PageIndex MCP

VectifyAI
404
无向量、基于推理的 RAG 系统,将文档表示为分层的树结构。使 LLM 能够通过结构和推理来导航和检索信息,而不是向量相似性,就像人类使用书的索引来检索信息一样。

内容

PageIndex MCP 8

无向量、基于推理的 RAG 系统,将文档表示为分层的树结构。使 LLM 能够通过结构和推理来导航和检索信息,而不是向量相似性,就像人类使用书的索引来检索信息一样。

process_document

从公共URL上传和处理PDF文档。文档工作流程的入口点。执行文档处理和智能内容分析。返回文档名称以供后续操作。支持最大100MB的文件。处理完成后,使用get_document()检查状态,然后再访问内容。

参数 (2)
url string 必需

PDF文件的直接URL

folder_id ['string', 'null'] 可选

目标文件夹ID。使用null表示根文件夹,省略则使用X-Folder-Scope标头默认值。

recent_documents

列出您最近上传的文档及其处理状态。最多返回 5 个最近的文档,包含状态和可操作的建议。使用此功能来检查哪些文档已准备好进行分析,或者当用户询问“我有哪些文档”或“显示我的文档”时使用。

此工具无需参数

find_relevant_documents

文档发现:通过筛选文档名称和描述(仅限元数据,不包括内容)在您的文档集中查找文档。此操作搜索的是文档列表,而非文档内容。每页最多返回 20 个文档,并使用基于游标的分页。适用场景:用户询问“我有哪些关于 X 的文档?”或尚未指定要分析哪个文档。不适用场景:已经在处理特定文档 - 请改用 get_page_content()。注意:要在文档内容中搜索,请使用 get_document_structure() 定位章节,然后使用 get_page_content() 提取它们。

参数 (4)
name_or_description_filter string 可选

按文件名或描述(仅限元数据,不包括内容)筛选文档。例如:“climate”会找到“Climate Report 2023.pdf”。这不会搜索文档内容。

folder_id ['string', 'null'] 可选

按文件夹ID筛选。使用 null 代表根文件夹文件,省略代表所有文件。

cursor string 可选

用于获取下一页的分页游标

limit number 可选

每页返回的文档数量(1-20,默认为10)

get_document

按名称获取特定文档的详细信息。必需参数:doc_name(字符串)。可选参数:wait_for_completion(布尔值),如果文档仍在处理中,则自动等待最多3分钟。返回文档状态、元数据以及基于处理状态和文档大小的智能下一步建议。在调用 get_document_structure() 或 get_page_content() 之前,使用此方法检查文档是否已准备就绪。

参数 (2)
doc_name string 必需

来自 recent_documents() 的文档名称

wait_for_completion boolean 可选

如果为真且文档正在处理中,则自动等待最长3分钟直至完成。减少重复的工具调用。

get_document_structure

提取已完成文档的层级结构。可选:wait_for_completion (布尔值),如果仍在处理中,则最多等待 3 分钟。返回包含标题、章节和页码引用的结构化大纲。对于超过 20 页的文档是必需的 - 首先使用此功能来了解布局并在提取内容之前识别相关章节。对于有针对性的问题,使用结构来定位相关页面,然后使用 get_page_content() 提取内容。

参数 (3)
doc_name string 必需

来自 recent_documents() 的文档名称

part integer 可选

分页的零件编号(从1开始)

wait_for_completion boolean 可选

如果为真且文档正在处理中,则自动等待最长3分钟直至完成。减少重复的工具调用。

get_page_content

从已处理的文档中提取特定页面内容。灵活的页面选择:单页('5')、范围('3-7')或多页('1,5,10')。可选:wait_for_completion(布尔值),如果仍在处理中,则最多等待 3 分钟。返回结构化的文本内容,并在可用时包含图像路径。最佳实践:首先使用 get_document_structure() 来识别相关部分,然后仅提取必要的页面以优化性能。避免一次提取整个文档。

参数 (3)
doc_name string 必需

来自 recent_documents() 的文档名称

pages string 必需

页面规格:"5"、"3,7,10"、"5-10" 或 "1-3,7,9-12"

wait_for_completion boolean 可选

如果为真且文档正在处理中,则自动等待最长3分钟直至完成。减少重复的工具调用。

get_document_image

从文档中检索嵌入的图像。需要来自 get_page_content() 的 image_path,格式:<文档名>/<图像路径>(例如 MyDoc.pdf/figures/fig1.png)。返回 image_base64 和 content_type,用于直接渲染图像。

参数 (1)
image_path string 必需

来自 get_page_content() 的图片路径,格式:<文档名>/<图片路径>

remove_document

永久删除文档以及所有相关数据。接受文档名称数组以进行批量删除(每批最多 10 个文档)。返回每个文档的详细成功/失败状态。使用此功能来管理存储空间。警告:此操作不可逆 - 删除的文档无法恢复。

参数 (1)
doc_names array 必需

要删除的文档名称数组