/ الدليل / الملعب / Kreuzberg
← كل الخوادم ↗ GitHub
● مجتمع kreuzberg-dev ⚡ فوري

Kreuzberg

بواسطة kreuzberg-dev · kreuzberg-dev/kreuzberg

Extract clean text, tables, and metadata from PDFs, Office docs, images, and 97+ other formats — via a Rust-core MCP.

Kreuzberg is a polyglot document intelligence framework. The MCP server wraps the core Rust pipeline: Claude calls it to extract structured content from any document format without you shelling out to Unstructured/Tika/pdfplumber. Handles OCR for scanned PDFs, table detection, and metadata in one call.

▶ شاهد العرض 📦 التثبيت 💡 حالات الاستخدام

لماذا تستخدمه

الميزات الأساسية

عرض مباشر

كيف يبدو في الممارسة

kreuzberg.replay ▶ جاهز
0/0

التثبيت

اختر العميل

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "kreuzberg": {
      "command": "uvx",
      "args": [
        "kreuzberg-mcp"
      ]
    }
  }
}

افتح Claude Desktop → Settings → Developer → Edit Config. أعد التشغيل بعد الحفظ.

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "kreuzberg": {
      "command": "uvx",
      "args": [
        "kreuzberg-mcp"
      ]
    }
  }
}

يستخدم Cursor نفس مخطط mcpServers مثل Claude Desktop. إعدادات المشروع أولى من الإعدادات العامة.

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "kreuzberg": {
      "command": "uvx",
      "args": [
        "kreuzberg-mcp"
      ]
    }
  }
}

انقر على أيقونة MCP Servers في شريط Cline الجانبي، ثم "Edit Configuration".

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "kreuzberg": {
      "command": "uvx",
      "args": [
        "kreuzberg-mcp"
      ]
    }
  }
}

نفس الصيغة مثل Claude Desktop. أعد تشغيل Windsurf لتطبيق التغييرات.

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "kreuzberg",
      "command": "uvx",
      "args": [
        "kreuzberg-mcp"
      ]
    }
  ]
}

يستخدم Continue مصفوفة من كائنات الخادم بدلاً من خريطة.

~/.config/zed/settings.json
{
  "context_servers": {
    "kreuzberg": {
      "command": {
        "path": "uvx",
        "args": [
          "kreuzberg-mcp"
        ]
      }
    }
  }
}

أضف إلى context_servers. يعيد Zed التحميل تلقائيًا عند الحفظ.

claude mcp add kreuzberg -- uvx kreuzberg-mcp

أمر من سطر واحد. تحقق باستخدام claude mcp list. احذف باستخدام claude mcp remove.

حالات الاستخدام

استخدامات عملية: Kreuzberg

Extract tables from a messy PDF into clean markdown

👤 Analysts dealing with report PDFs ⏱ ~10 min beginner

متى تستخدمه: You have a PDF with tables that pdftotext mangles and you don't want to retype them.

المتطلبات الأساسية
  • MCP installed — uvx kreuzberg-mcp — or add via claude mcp add
الخطوات
  1. Extract
    Use kreuzberg to extract /docs/2025-annual-report.pdf. Give me the tables as markdown and the body text separately.✓ تم النسخ
    → Clean markdown tables with preserved headers
  2. Verify
    For the "Revenue by Segment" table, reconcile the column totals. Flag any OCR misreads.✓ تم النسخ
    → Arithmetic check with flagged cells

النتيجة: Markdown tables you can paste into a doc without rework.

المزالق
  • Scanned PDF — OCR mistakes 6 for 8 — Use the OCR confidence output and re-scan low-confidence cells manually
اجمعها مع: filesystem

Ingest a folder of mixed-format docs for downstream indexing

👤 Engineers building RAG pipelines ⏱ ~30 min intermediate

متى تستخدمه: Client drops you a zip with PDFs, Word docs, PowerPoints, and you need clean text for embedding.

المتطلبات الأساسية
  • Filesystem MCP scoped to the folder — Launch fs MCP with the ingest dir as root
الخطوات
  1. Inventory
    List every file under /ingest/. For each, call kreuzberg.detect_format and report.✓ تم النسخ
    → Format-per-file table
  2. Bulk extract
    For each file, extract text + metadata. Write cleaned .txt next to the original and a manifest.json with metadata.✓ تم النسخ
    → All files processed; manifest contains every entry
  3. Quality check
    List every file where extraction returned <100 chars — those are likely scanned or corrupt. Re-run with OCR forced.✓ تم النسخ
    → Low-content files identified and retried

النتيجة: A folder of cleaned text files ready for embedding, with a metadata manifest.

المزالق
  • Encrypted PDF — Kreuzberg returns an error — decrypt with qpdf or ask for the unlocked copy
اجمعها مع: filesystem · memory

التركيبات

اجمعها مع خوادم MCP أخرى لتحقيق نتائج x10

kreuzberg + filesystem

Walk a folder and extract every doc in place

For each PDF under /docs, extract text and save as .md next to it.✓ تم النسخ
kreuzberg + memory

Ingest extracted content into a knowledge graph

Extract /contracts/*.pdf and store key terms in memory for cross-doc querying.✓ تم النسخ

الأدوات

ما يوفره هذا الـ MCP

الأداةالمدخلاتمتى تستدعيهاالتكلفة
extract_text path: str, ocr?: bool Primary extraction call free
extract_metadata path: str Just want metadata without body text free
extract_tables path: str Table-focused extraction free
detect_format path: str Confirm format before extraction free

التكلفة والحدود

تكلفة التشغيل

حصة API
Unlimited — local
الرموز لكل استدعاء
Proportional to doc size; a 20-page PDF ≈ 8k tokens of output
التكلفة المالية
Free (open source)
نصيحة
Use extract_metadata first on large files to avoid processing irrelevant ones

الأمان

الصلاحيات والأسرار ونطاق الأثر

تخزين بيانات الاعتماد: None for local mode
نقل البيانات الخارجي: None — all processing is local

استكشاف الأخطاء

الأخطاء الشائعة وحلولها

ModuleNotFoundError: tesseract

Install Tesseract system binary: brew install tesseract / apt install tesseract-ocr

تحقق: `tesseract --version`
Empty output on PDF

Likely image-only PDF — re-run with ocr=true

تحقق: Check output.metadata.has_text_layer
XLSX tables come out jumbled

Pass sheet name explicitly: tool supports sheet arg

البدائل

Kreuzberg مقابل البدائل

البديلمتى تستخدمهاالمقايضة
markdownify-mcpYou want a lighter, Node-based converter without OCRFewer formats, no table preservation
Unstructured.ioYou need enterprise PDF parsing and accept the cloud costPaid; cloud-hosted

المزيد

الموارد

📖 اقرأ ملف README الرسمي على GitHub

🐙 تصفح القضايا المفتوحة

🔍 تصفح أكثر من 400 خادم MCP و Skills