तुमचा कोडिंग एजंट अॅप स्कॅफोल्ड करू शकतो, स्टॅक ट्रेस उलगडू शकतो, आणि टॅब्स विरुद्ध स्पेसेस यावर तुमच्याशी वाद घालू शकतो. पण त्याला PDF द्या आणि एडिट करण्यायोग्य Word डॉक मागा — आणि तो थबकतो. फाईल्स तुमच्या डिस्कवर असतात; मॉडेल चॅटमध्ये असते. दोघांना जोडणारे काहीच नाही.
तोच गॅप म्हणजे आम्ही GuruPDF MCP बनवण्याचे संपूर्ण कारण — एक छोटा सर्व्हर जो Claude, Cursor आणि इतर कोणत्याही MCP क्लायंटला फाईल्स खरेच कन्व्हर्ट करता येतील असा मार्ग देतो. तुमच्या प्रॉम्प्टमध्ये पाथ टाका, काय हवं ते सांगा, आणि कन्व्हर्टेड फाईल क्षणात तुमच्या डिस्कवर येते. अपलोड स्क्रीन नाही, "डाउनलोड करा, मग कुठेतरी पुन्हा अपलोड करा" नाही. फक्त "convert ~/contracts/lease.pdf to Word."
फाईल-कन्व्हर्जन MCP म्हणजे नक्की काय
MCP — Model Context Protocol — हा तो प्लग आहे जो AI एजंटला स्वतःच्या डोक्याबाहेरची टूल्स वापरू देतो. सर्व्हर काही अॅक्शन्स एक्सपोज करतो; तुमच्या प्रॉम्प्टला त्यांची गरज पडली की एजंट त्यांना कॉल करतो. डेटाबेसेस, ब्राउझर्स, GitHub साठी MCP सर्व्हर्स आहेत.
फाईल्ससाठी चांगला असा एक नव्हता. त्यामुळे PDF MCP — खरं तर फाईल-कन्व्हर्जन MCP, कारण तो PDFच्या खूप पुढे जातो — हा फक्त एक सर्व्हर आहे जो एका फॉरमॅटमधील फाईल घेतो आणि दुसऱ्या फॉरमॅटमध्ये परत देतो. PDF ते Word. इमेजेसची फोल्डर ते एक PDF. स्कॅन केलेले पान ते सर्च करण्यायोग्य टेक्स्ट. विचारणे एजंट करतो; कन्व्हर्ट करणे GuruPDF करतो.
हुडच्या आत हे gurupdf.com मागील तेच इंजिन आहे: 126 टूल्स, 100+ फॉरमॅट्स, आता तुमच्या एडिटरमधूनच पोहोचता येतात.
सुमारे दोन मिनिटांत सेट अप करा
तुम्हाला दोन गोष्टी लागतात: Node (npx साठी) आणि एक मोफत GuruPDF API की. gurupdf.com/profile वर की घ्या — मोफत अकाउंट्ससोबत डेली क्रेडिट्स येतात, त्यामुळे तुम्ही लगेच कन्व्हर्ट करायला सुरुवात करू शकता.
सर्व्हर npx मधून स्वतः इंस्टॉल आणि रन होतो; क्लोन करायला काहीच नाही:
npx gurupdf-mcpपण तुम्ही ते हाताने रन करणार नाही — तुमचा MCP क्लायंट त्याकडे पॉइंट करता. Cursor, Claude Desktop, VS Code किंवा Windsurf साठी, हे तुमच्या MCP कॉन्फिगमध्ये टाका:
{
"mcpServers": {
"gurupdf": {
"command": "npx",
"args": ["-y", "gurupdf-mcp"],
"env": { "GURUPDF_API_KEY": "your-token-here" }
}
}
}क्लायंट रीस्टार्ट करा आणि तुमच्या एजंटला शांतपणे चार टूल्स मिळतात: फाईल कन्व्हर्ट करा, जॉब तपासा, सपोर्टेड गोष्टींची यादी पहा, आणि क्रेडिट बॅलन्स तपासा. एवढेच सेटअप.
तुम्ही याच्याशी नक्की काय करू शकता
हा मजेचा भाग आहे. एकदा जोडणी झाल्यावर, हे खरे प्रॉम्प्ट्स आहेत जे नुसते काम करतात:
- "Convert ~/Downloads/invoice.pdf to Word so I can edit the totals." — मूळ फाईलशेजारी एडिट करण्यायोग्य
.docxदिसते. - "Turn every screenshot in ~/shots into one PDF." — इमेजेस क्रमाने मर्ज होऊन एकाच फाईलमध्ये येतात.
- "This scan is just an image. OCR it and give me the text." — पिक्सेल्समधून खरे टेक्स्ट बाहेर काढले जाते.
- "Compress report.pdf, it's 40 MB and I need to email it." — लहान फाईल जी अजूनही वाचता येते.
- "Make a PDF of https://example.com/pricing." — लाइव्ह पेज, PDF मध्ये रेंडर केलेले.
तुम्ही टूल नावे किंवा फॉरमॅट्स कधीच पाठ करत नाही. साध्या भाषेत ध्येय सांगा आणि सर्व्हर 126 टूल्समधून कोणते बसते ते निवडतो, रन करतो, आणि निकाल डिस्कवर लिहितो. मर्ज, स्प्लिट, रोटेट, पासवर्ड-प्रोटेक्ट, वॉटरमार्क, Excel ↔ PDF, HEIC → JPG — सगळे त्यात आहेत.
काही चुकले तर तो उत्तर देतो
बहुतेक कन्व्हर्टर्स गूढ कोडने फेल होतात. हा तुमच्या एजंटमार्फत स्वतःचे स्पष्टीकरण देण्यासाठी बनवला आहे, कारण रिप्लाय वाचणारी गोष्ट एजंट आहे.
मोफत टियर कमी पडल्यावर तुम्हाला नग्न 402 मिळणार नाही. तुम्हाला एक वाक्य मिळते जे तुमचा असिस्टंट पुढे सांगतो: तुम्ही मोफत मर्यादा गाठली आहे (मिनिटाला 2 कन्व्हर्जन्स, दिवसाला 10), ती उद्या रीसेट होते, आणि वाट न पाहण्याची इच्छा असेल तर इथे लिंक आहे. टूलला चुकीचा फॉरमॅट द्या, किंवा फाईल खूप मोठी असेल, तर तो नक्की तेच सांगतो — शब्दांत, एरर नंबरने नाही. काय झाले ते समजून घेण्यासाठी तुम्हाला संभाषण सोडावे लागत नाही.
तो "एजंटमार्फत स्पष्ट करा" विचार म्हणजेच आम्ही शब्दनिवडीवर इतके बारीक लक्ष का देतो. माणूस कधीच न वाचणारा एरर मेसेज, तो पुढे सांगणाऱ्या मॉडेलला तरी अर्थपूर्ण हवा.
हुडच्या आत काय आहे
- 126 टूल्स, 100+ फॉरमॅट्स. PDF, Word, Excel, PowerPoint, इमेजेस, ई-बुक्स, अगदी व्हिडिओ — वेबसाइटसारखेच इंजिन.
- खरा मोफत टियर. प्रत्येक अकाउंटला डेली क्रेडिट्स मिळतात. जास्त वापरासाठी पेड प्लॅन्स आणि क्रेडिट बंडल्स आहेत, आणि खरोखर अर्थ होईल तेव्हाच तुमचा एजंट त्यांच्याकडे निर्देश करतो, त्याआधी नाही.
- फाईल्स थांबत नाहीत. सगळे HTTPS वरून जाते आणि एका तासाच्या आत डिलीट होते. MCP निकाल तुमच्या डिस्कवर लिहितो; आमच्या बाजूची कॉपी थोड्या वेळाने नाहीशी होते.
- ओपन सोर्स. सर्व्हर MIT-लायसन्स्ड आहे, npm वर प्रकाशित आहे आणि अधिकृत MCP रजिस्ट्रीत लिस्टेड आहे, त्यामुळे रन करण्याआधी तुम्ही प्रत्येक ओळ वाचू शकता.
मिळवा
तुम्ही दिवसभर Claude किंवा Cursor मध्ये असता आणि एखाद्या कन्व्हर्टर वेबसाइटवर उडत राहता, तर हे ते राउंड ट्रिप काढून टाकते.
- इंस्टॉल:
npx gurupdf-mcp - पॅकेज: npmjs.com/package/gurupdf-mcp
- रजिस्ट्री: अधिकृत MCP रजिस्ट्रीत "GuruPDF" शोधा
- API की: gurupdf.com/profile
एकदा अॅड करा आणि विसरा की ते तिथे आहे — जोपर्यंत पुढच्या वेळेस तुम्ही फाईल कन्व्हर्ट करायला ब्राउझर टॅब उघडला असता, आणि तुमचा एजंट ते स्वतःच करतो.