DocumentpPro

Extract structured, schema-typed data from invoices, purchase orders, receipts, and tax forms, and classify documents into custom label sets — via a hosted…

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • Extract Document: Submit a document for structured data extraction. Asynchronous: returns a request_id immediately — poll check_extraction_status until request_status is completed, then read the extra
  • Check Extraction Status: Check an extraction job. request_status is one of pending, processing, completed, failed, exception. When completed, results.data holds the extracted fields keyed exactly as i
  • Get Credit Balance: Check remaining credits before starting a batch job. Extraction and classification calls fail with INSUFFICIENT_CREDITS once total_credits_remaining reaches zero.

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

Extract structured, schema-typed data from invoices, purchase orders, receipts, and tax forms, and classify documents into custom label sets — via a hosted MCP server. Free tier included.

Как подключить

Как подключить DocumentpPro к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://documentpro--adrian-71i6.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить DocumentpPro к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://documentpro--adrian-71i6.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить DocumentpPro к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://documentpro--adrian-71i6.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (11)

Технические названия из tools/list. Нужны только разработчикам.

extract_documentSubmit a document for structured data extraction. Asynchronous: returns a request_id immediately — poll check_extraction_status until request_status is completed, then read the extracted fields from results.data.
check_extraction_statusCheck an extraction job. request_status is one of pending, processing, completed, failed, exception. When completed, results.data holds the extracted fields keyed exactly as in the template schema from get_schema.
get_credit_balanceCheck remaining credits before starting a batch job. Extraction and classification calls fail with INSUFFICIENT_CREDITS once total_credits_remaining reaches zero.
list_templatesList the extraction templates available on this account (invoice, purchase order, tax forms, custom layouts, ...). Use get_schema on a template_id to see the fields it extracts.
get_schemaGet a template's field definitions (name, type, description, nested table columns). Use this to generate a matching data model in your app instead of guessing field names — extraction results in results.data use exactly these names.
create_templateCreate a new extraction template. template_schema example: {"fields": [ {"name": "invoice_number", "type": "text", "description": "The invoice number"}, {"name": "line_items", "type": "table", "subFields": [ {"name": "description", "type": "text"}, {"name": "amount", "type": "number"}]}]} Rules: field names use lowercase letters, digits, underscores and spaces (max 50 chars, unique across the template). Types: text, number, date, radio, checkbox, boolean, object, table. "table" and "object" fields must define "subFields" (inside an object only text, number, boolean, date, table are allowed — no nested objects). Never mark fields required — every field must allow null. Optional per field: "description" (max 500 chars, improves accuracy), "enum" (list of strings, for radio/checkbox). Call get_schema on an existing template for a worked example.
update_templateUpdate a template's title and/or field schema. template_schema replaces the existing schema entirely, so start from get_schema output when adding or changing fields. At least one of template_schema / template_title is required.
classify_documentAssign one of your labels to a document — use it to route mixed document streams to the right extraction template. Pass labels inline for one-off classification, or create_classifier once and reuse it by classifier_id. Provide the document as exactly one of document_id / file_url / file_base64. Classification is synchronous, but a document uploaded for the first time must be OCR'd first — on DOCUMENT_NOT_READY, retry with the returned document_id after ~15 seconds.
create_classifierSave a reusable classifier. Use its classifier_id with classify_document to route documents consistently instead of repeating inline labels.
list_classifiersList the saved classifiers on this account, including their labels — use a classifier_id with classify_document.
list_supported_formatsList the file formats extract_document and classify_document accept.