Convierte fuentes web y documentos en contexto versionado y citado que los clientes de IA pueden consultar, comparar y exportar.
También conocido como raintree-technology/docpull
- Stars
- 29
- Herramientas
- —
- Descargas, 30 días
- 762
- Última versión
- 6.10.0
- Último commit
- 13 nov 2026
- Licencia
- MIT
¿Qué es DocPull MCP?
DocPull es un MCP server. Convierte fuentes web y documentos en contexto versionado y citado que los clientes de IA pueden consultar, comparar y exportar.
Resumen generado a partir del README del proyecto
Acerca del MCP server de DocPull
DocPull permite transformar páginas web y documentos en contexto citado y versionado para agentes de IA. Permite a los desarrolladores capturar fuentes web públicas, como documentación, repositorios de GitHub o páginas de políticas, y convertirlas en archivos reproducibles que una IA puede consultar con rangos de fuente exactos. Este proceso ayuda a garantizar que las respuestas de un agente estén respaldadas por evidencia específica y verificable, en lugar de depender de contenido web cambiante.
Al ejecutarse localmente mediante un servidor Python stdio, la herramienta no requiere cuentas de pago ni servicios alojados para funcionar. Los usuarios pueden gestionar las fuentes a través de una CLI o integrar la funcionalidad en aplicaciones usando un SDK de Python o TypeScript. Cuando se conecta a un cliente MCP como Claude Code, proporciona al agente herramientas para obtener, sincronizar y comparar contenido. El sistema utiliza un mecanismo de lockfile para rastrear los hashes de contenido y las URLs de las fuentes, lo que facilita la detección de cuando la documentación ha divergido de versiones anteriores.
Qué puedes hacer con él
- 1Detección de cambios en la documentaciónCompara la documentación web actual con versiones guardadas previamente para identificar actualizaciones o desviaciones.
- 2Provisión de contexto citado a agentesRecupera pasajes específicos y deduplicados de un archivo bloqueado para responder preguntas con citas precisas.
- 3Exportación de contexto para herramientas de desarrolloPrepara y mueve la documentación recopilada a formatos especializados para su uso en diferentes entornos de IA.
- 4Automatización de controles de calidad de documentaciónEjecuta controles automatizados para asegurar que el contexto recopilado cumpla con estándares específicos de cobertura de citas y actualidad.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar DocPull MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar DocPull MCP en Claude Code
$ claude mcp add docpull -- uvx docpullInstalar DocPull MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"docpull": {
"command": "uvx",
"args": [
"docpull"
]
}
}
}Instalar DocPull MCP en VS Code
.vscode/mcp.json
{
"servers": {
"docpull": {
"type": "stdio",
"command": "uvx",
"args": [
"docpull"
]
}
}
}Instalar DocPull MCP en VS Code CLI
$ code --add-mcp '{"name":"docpull","type":"stdio","command":"uvx","args":["docpull"]}'Instalar DocPull MCP en Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"docpull": {
"command": "uvx",
"args": [
"docpull"
]
}
}
}Instalar DocPull MCP en Codex
$ codex mcp add docpull -- uvx docpullInstalar DocPull MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.docpull] command = "uvx" args = ["docpull"]
Instalar DocPull MCP en Gemini CLI
$ gemini mcp add -s user docpull uvx -- docpullInstalar DocPull MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"docpull": {
"command": "uvx",
"args": [
"docpull"
]
}
}
}Verificaciones automáticas
Ejecutado 14 nov 2026Informe completo →Pasó nuestras verificaciones automáticas. Esto no es una auditoría de seguridad: lee el código y dale al servidor el acceso más limitado que necesite. Cómo funcionan las verificaciones
- Repositorio de origen vinculado y accesibleraintree-technology/docpull is public and reachablegithub.com/raintree-technology/docpull ↗Aprobado
- El paquete indica este repositorio como su origendocpull names raintree-technology/docpull as sourcepypi.org/project/docpull/ ↗Aprobado
- Procedencia de la compilación (atestación de Sigstore)Sigstore attestation for docpullpypi.org/project/docpull/ ↗Aprobado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-11-13github.com/raintree-technology/docpull ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo popular package one edit away from docpullAprobado
- No hay avisos críticos en el paquete ni en sus dependenciasthe package checked; no critical advisoryosv.dev ↗Aprobado
- Sin instrucciones ocultas para el modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo verificado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHubDocPull
Active open-source project · MIT License
DocPull turns changing public web sources into cited, reproducible context for AI agents and retrieval pipelines. Use it when your application needs to know which sources it used, whether they changed, and how to rebuild the same context later.
Install and sync your first source
pip install docpull
docpull init stripe-docs
docpull add https://docs.stripe.com
docpull sync
docpull query "retry policy" --max-tokens 4000
docpull diff
docpull export context-pack --target cursor
The project stores declared sources in docpull.yaml and resolved inputs in
.docpull/context.lock.json. Later syncs produce a hash-based diff while preserving
source URLs, content hashes, run IDs, citations, and export metadata.
docpull query retrieves deduplicated passages from locked archives with version
filters, a response budget, and exact source spans. The same query is available
through the Python SDK and MCP. See Query locked context
for budget semantics and queries across projects.
No account or paid API is required for this path. Direct fetching, discovery, extraction, indexing, pack analysis, and diffs run locally.
Why use DocPull
- Reproduce agent context. Stable IDs, hashes, manifests, and lockfiles show which source versions produced an answer or artifact.
- Detect source drift. Sync and diff documentation, product pages, policies, feeds, repositories, packages, standards, and local documents.
- Keep evidence inspectable. Markdown, NDJSON, SQLite, citations, and provenance sidecars remain readable without a hosted service.
- Choose the downstream surface. Export context for agent clients, vector import, data workflows, or a versioned context-pack release.
- Keep expensive routes explicit. Browser and cloud rendering require an explicit choice and can be blocked with a zero-dollar budget.
How it works
declared sources → local acquisition → versioned evidence → diff and validation → export
DocPull's v3 pack contract separates raw extraction, agent-ready context, and eval-grade evidence. Validate the level a downstream system requires:
docpull pack prepare packs/docs --eval-grade
docpull pack validate packs/docs --level eval
docpull ci --prepare
docpull ci checks freshness, citation coverage, pack quality, rights metadata, and
other configured gates. It writes context-ci.report.json and CONTEXT_CI.md, then
exits non-zero when a hard gate fails.
Supported surfaces
| Surface | Use it for | Start here |
|---|---|---|
| CLI | Fetch, sync, diff, validate, and export | docs/cli-recipes.md |
| Python SDK | Embed acquisition in Python applications | docs/surface-contract.md |
| MCP server | Give local agent clients source tools | MCP server |
| TypeScript SDK | Read local packs and invoke the CLI from Node or Bun | sdk/js/README.md |
| Agent plugin | Install the supported MCP workflow in an agent client | plugin/README.md |
Common source shapes include static and server-rendered websites, OpenAPI documents, feeds, papers, public GitHub repositories, npm and PyPI packages, standards, datasets, transcripts, Wikimedia pages, product and policy pages, and local PDF or office files. See context-pack workflows for the complete surface.
MCP server
pip install 'docpull[mcp]'
docpull mcp
Claude Code can register the same local server:
claude mcp add --transport stdio docpull -- docpull mcp
The Python stdio server is the supported MCP server.
Limits and security boundary
DocPull is an evidence-acquisition engine, not a hosted competitive-intelligence product. It owns fetching, explicit rendering adapters, versioning, citations, hashing, validation, replay, and export. Downstream products own scheduling, human review, approved claims, legal conclusions, accounts, and notifications.
The default path does not handle complex interactive browser workflows, CAPTCHAs, stealth scraping, or private dashboards. JavaScript rendering is explicit. Authenticated sources require environment-variable references; DocPull does not persist credential values in project artifacts.
Security defaults include HTTPS-only fetching, robots.txt compliance, SSRF and DNS rebinding protections, redirect guards, XXE protection, and path-traversal checks. Read the web-source boundary, security posture, and evidence-engine decision before extending acquisition behavior.
Documentation and evidence
- CLI recipes — Common commands and advanced workflows.
- Context dependencies — Project and lockfile model.
- Context Pack Contract v3 — Artifact levels and compatibility.
- Public contracts — Schemas and versioning rules.
- Alternatives — Browser automation and hosted extraction tradeoffs.
- JavaScript SDK and loaders — TypeScript client and LangChain/LlamaIndex loaders.
- Dependency security — Locked dependency sets and optional parser support.
- Evaluation lab — Reproducible methods, results, and claim boundaries.
- Changelog — Release history.
Raintree open-source system
DocPull owns evidence acquisition and reproducible agent context. It can be used independently; the sibling projects do not imply a required integration or shared release cycle.
| Project | Responsibility |
|---|---|
| Raintree Standards | Defines governed requirements and evidence. |
| Trellis | Enforces shared JavaScript and TypeScript code policy. |
| HIG Doctor | Audits interface source and provides HIG guidance. |
| PolicyStrata | Tests cross-layer policy behavior. |
See the Raintree open-source portfolio for current lifecycle and distribution links.
Raintree also builds BetterOff, which keeps a household's spending, investments, assets, debts, and net worth in one current record.
Project policies
Contributing · Code of Conduct · Security · Metrics and evidence limits · Source repository · MIT License
Preguntas sobre DocPull MCP
¿Cómo agrego DocPull MCP a Claude Code?
Ejecuta claude mcp add docpull -- uvx docpull en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego DocPull MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Cómo instalo y ejecuto el MCP server de DocPull?
Instala el extra de MCP con pip y ejecuta docpull mcp, lo que iniciará el servidor local compatible mediante stdio. También puedes registrarlo en Claude Code usando el comando claude mcp add.
¿DocPull requiere una cuenta o una API de pago?
No. La ruta por defecto realiza la extracción, indexación y comparación de diferencias de forma local, sin necesidad de cuentas o APIs de pago.
¿Puede DocPull detectar cuando las fuentes cambian?
Sí. Al sincronizar de nuevo, se genera un diff basado en hashes que muestra las fuentes modificadas, preservando las URLs, los hashes de contenido, los IDs de ejecución y las citas.
¿Qué protecciones de seguridad tiene DocPull?
Por defecto, utiliza obtención de datos solo mediante HTTPS con cumplimiento de robots.txt, protecciones contra SSRF y DNS rebinding, guardias de redirección, protección contra XXE y comprobaciones de path-traversal.
¿Cómo se gestionan las fuentes autenticadas?
Las credenciales deben proporcionarse mediante referencias a variables de entorno y no se almacenan en los artefactos del proyecto.