pdf-read — 読み取りパイプライン

もっとも頻度の高い仕事 — PDF から内容を取り出す — の手順を決める Skill です。pdf-trust が「受け取った PDF を監査する」、pdf-publish が「送り出す PDF を保証する」のに対し、pdf-read は 3 本目の入力「読みたいだけの PDF」を担います。500 ページの文書から必要な章を取り出す、スキャンされたページを画像として読む — そして読んだ範囲と読めなかった箇所を Read Report に書きます。

中核原則

空の抽出結果は「テキストが無い」の証拠ではありません。 ISO 32000-2 §9.10.1 は「表示はできるが Unicode に変換できない」状態を定義しており、pdf-reader-mcp v0.12.0 はそれをページごとに textExtractability で返します: extracted / no_text_layer（スキャン — テキストは画素）/ not_extractable（Unicode への対応表（ToUnicode）を持たないフォントがある。原因フォント名付き）/ not_observed（暗号化・読めない）。この Skill は本文より先にこの状態を読み、読めていないページの上で「文書に無い」とは結論しません。v0.14.0 では scope（その答えの背後にある 2 つの読みのどちらが行われたか）が付き、行われなかった読みの項目は 0 でも false でも空文字でもなく null になります。この Skill はそこで分岐するので、reader が isEncrypted を言えるところまで開けなかった文書でも、パスワード付きなら停止します。

Phase 構成

Phase	内容
0 測る	`summarize`（JSON）: ページ数・タグ・暗号化・ページごとの抽出可能性・reader 自身の `next` 提案
1 分岐	暗号化 → 停止（reader は復号しない）/ 読めないページ → Phase 4 / タグ付き → Phase 2 / それ以外 → Phase 3
2 構造ツリーで読む	`extract_structured_text`（論理順・本物の見出し）・`extract_tables`（ページ跨ぎの表も 1 つ）
3 検索して絞ってから読む	50 ページ超は `search_text` で絞ってから、明示の pages で `read_text`。タグなし多段組は `split_columns`、帳票は `compact_whitespace`
4 画像にして読む	`render_page`（PDFium-WASM）でページを描画し、視覚で読む。Report には「ページ画像からの読み取り」と明記
5 Read Report	読んだ範囲・使った読み方（2〜4 のどれか）・抽出可能性の集計・読めなかった箇所とその理由・切り詰めの有無

Read Report

markdown

## Read Report
- 対象: report.pdf（412 ページ）
- 読んだ範囲: 12-18, 301 / 読み方: 検索して絞ってから読む（search_text → read_text）
- テキスト抽出可能性: extracted 410 / no_text_layer 2（87, 88 ページ）
- 読めなかった箇所: 87-88 ページは画像のみ（render_page で読み取り。その旨明記）
- 切り詰め: なし

「読めなかった箇所」を既定で空欄にしません — 確認して本当に無かったときだけ「なし」と書きます。未確認の空欄は「確認して問題なし」と誤読されるためです。

インストール

/plugin marketplace add shuji-bonji/claude-plugins
/plugin install pdf-reader-mcp@shuji-bonji   # 必須基盤 (v0.15.1+ 推奨)
/plugin install pdf-read@shuji-bonji

render_page は reader の optionalDependencies @hyzyla/pdfium（PDFium の WebAssembly 版）を使います。未導入でも他のツールはすべて動き、Skill は該当ページを「未読」として、インストール方法とともに Read Report に書きます。

リポジトリ: shuji-bonji/pdf-read-skill

やらないこと

OCR — render + 視覚読み取りで代替し、その旨を Report に明記
真正性・改ざんの監査 → pdf-trust
PDF の生成・編集 → pdf-publish
URL 上の PDF への構造検査 — read_url はテキストのみ。先にダウンロードしてローカルパスで渡す

pdf-read — 読み取りパイプライン ​

中核原則 ​

Phase 構成 ​

Read Report ​

インストール ​

やらないこと ​