Memindai PDF, screenshot, dan dokumen hasil scan untuk mendeteksi PII dan kredensial menggunakan text layer dan OCR sebelum data tersebut dikirim ke LLM.
Juga dikenal sebagai GuardBee/guardbee-mcp, @guardbee/mcp-document-scanner
- Stars
- 2
- Tools
- 3
- Unduhan, 30 hari
- 3.086
- Versi terbaru
- 0.4.1
- Commit terakhir
- 12 Nov 2026
- Lisensi
- MIT
Apa itu document-scanner MCP?
document-scanner adalah MCP server. Memindai PDF, screenshot, dan dokumen hasil scan untuk mendeteksi PII dan kredensial menggunakan text layer dan OCR sebelum data tersebut dikirim ke LLM. Server ini menyediakan 3 tool, seperti scan_document, scan_base64, list_detectors.
Ringkasan dibuat dari README proyek
Tentang document-scanner MCP server
Fungsi utama dari tool ini adalah melindungi informasi sensitif agar tidak terkirim ke large language models. Tool ini memindai PDF, screenshot, dan berbagai format gambar untuk mengidentifikasi data pribadi serta kredensial sebelum mencapai client AI. Dengan menganalisis text layer dan menggunakan OCR untuk halaman atau gambar hasil scan, sistem dapat mendeteksi pola spesifik seperti IBAN, nomor paspor, alamat email, dan nomor telepon.
Developer dapat mengintegrasikan MCP server ini ke dalam setup MCP lokal menggunakan npx atau menginstalnya via npm. Tool ini mendukung bahasa Inggris dan Turki melalui tesseract.js dan menggunakan @napi-rs/canvas untuk rendering. Sistem mengidentifikasi tipe file secara langsung dari bytes, bukan berdasarkan nama file atau MIME types. Tersedia juga detector khusus untuk identitas Turki seperti TC Kimlik No dan MERSΔ°S, di samping format kredensial standar. Anda dapat mengonfigurasi batasan seperti ukuran file 25 MB atau maksimal 50 halaman per dokumen untuk mengelola beban pemrosesan.
Apa yang bisa Anda lakukan dengannya
- 1Audit keamanan dokumen otomatisJalankan pemindaian command line pada direktori file untuk menghasilkan laporan SARIF bagi GitHub Code Scanning.
- 2Mendeteksi identitas spesifik TurkiIdentifikasi data sensitif Turki seperti nomor VKN atau MERSΔ°S di dalam dokumen hasil scan.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal document-scanner MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal document-scanner MCP di Claude Code
$ claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerInstal document-scanner MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Instal document-scanner MCP di VS Code
.vscode/mcp.json
{
"servers": {
"document-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Instal document-scanner MCP di VS Code CLI
$ code --add-mcp '{"name":"document-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-document-scanner"]}'Instal document-scanner MCP di Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Instal document-scanner MCP di Codex
$ codex mcp add document-scanner -- npx -y @guardbee/mcp-document-scannerInstal document-scanner MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.document-scanner] command = "npx" args = ["-y", "@guardbee/mcp-document-scanner"]
Instal document-scanner MCP di Gemini CLI
$ gemini mcp add -s user document-scanner npx -- -y @guardbee/mcp-document-scannerInstal document-scanner MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"document-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-document-scanner"
]
}
}
}Tool document-scanner MCP 3
Terdeteksi dari READMEscan_documentscan_base64list_detectors
| scan_document | β | |
| scan_base64 | β | |
| list_detectors | β |
Pengecekan otomatis
Berjalan 13 Nov 2026Laporan lengkap βLolos checks otomatis kami. Ini bukan audit keamanan: baca kodenya dan berikan server akses paling terbatas yang dibutuhkannya. Cara kerja checks
- Source repository terhubung dan dapat dijangkauLolos
- Lisensi open source (OSI)Lolos
- Ada commit atau release dalam satu tahun terakhirLolos
- Nama package tidak mirip dengan package populerLolos
- Remote endpoint menggunakan HTTPSTidak diperiksa
- Tools yang bersifat destruktif telah diberi labelLolos
- Tidak ada instruksi tersembunyi untuk modelLolos
- Tidak ada advisory kritis pada paket atau dependensinyaLolos
README
Lihat di GitHub@guardbee/mcp-document-scanner
π¬π§ English | πΉπ· TΓΌrkΓ§e
An MCP server and CLI that finds personal data and credentials inside documents β PDFs, screenshots, scanned pages β 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 βββΊ type from the bytes (PDF, PNG, JPEG, GIF, WebP, BMP, TIFF, text)
β
ββ PDF page with a text layer βββΊ text
ββ PDF page without one ββββββΊ render (@napi-rs/canvas) βββΊ OCR (tesseract.js)
ββ image ββββββββββββββββββββββΊ OCR (tesseract.js)
β
guard-core detectors ββββββββ TC Kimlik No, VKN, IBAN, card (checksums),
passport, SGK, MERSΔ°S, 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) β 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]
β οΈ 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) β page 1, pdf-text: 10*******46
[HIGH] iban (personal) β page 2, pdf-ocr: TR************26
[MEDIUM] email (personal) β 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 β 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 β on the repository helps others find it.
Pertanyaan tentang document-scanner MCP
Bagaimana cara menambahkan document-scanner MCP ke Claude Code?
Jalankan claude mcp add document-scanner -- npx -y @guardbee/mcp-document-scanner di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan document-scanner MCP ke Cursor?
Buka ~/.cursor/mcp.json dan tambahkan server di bawah mcpServers, menggunakan config Cursor yang ditunjukkan di bagian instalasi di atas.
Tool apa yang disediakan document-scanner MCP?
Server ini menyediakan 3 tool, termasuk scan_document, scan_base64, list_detectors.
Jenis file apa saja yang bisa dipindai?
Scanner ini mendukung file PDF, PNG, JPEG, GIF, WebP, BMP, TIFF, dan file teks.
Apakah scanner ini memerlukan OCR agar bisa berfungsi?
Tidak, OCR bersifat opsional. Tanpa OCR, scanner akan membaca text layer pada PDF, namun akan melaporkan halaman atau gambar yang tidak dapat dibaca.
Informasi sensitif apa saja yang bisa dideteksi?
Alat ini mendeteksi berbagai data pribadi dan kredensial termasuk IBAN, nomor paspor, alamat email, nomor telepon, dan lainnya.
Apakah ada batasan ukuran atau panjang file?
Secara default, scanner dibatasi hingga 25 MB dan 50 halaman per dokumen.