures import ThreadPoolExecutor, as_completed
 
 def process_multiple_pdfs(file_paths: list[str]) -> list[dict]:
    """複数のPDFファイルを並列処理する"""
    results = []
 
    with ThreadPoolExecutor(max_workers=4) as executor:
       future_to_path = {
          executor.submit(read_pdf, path): path 
          for path in file_paths
       }
 
       for future in as_completed(future_to_path):
          path = future_to_path[future]
          try:
             result = future.result()
             results.append({
                "file": path,
                "result": result
             })
          except Exception as e:
             results.append({
                "file": path,
                "error": str(e)
             })
 
    return results
 </syntaxhighlight>
<br><br>

== 高度な機能 ==
==== OCR統合 ====
スキャンされたPDFファイルからテキストを抽出する場合、OCR機能を統合する。<br>
<br>
 <syntaxhighlight lang="python">
 from PIL import Image
 import pytesseract
 import pdf2image
 
 def extract_text_with_ocr(file_path: str) -> str:
    """OCRを使用してスキャンPDFからテキストを抽出する"""
    # PDFを画像に変換
    images = pdf2image.convert_from_path(file_path)
 
    text_content = []
    for image in images:
       # OCR実行
       text = pytesseract.image_to_string(image, lang='jpn+eng')
       text_content.append(text)
 
    return "\n\n".join(text_content)
 </syntaxhighlight>
<br>
==== PDF分割 ====
大きなPDFファイルを分割する機能を追加する。<br>
<br>
 <syntaxhighlight lang="python">
 from PyPDF2 import PdfWriter, PdfReader
 
 @mcp.tool()
 def split_pdf(
    file_path: str,
    output_dir: str,
    pages_per_file: int = 10
 ) -> dict:
    """PDFファイルを複数のファイルに分割する"""
    try:
       path = Path(file_path).resolve()
       output_path = Path(output_dir).resolve()
       output_path.mkdir(exist_ok=True)
 
       reader = PdfReader(str(path))
       total_pages = len(reader.pages)
 
       file_count = 0
       for start in range(0, total_pages, pages_per_file):
          writer = PdfWriter()
          end = min(start + pages_per_file, total_pages)
  
          for page_num in range(start, end):
             writer.add_page(reader.pages[page_num])
  
          output_file = output_path / f"split_{file_count + 1}.pdf"
          with open(output_file, 'wb') as output:
             writer.write(output)
  
          file_count += 1
  
       return {
          "files_created": file_count,
          "output_directory": str(output_path)
       }
  
    except Exception as e:
       return {"error": f"分割エラー: {str(e)}"}
 </syntaxhighlight>
<br>
==== PDF結合 ====
複数のPDFファイルを結合する機能を追加する。<br>
<br>
 <syntaxhighlight lang="python">
 @mcp.tool()
 def merge_pdfs(
    file_paths: list[str],
    output_path: str
 ) -> dict:
    """複数のPDFファイルを結合する"""
    try:
       writer = PdfWriter()
 
       for file_path in file_paths:
          reader = PdfReader(file_path)
          for page in reader.pages:
             writer.add_page(page)
 
       with open(output_path, 'wb') as output:
          writer.write(output)
 
       return {
          "output_file": output_path,
          "total_pages": len(writer.pages)
       }
 
    except Exception as e:
       return {"error": f"結合エラー: {str(e)}"}
 </syntaxhighlight>
<br>
==== PDFブックマーク抽出 ====
PDFファイルのブックマーク構造を取得する。<br>
<br>
 <syntaxhighlight lang="python">
 @mcp.tool()
 def get_pdf_bookmarks(file_path: str) -> dict:
    """PDFファイルのブックマーク構造を取得する"""
    try:
       path = Path(file_path).resolve()
       reader = PdfReader(str(path))
 
       def extract_bookmarks(bookmarks, level=0):
          result = []
          for item in bookmarks:
             if isinstance(item, list):
                result.extend(extract_bookmarks(item, level + 1))
             else:
                result.append({
                   "title": item.title,
                   "page": reader.get_destination_page_number(item) + 1,
                   "level": level
                })
         return result
 
       bookmarks = reader.outline
       if bookmarks:
          return {
             "bookmarks": extract_bookmarks(bookmarks)
          }
       else:
          return {"bookmarks": [], "message": "ブックマークが見つかりません"}
 
    except Exception as e:
       return {"error": f"ブックマーク取得エラー: {str(e)}"}
 </syntaxhighlight>
<br><br>

== 外部リンク ==
* [https://github.com/SylphxAI/pdf-reader-mcp PDF Reader MCPのGithub]
* [https://glama.ai/mcp/servers/@SylphxAI/pdf-reader-mcp PDF Reader MCP on Glama]
* [https://lobehub.com/ja/mcp/bach-ai-tools-pdf-reader-mcp LobeHub MCP Directory]
* [https://modelcontextprotocol.io/ Model Context Protocol公式サイト]
<br><br>


{{#seo:
|title={{PAGENAME}} : PDF Reader MCP Server | MochiuWiki
|keywords=MochiuWiki,Mochiu,Wiki,Mochiu Wiki,MCP,Model Context Protocol,PDF,PDF Reader,Document Processing,Claude,AI,Machine Learning,Python,Node.js,TypeScript,PDF Processing,Document Analysis
|description={{PAGENAME}} - PDF Reader MCPサーバに関する包括的なガイド、AIアシスタントによるPDF操作の統合 | This page is {{PAGENAME}} in our wiki about PDF Reader MCP servers and AI-powered document processing
|image=/resources/assets/MochiuLogo_Single_Blue.png
}}

__FORCETOC__
[[カテゴリ:設定]]