slohmaier/mcp-home
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(files): gescannte/bildbasierte PDFs als Bilder rendern (Vision)

Browse Source 
read_file gab bei Scan-PDFs (kein extrahierbarer Text) nur nutzlose Rohbytes
zurueck -> claude.ai konnte sie nicht lesen. Jetzt: PyMuPDF rendert die Seiten
als PNG (150 dpi, max 20 Seiten) -> ImageContent, das LLM liest sie per Vision.
Verschluesselte/kaputte PDFs bleiben graceful. TestFileTypes scanned.pdf -> image.
Produktiv-Fix fuer alle User. Dep: pymupdf (requirements-extra.txt). 76 Tests gruen.
This commit is contained in:
Stefan Lohmaier
2026-06-19 08:27:08 +02:00
parent 85f5e26384
commit abeacfc3b8
4 changed files with 37 additions and 5 deletions
Download Patch File Download Diff File Expand all files Collapse all files
files/server.py
+19 -4
View File
@@ -127,10 +127,25 @@ def read_file(
text = "\n\n".join(pages)
if text.strip():
return [TextContent(type="text", text=f"[PDF: {path}]\n\n{text[:200000]}")]
return [
TextContent(type="text", text=f"[PDF '{path}' enthaelt keinen extrahierbaren Text (vermutlich Scan). Rohdaten folgen.]"),
EmbeddedResource(type="resource", resource=BlobResourceContents(uri=f"file://{path}", blob=base64.b64encode(r.content).decode(), mimeType=ct)),
]
# Kein extrahierbarer Text -> bildbasiert/gescannt: Seiten als Bilder
# rendern, damit das LLM sie per Vision lesen kann (statt nutzloser Rohbytes).
try:
import fitz # PyMuPDF
doc = fitz.open(stream=r.content, filetype="pdf")
n = doc.page_count
MAX_PAGES = 20
out = [TextContent(type="text", text=f"[PDF '{path}' ist bildbasiert/gescannt ({n} Seite(n)) — als Bilder gerendert:]")]
for i in range(min(n, MAX_PAGES)):
pix = doc[i].get_pixmap(dpi=150)
out.append(ImageContent(type="image", data=base64.b64encode(pix.tobytes("png")).decode(), mimeType="image/png"))
if n > MAX_PAGES:
out.append(TextContent(type="text", text=f"[... {n - MAX_PAGES} weitere Seiten ausgelassen (Limit {MAX_PAGES}).]"))
return out
except Exception as e:
return [
TextContent(type="text", text=f"[PDF '{path}' ist bildbasiert; Rendern fehlgeschlagen ({e}). Rohdaten folgen.]"),
EmbeddedResource(type="resource", resource=BlobResourceContents(uri=f"file://{path}", blob=base64.b64encode(r.content).decode(), mimeType=ct)),
]
except Exception as e:
return [TextContent(type="text", text=f"PDF '{path}' konnte nicht gelesen werden: {e}")]
try: