Interactive pdf viewer

采编自 anthropics/knowledge-work-plugins（Apache-2.0），适配重写为中文执行版。

交互式 PDF 阅览

通过本地 PDF 服务在实时阅览器中渲染文档，并以可视反馈做标注、填表单、放置签名。核心价值是「把文档展示给用户并协作改标记」，而非把文本回流给你做摘要。

何时使用

适用（用户要交互、要看到结果）：

• 打开/展示文档：「打开这份合同」「给我看看这篇论文」
• 协作标注：「高亮关键条款让我审阅」「逐段标出重点」
• 填表单：「帮我填这张表」（带实时可视反馈，能处理字段名晦涩的表单）
• 签字/盖章：「在第 3 页签名」「每页加我的缩写」「盖 CONFIDENTIAL / APPROVED」

不该用（纯文本摄取，直接用原生 Read）：

• 「总结这份 PDF」「第 5 页讲了什么」「抽取第 3 节的表格」
• 生成新 PDF（仅处理已有文件）；出具认证/密码学数字签名（仅放置可视签名图）。

步骤 / 指令

工具三件套：list_pdfs（列本地 PDF 与允许目录，无参）、display_pdf（打开，每文档只调一次，返回 viewUUID 和 formFields）、interact（后续全部动作，带 viewUUID + commands 数组批量执行，结尾用 get_screenshot 复核）。

关键约束：

• display_pdf 每份文档只调一次。再次调用会创建独立阅览器，旧 UUID 的 interact 到不了用户正在看的那个。
• interact 把多个命令塞进 commands 数组顺序执行，省往返；批次末尾必接 get_screenshot 做视觉验证。
• 坐标系：PDF 点（1/72 英寸），原点左上角，Y 向下增大；US Letter = 612×792pt。所有标注需 id（唯一串）、type、page（从 1 计）。

interact 命令分类：

• 标注：add_annotations / update_annotations（需 id+type）/ remove_annotations（按 id 数组删）/ highlight_text（按 query 自动找文本高亮，优于手画矩形）。
• 导航：navigate(page)、search(query)、find(query, 静默)、search_navigate(matchIndex)、zoom(0.5–3.0)。
• 抽取：get_text（按页范围抽，≤20 页，仅用于判断标什么，不用于摘要）、get_screenshot。
• 表单：fill_form，fields: [{name, value}, ...]。

标注类型（key 属性 / 用途）：

• highlight rects,color?,content? — 标重点文本
• underline rects,color? — 强调术语；strikethrough rects,color? — 标删除
• note x,y,content,color? — 便签批注；freetext x,y,content,fontSize? — 页面可见文字
• rectangle / circle x,y,width,height,color?,fillColor? — 框/圈区域
• line x1,y1,x2,y2,color? — 画线/箭头
• stamp x,y,label,color?,rotation? — APPROVED / DRAFT / CONFIDENTIAL 等印章
• image imageUrl,x?,y?,width?,height? — 签名、缩写、Logo（本地路径或 HTTPS URL，禁 data: URI，尺寸缺省自动探测）

三类工作流：

1. 协作标注：display_pdf → interact get_text 读相关页 → 向用户描述将标的内容征求同意 → add_annotations + get_screenshot → 展示并迭代 → 完成后提醒可在阅览器工具栏下载带标注的 PDF。
2. 填表单：display_pdf 看 formFields（name/type/page/包围盒）→ 字段名晦涩（如 Text1、Field_7）时 get_screenshot 把包围盒对到页面可见标签 → 用可视标签向用户问值或按上下文推断 → fill_form → get_screenshot 让用户确认/直接改。简单规整表单可在 display_pdf 时传 elicit_form_inputs: true 预先弹窗收值。
3. 签名：问签名/缩写图片路径 → display_pdf 查 formFields 找签名字段或问位置 → add_annotations 用 type:"image" 放到目标坐标 → get_screenshot 确认。

支持来源：本地文件（client MCP roots 下路径）、arXiv（/abs/ 自动转 PDF）、任意直链 HTTPS PDF（bioRxiv/Zenodo/OSF 等，用直链不用落地页）。

示例

打开合同并高亮「赔偿」相关条款后复核：

display_pdf(url="/files/contract.pdf")        # → 拿到 viewUUID
interact(viewUUID, commands=[
  {action:"highlight_text", query:"indemnification", color:"yellow"},
  {action:"navigate", page:3},
  {action:"add_annotations", annotations:[
     {id:"a1", type:"stamp", page:3, x:420, y:60, label:"CONFIDENTIAL", color:"red"}
  ]},
  {action:"get_screenshot", page:3}
])

在第 3 页放置签名图：

interact(viewUUID, commands=[
  {action:"add_annotations", annotations:[
     {id:"sig", type:"image", page:3, imageUrl:"/files/signature.png", x:120, y:680}
  ]},
  {action:"get_screenshot", page:3}
])

注意事项

• 仅可视签名：放的是签名图片，不是认证/密码学数字签名，需向用户声明。
• get_text 是为「决定标什么」服务的，别拿它做摘要——摘要/抽取请直接用原生 Read，省 token 也更准。
• 标注前先向用户描述方案、获批再批量落，避免来回返工。
• 同一文档别重复 display_pdf；要换文档才新开。
• 坐标弄错时先 get_screenshot 比对，再用 update_annotations 微调，而非反复加删。

互见

• related：pdf-form-filler —— 无界面/编程式填表的对照方案（本技能强调可视反馈）
• related：pdf-text-extract —— 纯文本抽取/摘要的正确去处
• combines_with：document-review-workflow —— 把可视标注接入更大的评审/签批流程