Scannt PDFs, Screenshots und gescannte Dokumente auf PII und Credentials mittels Text-Layern und OCR, bevor sie an ein LLM gesendet werden.
Auch bekannt als GuardBee/guardbee-mcp, @guardbee/mcp-document-scanner
- Stars
- 2
- Tools
- 3
- Downloads, 30 Tage
- 3.086
- Neueste Version
- 0.4.1
- Letzter Commit
- 12. Nov. 2026
- Lizenz
- MIT
Was ist document-scanner MCP?
document-scanner ist ein MCP server. Scannt PDFs, Screenshots und gescannte Dokumente auf PII und Credentials mittels Text-Layern und OCR, bevor sie an ein LLM gesendet werden. Er stellt 3 Tools bereit, etwa scan_document, scan_base64, list_detectors.
Zusammenfassung generiert aus dem README des Projekts
Über document-scanner MCP server
Die Hauptfunktion dieses Tools ist der Schutz sensibler Informationen vor dem Versenden an Large Language Models. Es scannt PDFs, Screenshots und verschiedene Bildformate, um personenbezogene Daten und Credentials zu identifizieren, bevor sie einen AI-Client erreichen. Durch die Analyse von Text-Layern und den Einsatz von OCR für gescannte Seiten oder Bilder werden spezifische Muster wie IBANs, Reisepassnummern, E-Mail-Adressen und Telefonnummern erkannt.
Entwickler können diesen MCP server über npx in ihr lokales MCP-Setup integrieren oder via npm installieren. Er unterstützt Englisch und Türkisch über tesseract.js und nutzt @napi-rs/canvas für das Rendering. Das System identifiziert Dateitypen direkt anhand der Bytes, anstatt sich auf Dateinamen oder MIME-Types zu verlassen. Es enthält spezifische Detektoren für türkische Identifikatoren wie TC Kimlik No und MERSİS neben Standard-Credential-Formaten. Nutzer können Limits wie eine Dateigröße von 25 MB oder ein Maximum von 50 Seiten pro Dokument konfigurieren, um die Verarbeitungslast zu steuern.
Was du damit machen kannst
- 1Automatisierte Sicherheitsprüfung von DokumentenFühre einen Scan per Command Line in einem Verzeichnis aus, um einen SARIF-Report für GitHub Code Scanning zu erstellen.
- 2Erkennung türkischer spezifischer IdentifikatorenIdentifiziere sensible türkische Daten wie VKN- oder MERSİS-Nummern in gescannten Dokumenten.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
So installierst du document-scanner MCP
Formate geprüft am 10. Nov. 2026Zu Cursor hinzufügenZu Goose hinzufügendocument-scanner MCP in Claude Code installieren
$ claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerdocument-scanner MCP in Cursor installieren
~/.cursor/mcp.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}document-scanner MCP in VS Code installieren
.vscode/mcp.json
{
"servers": {
"document-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}document-scanner MCP in VS Code CLI installieren
$ code --add-mcp '{"name":"document-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-document-scanner"]}'document-scanner MCP in Claude Desktop installieren
claude_desktop_config.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}document-scanner MCP in Codex installieren
$ codex mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerdocument-scanner MCP in Codex config.toml installieren
~/.codex/config.toml
[mcp_servers.document-scanner] command = "npx" args = ["-y", "@guardbee/mcp-document-scanner"]
document-scanner MCP in Gemini CLI installieren
$ gemini mcp add -s user document-scanner npx -- -y @guardbee/mcp-document-scannerdocument-scanner MCP in Gemini settings.json installieren
~/.gemini/settings.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}document-scanner MCP tools 3
Erkannt aus dem READMEscan_documentscan_base64list_detectors
| scan_document | — | |
| scan_base64 | — | |
| list_detectors | — |
Automatisierte Checks
Geluften am 13. Nov. 2026Vollständiger Bericht →Unsere automatisierten Checks bestanden. Das ist kein Security-Audit: Lies den Code und gib dem Server nur den minimal notwendigen Zugriff. Wie die Checks funktionieren
- Source Repository verknüpft und erreichbarBestanden
- Open Source Lizenz (OSI)Bestanden
- Commit oder Release im letzten JahrBestanden
- Package-Name ähnelt keinem populären PackageBestanden
- Remote Endpoint nutzt HTTPSNicht geprüft
- Destruktive Tools sind markiertBestanden
- Keine versteckten Anweisungen an das ModellBestanden
- Keine kritischen Advisories im Paket oder seinen AbhängigkeitenBestanden
README
Auf GitHub ansehen@guardbee/mcp-document-scanner
🇬🇧 English | 🇹🇷 Türkçe
An MCP server and CLI that finds personal data and credentials inside documents — PDFs, screenshots, scanned pages — before they are handed to an LLM. Text checks in a proxy or a DLP see a PDF attachment or an image as an opaque blob; this package reads it: the PDF text layer first, and OCR (Turkish and English) for images and for PDF pages that have no text.
Telemetry is off by default. With
GUARDBEE_TELEMETRY=1it sends the server, tool, success, duration and short parameter values such as a file path; longer strings and fields likecontent,tokenorpasswordare replaced with a placeholder. See@guardbee/mcp-telemetry.
document ──► type from the bytes (PDF, PNG, JPEG, GIF, WebP, BMP, TIFF, text)
│
├─ PDF page with a text layer ──► text
├─ PDF page without one ─────► render (@napi-rs/canvas) ──► OCR (tesseract.js)
└─ image ─────────────────────► OCR (tesseract.js)
│
guard-core detectors ◄──────┘ TC Kimlik No, VKN, IBAN, card (checksums),
passport, SGK, MERSİS, birth date, address,
e-mail, KEP, phone, 22+ credential formats
Install
npx -y @guardbee/mcp-document-scanner scan ./contracts # text layers only
npm i -g @guardbee/mcp-document-scanner tesseract.js @napi-rs/canvas # with OCR
OCR is optional: tesseract.js reads images, and @napi-rs/canvas (prebuilt, no compiler needed) renders scanned PDF pages for it. Without them the scanner still reads every PDF text layer and says which pages or images it could not read. Tesseract downloads the tur and eng language data (~10 MB) on first use into ~/.cache/guardbee/tessdata (or $XDG_CACHE_HOME/guardbee/tessdata) — never into your working directory. Offline: put <lang>.traineddata in a folder and pass --lang-path.
MCP tools
| Tool | What it does |
|---|---|
scan_document |
Scan a file, or every PDF and image in a folder |
scan_base64 |
Scan bytes given as base64 (an attachment, an image a tool returned); the type comes from the bytes |
list_detectors |
The personal-data and credential detectors that run |
{ "mcpServers": { "documents": { "command": "npx", "args": ["-y", "@guardbee/mcp-document-scanner"] } } }
CLI
guardbee-document-scanner scan <file|folder> [--format=text|json|sarif] [--fail-on=any|critical|high|medium|low|none]
[--no-ocr] [--lang=tur,eng] [--lang-path=<dir>] [--cache-path=<dir>] [--include=ip_address,plate_tr]
[--max-pages=50] [--max-files=500] [--text]
⚠️ Found 3 item(s) in 1 document(s) (812ms)
Critical: 0 High: 2 Medium: 1 Low: 0
contracts/acme.pdf (pdf, 2 page(s) read)
[HIGH] tc_kimlik (personal) — page 1, pdf-text: 10*******46
[HIGH] iban (personal) — page 2, pdf-ocr: TR************26
[MEDIUM] email (personal) — page 2, pdf-ocr: al***********om
Findings show only the first and last characters. --format=sarif gives SARIF 2.1.0 with the page as the line, for GitHub Code Scanning. Exit code 1 when something at or above --fail-on was found.
In the security proxy
@guardbee/mcp-security-proxy uses this package for interceptors.documents: images and embedded PDFs in tool results and resource blobs are scanned before the model sees them, and a document holding personal data or a credential is withheld (block) or logged (warn).
interceptors:
documents: { enabled: true, action: block, ocr: true, maxBytes: 26214400 }
Limits
- The type is taken from the bytes, never from a file name or a MIME type.
- 25 MB and 50 pages per document by default (
maxBytes,--max-pages). - OCR quality depends on the scan; a blurry photo can miss a digit and so fail a checksum — such a value is not reported, which errs towards silence rather than false alarms.
- Names, signatures and handwriting are not detected.
License
MIT
Feedback
Questions, ideas, or a false positive? Start a thread in GitHub Discussions or open an issue. If GuardBee is useful to you, a ⭐ on the repository helps others find it.
document-scanner MCP Fragen
Wie füge ich document-scanner MCP zu Claude Code hinzu?
Führe claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scanner in deinem Terminal aus. Füge --scope user hinzu, damit der Server in jedem Projekt verfügbar ist.
Wie füge ich document-scanner MCP zu Cursor hinzu?
Öffne ~/.cursor/mcp.json und füge den Server unter mcpServers hinzu, mit der Cursor-Config aus dem Installationsabschnitt oben.
Welche Tools bietet document-scanner MCP?
Er stellt 3 Tools bereit, darunter scan_document, scan_base64, list_detectors.
Welche Dateitypen können gescannt werden?
Der Scanner unterstützt PDF, PNG, JPEG, GIF, WebP, BMP, TIFF und Textdateien.
Benötigt der Scanner OCR, um zu funktionieren?
Nein, OCR ist optional. Ohne OCR liest der Scanner den PDF-Text-Layer, meldet aber Seiten oder Bilder, die nicht gelesen werden konnten.
Welche Arten von sensiblen Informationen können erkannt werden?
Er erkennt verschiedene personenbezogene Daten und Credentials, darunter IBAN, Reisepassnummern, E-Mail-Adressen, Telefonnummern und mehr.
Gibt es Einschränkungen bei der Dateigröße oder Länge?
Standardmäßig ist der Scanner auf 25 MB und 50 Seiten pro Dokument begrenzt.