pdf-mcp
★ 155
vs
groundingLMM
★ 969
pdf-mcp vs groundingLMM
pdf-mcp：pdf-mcp是一个模型上下文协议（MCP）服务器，使AI代理能够读取、搜索和提取PDF文件内容。它使用PyMuPDF解析PDF，SQLite持久缓存，支持结合BM25关键词和语义嵌入的混合搜索、扫描文档的OCR以及表格和图片的结构化提取。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
pdf-mcpVision / Multimodal · ★ 155
高效读取和分析大型PDF文档，而不超出上下文限制
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
03
功能特性
pdf-mcp01混合搜索（BM25关键词+语义嵌入），采用倒数排名融合
02分页读取，避免上下文溢出
03通过Tesseract支持扫描和基于图像的PDF的OCR
04表格、图片和目录的结构化提取
05持久化SQLite缓存，自动失效
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
pdf-mcp↳高效读取和分析大型PDF文档，而不超出上下文限制
↳使用自然语言在PDF中搜索特定内容或概念
↳从PDF中提取结构化数据，如表格和图片
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
FAQ
常见问题
pdf-mcp 和 groundingLMM 有什么区别？
pdf-mcp 和 groundingLMM 都属于 Vision / Multimodal 类别。pdf-mcp 有 155 Stars，groundingLMM 有 969 Stars。
pdf-mcp 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。高效读取和分析大型PDF文档，而不超出上下文限制 时选 pdf-mcp，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
pdf-mcp 是免费的吗？
是的，pdf-mcp 在 GitHub 开源（MIT）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→