MCP · CLI · Python · n8n · TypeScript · Docker

La capa de documentos para tus agentes de IA

PDF, escaneos, Word, Excel, PowerPoint, correos y fotos convertidos en datos que un agente puede citar: tipo de documento, campos con página y posición, tablas, formularios, trozos y datasets. En tu máquina: sin subir archivos, sin créditos y sin cola.

¿Usas un agente de IA?

Copia estas instrucciones y pégalas en Claude, ChatGPT o Cursor. El agente lee nuestra documentación en Markdown, se instala y te dice qué puede hacer.

llms.txt

¿Eres un agente?

Todo esta web tiene versión en texto plano:

/llms.txt — índice
/llms-full.txt — todo en un archivo
/skills/…/SKILL.md — Agent Skill
/docs/agents/*.md — referencia
Ejemplos reales — salidas sin retocar, también cuando falla

Instálalo donde ya trabajas

Instalar en Cursor Instalar en VS CodeVersión fijada: 0.4.3. Abre tu editor y te pide confirmar.

Una línea. Luego pídele «lee factura.pdf».

claude mcp add sirdas -- npx -y @sirdaspdf/mcp@0.4.3

Paso a paso, con un ejemplo grabado:Claude Code Claude Desktop Cursor

Una llamada lo hace todo

read_document desbloquea, pasa OCR si hace falta, identifica, extrae con cita, anonimiza, trocea y te dice qué ofrecer después. Esto devolvió la versión publicada con la factura de la galería (recortado):

{
  "tool": "read_document",
  "arguments": {
    "path": "factura.pdf"
  },
  "document_type": "factura",
  "steps": [
    "Extracted text from 1 page(s).",
    "Found 1 table(s).",
    "Identified as factura (match 1).",
    "Extracted 7 field(s) with page citations.",
    "Replaced 7 personal data item(s) with placeholders."
  ],
  "fields": [
    {
      "name": "nit_emisor",
      "value": "000000001-1",
      "page": 1,
      "evidence": "Emisor: Empresa Ficticia S.A.S. [NIT_1]"
    },
    {
      "name": "fecha_emision",
      "value": "15/09/2026",
      "page": 1,
      "evidence": "Fecha de emisión: [FECHA_1] Vence: [FECHA_2]"
    },
    {
      "name": "total",
      "value": "1.445.500",
      "page": 1,
      "evidence": "Subtotal: 1.445.500 IVA: 0 Total a pagar: 1.445.500"
    }
  ],
  "redacted": {
    "EMAIL": 1,
    "NIT": 1,
    "DOCUMENTO": 1,
    "TELEFONO": 1,
    "FECHA": 2,
    "NOMBRE": 1
  },
  "tokens": 123,
  "next_steps": [
    "pdf_tables",
    "protect_pdf"
  ]
}

Entra casi cualquier archivo

PDF y PDF escaneado
PNG y JPG
Word (.docx), .odt, .rtf
Excel (.xlsx), .ods, CSV
PowerPoint (.pptx), .odp
EPUB y HTML
Correos .eml
JSON, Markdown, texto

Sale en el formato que tu stack ya usa

Chat (OpenAI, TRL)
Alpaca (Axolotl, LLaMA-Factory, Unsloth)
ShareGPT
LangChain Documents
LlamaIndex TextNodes
Embeddings (id + texto + metadatos)
Tarjeta de Hugging Face
train / validation / test por documento

Por qué local

Privacidad demostrable

Historias clínicas, contratos y nóminas nunca salen del equipo. El MCP no abre conexiones de red.

Sin créditos ni cola

Los parsers en la nube cobran por página. Aquí 100 000 páginas cuestan lo mismo que una.

Cada dato se puede comprobar

Todo campo trae la línea de origen y su caja en la página: el agente cita, no inventa.

Lo que todavía no hace

Leer escritura a mano, convertir gráficos en datos o detectar una casilla marcada con bolígrafo sobre un escaneo necesita un modelo de visión, y no lo prometemos. Word, Excel y PowerPoint se leen por su contenido, no se reproducen con su diseño.