このリポジトリが役に立つ場合は、メインPageIndexリポジトリにも星印をつけてください。 ⭐

     

📘 PageIndexは、文書を階層的なツリー構造として表現する、ベクトルレスで推論ベースのRAGシステムです。これによりLLMはベクトル類似性ではなく、構造と推論を通じて情報をナビゲート・取得できます。これは人間が本の索引を使って情報を取得するのと似ています。

🔌 PageIndex MCPは、このLLMネイティブでコンテキスト内の木インデックスをMCP経由で直接LLMに公開し、Claude、Cursor、その他のMCP互換エージェントやLLMのようなプラットフォームが文書構造を推論し、ベクターデータベースを使わずに正しい情報を取得できるようにします。

長いPDFでチャットしたいけど、コンテキストの到達エラーに到達したくなったら?ファイルをPageIndexに追加すれば、エージェントやLLMプラットフォームで長文PDFとシームレスにチャットできます。

✨ **人間的で推論的な方法で✨長いPDFにチャットする

• ローカルおよびオンラインPDFのサポート
• 無料1000ページ
• 無制限の会話

詳細については、PageIndex MCPページをご覧ください。

PageIndex MCP

If you find this repo useful, please also star our main PageIndex repo ⭐

    

📘 PageIndex is a vectorless, reasoning-based RAG system that represents documents as hierarchical tree structures. It enables LLMs to navigate and retrieve information through structure and reasoning, not vector similarity — much like a human would retrieve information using a book’s index.

🔌 PageIndex MCP exposes this LLM-native, in-context tree index directly to LLMs via MCP, allowing platforms like Claude, Cursor, and other MCP-compatible agents or LLMs to reason over document structure and retrieve the right information — without vector databases.

Want to chat with long PDFs but hit context limit reached errors? Add your file to PageIndex to seamlessly chat with long PDFs on any agent/LLM platforms.

✨ Chat to long PDFs the human-like, reasoning-based way ✨

• Support local and online PDFs
• Free 1000 pages
• Unlimited conversations

For more information, visit the PageIndex MCP page.

💡 Looking for a fully hosted experience? Try PageIndex App 🤖: a human-like document analyst that lets you chat with long PDFs using the same agentic, reasoning-based workflow as PageIndex MCP.

What is PageIndex?

PageIndex is a vectorless, reasoning-based RAG system that generates hierarchical tree structures of documents and uses multi-step reasoning and tree search to retrieve information like a human expert would. It has the following key properties:

• Higher Accuracy: Relevance beyond similarity
• Better Transparency: Clear reasoning trajectory with traceable search paths
• Like A Human: Retrieve information like a human expert navigates documents
• No Vector DB: No extra infrastructure overhead
• No Chunking: Preserve full document context and structure