AI Tools

PDF RAG 分块与引用包生成器

将 PDF 转成带页码、bbox 与标题路径的 RAG 分块 JSON，便于向量库入库和引用回链

file· 文件结果打开工具

快速开始

用三种语言从你的代码中调用此工具。

cURL

# 1) Upload each file first → returns { filePath }
curl -X POST 'https://api.elysiatools.com/upload/pdf-rag-chunker-citation-pack' \
  -F 'file=@/path/to/pdfFile.ext'

# 2) Call the tool with the returned filePath values
curl -X POST 'https://api.elysiatools.com/zh/api/tools/pdf-rag-chunker-citation-pack' \
  -F 'pdfFile=/public/samples/pdf/financial-report-example1.pdf' \
  -F 'chunkMode=heading-aware' \
  -F 'maxChars=900' \
  -F 'useStructTree=true' \
  -F 'sanitizeSensitiveData=false' \
  -F 'includeTableNodes=true'

API 参考

以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。

请求端点

HTTP

POST https://api.elysiatools.com/zh/api/tools/pdf-rag-chunker-citation-pack

请求参数

参数名	类型	必填	说明
pdfFile	file需先上传	是	—
chunkMode	select	否	—
maxChars	number	否	—
useStructTree	checkbox	否	—
sanitizeSensitiveData	checkbox	否	—

MCP 集成

将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。

服务配置

将以下内容加入你的 MCP 客户端配置：

mcp.json

{
  "mcpServers": {
    "elysiatools-pdf-rag-chunker-citation-pack": {
      "name": "pdf-rag-chunker-citation-pack",
      "description": "将 PDF 转成带页码、bbox 与标题路径的 RAG 分块 JSON，便于向量库入库和引用回链",
      "baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=pdf-rag-chunker-citation-pack",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

列出可用工具

连接到 SSE 端点后，列出已开放的工具：

tools/list

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/list"
}

调用此工具

通过工具 id 调用，参数由其参数表构建：

tools/call

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "pdf-rag-chunker-citation-pack",
    "arguments": {
  "pdfFile": "/public/samples/pdf/financial-report-example1.pdf",
  "chunkMode": "heading-aware",
  "maxChars": 900,
  "useStructTree": true,
  "sanitizeSensitiveData": false,
  "includeTableNodes": true
}
  }
}

可用逗号分隔的 toolId 在一个会话中串联多个工具，例如 /mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp（最多 20 个）。