Scanne les PDF, les captures d'écran et les documents numérisés pour détecter les PII et les identifiants via les couches de texte et l'OCR avant leur envoi à un LLM.
Aussi connu sous GuardBee/guardbee-mcp, @guardbee/mcp-document-scanner
- Étoiles
- 2
- Outils
- 3
- Téléchargements, 30 jours
- 3 086
- Dernière version
- 0.4.1
- Dernier commit
- 12 nov. 2026
- Licence
- MIT
Qu'est-ce que document-scanner MCP ?
document-scanner est un serveur MCP. Scanne les PDF, les captures d'écran et les documents numérisés pour détecter les PII et les identifiants via les couches de texte et l'OCR avant leur envoi à un LLM. Il expose 3 outils, comme scan_document, scan_base64, list_detectors.
Résumé généré à partir du README du projet
À propos du MCP server document-scanner
La fonction principale de cet outil est de protéger les informations sensibles pour éviter qu'elles ne soient envoyées à des modèles de langage de grande taille. Il analyse les PDF, les captures d'écran et divers formats d'image afin d'identifier les données personnelles et les identifiants avant qu'ils n'atteignent un client IA. En analysant les couches de texte et en utilisant l'OCR pour les pages ou images numérisées, il détecte des motifs spécifiques tels que les IBAN, les numéros de passeport, les adresses e-mail et les numéros de téléphone.
Les développeurs peuvent intégrer ce serveur dans leur configuration MCP locale via npx ou l'installer via npm. Il prend en charge l'anglais et le turc grâce à tesseract.js et utilise @napi-rs/canvas pour le rendu. Le système identifie les types de fichiers directement à partir des octets plutôt que de se fier aux noms de fichiers ou aux types MIME. Il inclut des détecteurs spécifiques pour les identifiants turcs comme le TC Kimlik No et le MERSİS, en plus des formats d'identifiants standards. Les utilisateurs peuvent configurer des limites, comme une taille de fichier de 25 MB ou un maximum de 50 pages par document, pour gérer la charge de traitement.
Ce que vous pouvez faire avec
- 1Audit de sécurité automatisé des documentsExécutez un scan en ligne de commande sur un répertoire de fichiers pour générer un rapport SARIF destiné à GitHub Code Scanning.
- 2Détection d'identifiants spécifiques à la TurquieIdentifiez des données turques sensibles telles que les numéros VKN ou MERSİS au sein de documents numérisés.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer document-scanner MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller document-scanner MCP dans Claude Code
$ claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerInstaller document-scanner MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Installer document-scanner MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"document-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Installer document-scanner MCP dans VS Code CLI
$ code --add-mcp '{"name":"document-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-document-scanner"]}'Installer document-scanner MCP dans Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Installer document-scanner MCP dans Codex
$ codex mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerInstaller document-scanner MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.document-scanner] command = "npx" args = ["-y", "@guardbee/mcp-document-scanner"]
Installer document-scanner MCP dans Gemini CLI
$ gemini mcp add -s user document-scanner npx -- -y @guardbee/mcp-document-scannerInstaller document-scanner MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Outils MCP document-scanner 3
Détectés depuis le READMEscan_documentscan_base64list_detectors
| scan_document | — | |
| scan_base64 | — | |
| list_detectors | — |
Vérifications automatisées
Exécuté le 13 nov. 2026Rapport complet →A passé nos vérifications automatisées. Il ne s'agit pas d'un audit de sécurité : lisez le code et donnez au serveur l'accès le plus restreint dont il a besoin. Fonctionnement des vérifications
- Dépôt source lié et accessibleRéussi
- Licence open source (OSI)Réussi
- Commit ou version publiée au cours de l'année écouléeRéussi
- Nom du package non proche d'un package populaireRéussi
- L'endpoint distant utilise HTTPSNon vérifié
- Les outils destructifs sont étiquetésRéussi
- Aucune instruction cachée destinée au modèleRéussi
- Aucun avis critique dans le package ou ses dépendancesRéussi
README
Voir sur GitHub@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.
Questions sur document-scanner MCP
Comment ajouter document-scanner MCP à Claude Code ?
Exécutez claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scanner dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter document-scanner MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils document-scanner MCP fournit-il ?
Il expose 3 outils, dont scan_document, scan_base64, list_detectors.
Quels types de fichiers peuvent être scannés ?
Le scanner prend en charge les formats PDF, PNG, JPEG, GIF, WebP, BMP, TIFF et les fichiers texte.
Le scanner nécessite-t-il l'OCR pour fonctionner ?
Non, l'OCR est optionnel. Sans cela, le scanner lit la couche de texte du PDF, mais il signalera les pages ou les images qu'il n'a pas pu lire.
Quel type d'informations sensibles peut-il détecter ?
Il détecte diverses données personnelles et identifiants, notamment les IBAN, les numéros de passeport, les adresses e-mail, les numéros de téléphone, et plus encore.
Existe-t-il des limitations sur la taille ou la longueur des fichiers ?
Par défaut, le scanner est limité à 25 MB et 50 pages par document.