Janus MCP

MCP文档知识

提供方 edwardkim

文档知识 未标注 无需鉴权 社区 / 第三方 Claude

高效零拷贝的TIFF与PDF双向转换工具,专为AI/ML处理大规模扫描文档优化。

一句话选型结论

按资料字段整理

Janus MCP 属于文档知识类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类文档知识 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

文档知识
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

文档转换本地部署AI预处理零拷贝架构高性能计算格式标准化

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
文档检索问答

在你的文档库里按问题找答案。

知识库读写

把新资料写进知识库,随用随取。

内容整理

把零散资料归纳成结构化笔记。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在文档知识场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Janus MCP当前 4 未标注 未标注 无 2026-05-17
dify 未标注 stdio · 本地进程 本地部署 有 2026-04-11
open-webui 未标注 stdio · 本地进程 本地部署 有 2026-04-11
JeecgBoot 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Cherry Studio 未标注 未标注 未标注 无 2026-05-17
mempalace 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

文档知识
字段来自项目仓库与公开索引,中文说明由本站标注
提供方edwardkim上游标注的维护方 edwardkim
分类文档知识本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

32.6 KB
来自项目仓库与上游目录的原文,未做删改

🏛️ Janus:Claude的本地文档功能

> 即时TIFF的零拷贝网关↔ PDF转换 \
> “不要只是转换文件。让你的人工智能读取历史记录。”

> “JPEG2000编码的TIFF不能用标准图像查看器打开——它们需要专有的供应商特定软件。这个项目始于一个简单的想法:如果我们可以将它们转换为PDF并在任何标准网络浏览器中查看呢?”

概述

专为处理数百万扫描文档的AI/ML管道而设计。

@janus-mcp/converter 将高速扫描仪多页TIFF转换为针对AI训练和推理进行优化的归一化图像PDF。建于 零拷贝架构 实现企业级文档处理的最大吞吐量。

> “投入就是创新,产出就是授权。”
> 我们处理传统格式的复杂性,因此您可以简单地将任务委托给AI。

设计目标

目标 解决方案
高性能 零拷贝架构-无解码/重新编码开销
高量 1900+页/秒吞吐量,异步非阻塞I/O
格式规范化 专有标签(33004、34713)→标准34712
概念转换 TIFF→PDF→TIFF→PDF生成相同的输出
AI就绪输出 可在Chrome/Edge中查看OCR的标准化PDF

主要特点

  • ✅ 零拷贝架构:直接流提取,无需解码/重新编码
  • ✅ 超高速性能:9页文档约4ms(1.9MB)
  • ✅ 非阻塞异步:使用libuv线程池进行异步转换
  • ✅ JPEG2000标准化:自动转换33004/34713→ 34712 (可选)
  • ✅ 临时往返:TIFF↔PDF转换是完全可逆的
  • ✅ 多页支持:将多页TIFF转换为多页PDF
  • ✅ MPL 2.0许可证:具有copyleft保护的开源

为什么是@janus mcp/converter?

🔓 用例:专有TIFF的“通用查看器”

您是否正在努力处理无法在标准图像查看器中打开的专有TIFF文件(标签34712、34713)?

在金融和政府等领域(尤其是在韩国),TIFF经常使用特定于供应商的标签来包装标准JPEG2000流。这些需要昂贵的、依赖于操作系统的专有查看器。

Janus立即解决了这个问题:

  1. 提取物 来自专有TIFF容器的标准JPEG2000流。
  2. 派遣 使用Zero Copy将其复制到标准PDF容器中。
  3. 结果: 现在,您可以在中查看这些文件 任何标准PDF查看器 (Chrome、Edge、Acrobat、预览版)。

> 效果: Janus是一个高性能的开源转换器,可以将任何PDF阅读器变成传统专有文档的免费查看器。

Q: 我无法打开TIFF文件。它显示黑屏或错误。

A: 如果您的TIFF使用34712或34713等专有标签,标准查看器将无法打开它。Janus将这些标签转换为标准PDF,允许您在Chrome、Edge或Acrobat中免费查看。

安装

先决条件

Node.js

  • Node.js:≥18.17.0、≥20.3.0或≥21.0.0

平台特定依赖关系

Linux(Ubuntu/Debian/Mint)

该软件包包括Linux x64(glibc≥2.31)的预构建二进制文件,但需要系统库:

检查是否安装了库:```bash

Check all required libraries at once

pkg-config --modversion libtiff-4 libopenjp2 libjpeg libturbojpeg zlib

Expected output (each on separate line):

4.1.0 (libtiff-4)

2.3.1 (libopenjp2)

9.4.0 (libjpeg - provided by libjpeg-turbo)

3.0.0 (libturbojpeg - SIMD-accelerated API ⚡)

1.2.11 (zlib)


**如果缺少任何库,请安装开发包:**```bash
sudo apt-get update
sudo apt-get install -y \
libtiff-dev \
libopenjp2-7-dev \
libjpeg-turbo8-dev \
zlib1g-dev

# ⚡ libjpeg-turbo provides SIMD-accelerated JPEG processing
# AVX2/SSE2 support is automatically enabled on compatible CPUs

验证安装和SIMD支持:```bash

Check library versions

pkg-config --modversion libtiff-4 libopenjp2 libjpeg libturbojpeg zlib

Verify libjpeg-turbo is installed (not legacy libjpeg)

dpkg -l | grep libjpeg-turbo

Should show: libjpeg-turbo8-dev (SIMD-enabled version)

Check CPU SIMD capabilities

cat /proc/cpuinfo | grep -E "sse2|avx|avx2|avx512"

Look for: avx2 (best), avx512f (server CPUs), or sse2 (minimum)

Expected output (versions may vary):

libtiff-4: 4.1.0+

libopenjp2: 2.3.1+

libjpeg: 9.4.0+ (legacy API, provided by libjpeg-turbo8-dev)

libturbojpeg: 3.0.0+ (TurboJPEG API with SIMD ⚡)

zlib: 1.2.11+


**分发兼容性:**

- ✅ Ubuntu 20.04 LTS或更高版本(建议使用AVX2)
- ✅ Ubuntu 22.04 LTS,24.04 LTS
- ✅ Linux Mint 20或更高版本
- ✅ 爸!\_操作系统20.04或更高版本
- ✅ Debian 11(牛眼)或更高版本
- ✅ Fedora 35或更高版本
- ✅ RHEL 9或更高版本

##### macOS```bash
# Install dependencies via Homebrew
brew install libtiff openjpeg jpeg-turbo

# ⚡ jpeg-turbo includes NEON SIMD support for Apple Silicon
# Automatically optimized for M1/M2/M3 processors

验证NEON支持(苹果硅):```bash
sysctl hw.optional.neon

Output: hw.optional.neon: 1 (✅ SIMD enabled)


##### 视窗

**包括预构建的二进制文件** -Windows x64不需要其他依赖项。

该包包括静态链接的二进制文件,其中嵌入了所有依赖项,包括 **libjpeg-turbo支持AVX2/SSE2**.

**SIMD支持:**

- ✅ 自动检测AVX2(2013年以后的Intel/AMD CPU)
- ✅ 在较旧的CPU上回退到SSE2
- ✅ 无需配置

### NPM安装```bash
npm install @janus-mcp/converter

从源代码构建```bash

git clone https://github.com/edwardkim/janus-mcp.git
cd mcp-janus-converter
npm install
npm run build


## 用法

### Claude桌面配置

添加到您的 `claude_desktop_config.json`:```json
{
"mcpServers": {
"janus-converter": {
"command": "npx",
"args": ["-y", "@janus-mcp/converter"]
}
}
}

可用工具

1. convert_pdf_to_tiff

将PDF转换为多页TIFF。

输入架构:```json
{
"pdf_path": "/path/to/input.pdf",
"tiff_path": "/path/to/output.tif",
"verbose": false
}


**输出**:```json
{
"success": true,
"message": "Conversion successful",
"input": {
"path": "/path/to/input.pdf",
"size": 1048576,
"sizeFormatted": "1.00 MB"
},
"output": {
"path": "/path/to/output.tif",
"size": 2097152,
"sizeFormatted": "2.00 MB",
"exists": true
},
"conversion": {
"pageCount": 9,
"elapsedMs": 4,
"avgMsPerPage": "0.44"
}
}

2. convert_tiff_to_pdf

将TIFF转换为多页PDF。

输入架构:```json
{
"tiff_path": "/path/to/input.tif",
"pdf_path": "/path/to/output.pdf",
"verbose": false
}


**输出**:结构与 `convert_pdf_to_tiff`

#### 3. `get_pdf_info`

无需转换即可获取PDF文件信息。

**输入架构**:```json
{
"pdf_path": "/path/to/file.pdf"
}

输出:```json
{
"success": true,
"path": "/path/to/file.pdf",
"exists": true,
"size": 1048576,
"sizeFormatted": "1.00 MB",
"isFile": true,
"isDirectory": false,
"error": null
}


#### 4. `get_tiff_info`

无需转换即可获取TIFF文件信息。

**输入架构**:与 `get_pdf_info` 但随着 `tiff_path`

## API 参考

### 本机插件(pdf2tif.node)

#### `ConvertSync(pdfPath, tiffPath, verbose)`

同步转换(阻止事件循环)。

**参数**:

- `pdfPath` (string):输入PDF文件路径
- `tiffPath` (字符串):输出TIFF文件路径
- `verbose` (boolean,可选):启用详细输出

**退货**:```javascript
{
success: boolean,
pageCount: number,
message: string
}

ConvertAsync(pdfPath, tiffPath, verbose)

异步转换(非阻塞,返回Promise)。

参数:与 ConvertSync

退货: Promise<{success, pageCount, message}>

本地插件(tiff2pdf.node)

ConvertSync(tiffPath, pdfPath, verboseInt)

同步转换(阻止事件循环)。

参数:

  • tiffPath (string):输入TIFF文件路径
  • pdfPath (string):输出PDF文件路径
  • verboseInt (数字):详细标志(0或1)

退货:```javascript
{
success: boolean,
pageCount: number,
message: string
}


#### `ConvertAsync(tiffPath, pdfPath, verboseInt)`

异步转换(非阻塞,返回Promise)。

**参数**:与 `ConvertSync`

**退货**: `Promise<{success, pageCount, message}>`

## 性能特征

### 🚀 零拷贝JPEG优化(新增!)

**JPEG压缩TIFF的革命性性能改进:**

|TIFF类型|条带/页|处理路径|时间/页|改进|
|-----------|-------------|----------------|-----------|-------------|
| **单条JPEG** |1|零拷贝重建| **0.8毫秒** | **493倍更快** |
| **多条JPEG** |293 |解码→化解后撤| **91.2毫秒** | **4.3倍更快** |

**现实世界影响(1000万页)**:

- **之前**:45.7天
- **之后**:9.5天(混合场景:90%多条,10%单条)
- **储蓄**:36.2天⚡

**关键创新**:

- ✅ 缩写与标准JPEGTABLES的自动检测
- ✅ 单条TIFF的零拷贝重建(0.8ms/页)
- ✅ 智能回退解码→多条带放气(91.2ms/页)
- ✅ Adobe Reader与ColorTransform检测的兼容性
- ✅ 高效的Deflate压缩(原始大小的10-16%)

**技术细节**:

- 支持标准的JPEGTABLES(SOS标记)和缩写的JPEGTABLE(现代标准)
- 处理具有独立标头的复杂多条JPEG结构
- 针对AI预处理工作流程和大容量文档处理进行了优化

### 🔬 扫描仪JPEG存储:第一页与后续页

> **经常被忽视的实施细节**:高速文档扫描仪对第一页和后续页面的JPEG数据存储方式不同。虽然这在 TIFF技术说明#2,许多转换工具无法正确处理它,导致多页文档的输出损坏。

**问题:**

高速扫描仪通过重用JPEG量化和霍夫曼表来优化内存:

|页面|存储方法|JPEGTABLES标签|条带数据|
|------|----------------|----------------|------------|
| **首页** |完整JPEG |❌ 未使用|完整JPEG(SOI→ EOI)|
| **后续页面** |缩写JPEG |✅ 共享表|仅扫描数据(SOS→ EOI)|

First Page: [SOI][DQT][DHT][SOF][SOS]...image data...[EOI] ← Complete JPEG
└─────────────────────────────────────────┘
Stored in Strip

Subsequent Pages: [SOI][DQT][DHT] + [SOS]...image data...[EOI] ← Split storage
└──────────────┘ └─────────────────────┘
JPEGTABLES tag Strip data only


**现有工具失败的原因:**

- 大多数库都假设所有页面具有相同的结构
- 它们要么错过了JPEGTABLES标签,要么无法重建完整的JPEG
- 结果:第一页转换正确,后续页面损坏或变黑

**我们的解决方案:**```
Detection → Is JPEGTABLES present?
│
├─ No  → Single-strip: Direct Zero-Copy (0.8ms/page)
│
└─ Yes → Multi-strip: Smart reconstruction
│
├─ First page: Use strip directly (already complete)
│
└─ Subsequent pages: JPEGTABLES + Strip → Decode → FlateDecode
(91.2ms/page, but correct output)

这种混合方法实现了 所有页面的正确转换 同时尽可能保持零拷贝性能。

零拷贝架构(基于条带的TIFF)

> 为什么是脱衣舞? 配备自动文档进纸器(ADF)的高速文档扫描仪将图像作为连续条带写入,以优化连续扫描期间的内存使用。这种“边走边扫描”的方法意味着 整个图像存储在单个条带中 (RowsPerStrip=图像高度),无需重新组装图块即可直接提取流。

转换 输入大小 输出大小 页数 时间 吞吐量
PDF→TIFF(条形) 48 MB 48 MB 121 63毫秒 1920页/秒
TIFF→PDF(条形) 48 MB 48 MB 121 86毫秒 1407页/秒
TIFF→PDF(JPEG单条) 8.5 MB 9.0 MB 5 4ms 1250页/秒 ⚡
TIFF→PDF(JPEG多条) 5.3 MB 7.7 MB 5 456毫秒 11页/秒

回退模式(平铺TIFF)

> 为什么平铺的TIFF速度慢: 平铺TIFF将图像存储为独立平铺的网格(例如,256×256像素)。要创建有效的PDF流,所有图块必须 解码→ 重新组装成完整图像→ 重新编码这与PIL、ImageMagick和其他通用图像库使用的处理路径相同,因此根本无法实现零拷贝性能。

转换 输入大小 输出大小 页数 时间 吞吐量
TIFF→PDF(平铺33004) - 48 MB 121 22秒 5.5页/秒

性能影响:条形与平铺= 快74倍 (121页,0.3秒对比22秒)

74倍的性能差异不是库的限制,而是 基本建筑差异:

  • 基于条带(零拷贝):原始压缩流→ 直接嵌入PDF(无需解码)
  • 平铺(后退):解码所有图块→ 重新组装完整图像→ 重编码→ 嵌入(与PIL/ImageMagick相同)

内存使用

场景 单独包 统一包 节省
闲置 40 MB×2=80 MB 40 MB 50%
峰值(10个并发) 160 MB×2=320 MB 180 MB 44%

并发性能

请求 顺序(同步) 并行(异步) 改进
1 4毫秒 4毫秒 0%
10 40毫秒 22毫秒 45%
100 400毫秒 220毫秒 45%

支持格式

📋 压缩格式支持矩阵

具有幂等转换保证的完整往返支持。

压缩 · 标记 · TIFF→PDF · PDF→TIFF · 标识 · 注释
JPEG格式 7.✅ 零拷贝 · ✅ 零拷贝 · ✅ · 最常见的扫描仪格式
JPEG2000 JP2 · 34712 · ✅ 零拷贝 · ✅ 零拷贝 · ✅ · 铅工具
JPEG2000 J2K · 34713 · ✅ 零拷贝 · ✅ 零拷贝 · ✅ · 卡卡杜
JPEG2000库 · 33004 · ✅ 零拷贝 · ✅* · *标准化为34712
JBIG2 · 34663 · ✅ 零拷贝 · ✅ 零拷贝 · ✅ · 双层(B&W)文件
CCITT集团4 4.✅ 零拷贝 · ✅ 零拷贝 · ✅ · 传真G4压缩
CCITT集团3 3.✅ 零拷贝 · ✅ 零拷贝 · ✅ · 传真G3压缩
解压 8.✅ 零拷贝 · ✅ 零拷贝 · ✅ · zlib/ZIP压缩
LZW 5.🔄 重新编码 · ✅ 放气 · ✅ · 转换为DEFLATE
打包位 · 32773 · 🔄 重新编码 · ✅ 放气 · ✅ · 转换为DEFLATE
未压缩 1.🔄 重新编码 · ✅ 放气 · ✅ · 转换为DEFLATE

传说:

  • ✅ 零拷贝:原始数据传输,无需解码/重新编码(121页约100ms)
  • 🔄 重编码:解码并重新压缩为DEFLATE(仍然很快,保持幂等性)
  • ✅ 幂等: TIFF → PDF → TIFF → PDF 第一次转换后产生字节相同的输出

JPEG2000标准化(可选)

为了实现文档管道的标准化:```javascript
// Enable JPEG2000 normalization
const result = await tiff2pdf.ConvertAsync(tiffPath, pdfPath, {
normalizeJpeg2000: true, // 33004, 34713 → 34712
normalizeFallback: 1 // 0=error, 1=keep original, 2=uncompressed
});

// Result includes normalization statistics
console.log(result.normalizeSuccessCount); // Pages normalized
console.log(result.normalizeFailedCount); // Fallback used


|输入标签|输出标签|描述|
|-----------|------------|-------------|
|33004(libvips)| 34712(JP2)|基于平铺→ 条形标准|
|34713(J2K)|34712(JP2)|码流→ 满JP2集装箱|
|34712(JP2)| 34712(JP 2)|已经是标准配置,没有变化|

### PDF → TIFF转换

从PDF中提取图像并保存为多页TIFF **零拷贝** 架构:

|PDF图像过滤器|TIFF压缩|标记|性能|备注|
|------------------|------------------|-----|-------------|-------|
| **DCT代码** |JPEG|7|✅ 零拷贝|最常见的格式|
| **JPXDecode** (JP2)|JPEG2000 JP2|34712|✅ 零拷贝|InziSoft格式|
| **JPXDecode** (J2K)|JPEG2000 J2K|34713|✅ 零拷贝| Minervasoft/卡卡杜|
| **JBIG2解码** |JBIG2|34663|✅ 零拷贝|双层图像|
| **CCITTFax解码** |CCITT集团4|4|✅ 零拷贝|传真压缩|
| **CCITTFax解码** |CCITT集团3|3|✅ 零拷贝|传统传真|
| **FlateDecode** |放气|8|✅ 零拷贝|zlib压缩|

**特性**:

- 需要时自动插入JBIG2文件头(13字节)
- 保留原始压缩(无需重新编码)
- 多页PDF→ 多页TIFF
- 光度解释处理

### TIFF → PDF转换

将TIFF图像嵌入到PDF中 **自动路径选择** (可能时为零拷贝,必要时重新编码):

|TIFF压缩|标记|PDF过滤器|性能|备注|
|------------------|-----|------------|-------------|-------|
| **CCITT集团3** |3|CCITTFaxDecode|✅ 零拷贝|传真压缩,K=0/4|
| **CCITT集团4** |4|CCITTFaxDecode|✅ 零拷贝|传真压缩,K=-1|
| **JPEG(单条)** |7|DCT代码|⚡ **零拷贝侦察** | **0.8毫秒/页** -超快! |
| **JPEG(多条)** |7 |平板解码|🔄 解码→Deflate| **91.2米/页** -智能回退|
| **解压** |8|平板解码|✅ 零拷贝|ZIP压缩|
| **JPEG2000(libvips)** |33004 | JPXDecode |✅ 零拷贝|libvips编码|
| **JPEG2000(JP2)** |34712 | JPXDecode |✅ 零拷贝|InziSoft格式|
| **JPEG2000(J2K)** |34713|JPXDecode|✅ 零拷贝| Minervasoft/卡卡杜|
| **JBIG2** |34663|JBIG2解码|✅ 零拷贝|双层压缩|
| **未压缩** |1|扁平编码|🔄 重新编码|解码+解密|
| **CCITT RLE** |2|扁平编码|🔄 重新编码|修改霍夫曼|
| **LZW** |5 |扁平编码|🔄 重新编码| Lempel Ziv-Welch|
| **打包位** |32773|扁平编码|🔄 重新编码|苹果RLE|

**高级功能**:

- **1位双级操控**:自动将1位双层图像转换为8位灰度,以兼容PDF
- **色彩空间检测**:用途 `samples_per_pixel` 确定 `/DeviceGray` 对比 `/DeviceRGB`
- **CCITT第3组K参数**:检测Group3Options标签中的1D/2D编码(K=0/4)
- **JPEG颜色转换**:从组件ID自动检测(1,2,3 vs 82,71,66)
- **自动MCT检测**:解析JPEG2000 COD标记以检测MCT=0/1
- **智能重新编码**:将MCT=0流重新编码为MCT=1,以获得适当的显色性
- **JP2 IHDR解析**:从JP2容器中提取真实维度(修复填充问题)
- **JBIG2标头剥离**:删除PDF嵌入的13字节文件头
- **光度校正**:插入 `/Decode [1 0]` 因为min是黑色的诠释

### 性能比较

|操作|格式|结构|时间(121页)|吞吐量|
|-----------|--------|-----------|------------------|------------|
| **PDF → TIFF** |JPEG/JBIG2 |基于条带| **63毫秒** |1920页/秒|
| **TIFF → PDF** |33004/34713 |条形| **86毫秒** |1407页/秒|
| **TIFF → PDF** |33004 |平铺128×128| **22秒** |5.5页/秒|

**关键洞察**:基于条带的布局提供 **74倍性能提升** 平铺布局

## ⚡ 性能:74×速度哈克

### 🚀 实现最佳性能

转换器会自动检测TIFF结构并使用最佳路径:

- **基于条带的TIFF** → 零拷贝(推荐,快74倍)
- **平铺TIFF** → 解码/重新编码回退(兼容但速度较慢)

### ⚡ 推荐的TIFF创建设置

为了获得最佳转换性能,请使用以下命令创建TIFF **条形基础** 布局:

#### 使用libvips命令行界面```bash
# JPEG2000 J2K format (recommended)
vips tiffsave input.jpg output.tif \
--compression=j2k-minervasoft \
--Q=85 \
--tile=false

# JPEG2000 JP2 format
vips tiffsave input.jpg output.tif \
--compression=jp2-inzisoft \
--Q=85 \
--tile=false

使用Python(pyvips)```python

import pyvips

image = pyvips.Image.new_from_file('input.jpg')
image.tiffsave('output.tif',
compression='j2k-minervasoft', # or 'jp2-inzisoft'
Q=85,
tile=False, # Force strip-based
pyramid=False)


#### 使用libtiff```c
#include

TIFF *tif = TIFFOpen("output.tif", "w");
TIFFSetField(tif, TIFFTAG_IMAGEWIDTH, width);
TIFFSetField(tif, TIFFTAG_IMAGELENGTH, height);
TIFFSetField(tif, TIFFTAG_COMPRESSION, 34713);  // J2K
TIFFSetField(tif, TIFFTAG_PHOTOMETRIC, PHOTOMETRIC_RGB);
TIFFSetField(tif, TIFFTAG_ROWSPERSTRIP, height);  // Full-height strip
// ... write data
TIFFClose(tif);

📊 性能比较

基准:121页文档转换(每页816×1056像素)

TIFF格式 结构 转换时间 性能
34713(J2K)条形 行/条=高度 0.3秒 ⚡⚡⚡ 最佳
34712(JP2)条形 行/条=高度 0.3秒 ⚡⚡⚡ 最佳
33004条形 行/条=高度 0.3秒 ⚡⚡⚡ 最佳
33004块瓷砖 瓷砖128×128 22秒 🐌 74倍慢

✅ 验证

检查TIFF是否已优化:```bash
tiffinfo your-file.tif | grep -E "(Tile|Rows/Strip)"

Optimal (strip-based):

Rows/Strip: 1056 (equals image height)

Slow (tiled):

Tile Width: 128 Tile Length: 128


### 💡 对供应商/工具的建议

如果您正在生成用于高容量PDF转换的TIFF:

1. **使用基于条带的布局** 而不是瓷砖
1. **设置行/条=图像高度** (整幅图像为一条)
1. **更喜欢压缩34713** (J2K码流)以获得最佳兼容性
1. **备选方案:34712** (JP2容器)也支持零拷贝

**影响**:从平铺模式切换到条形模式 **74倍性能提升** 没有质量损失。

______________________________________________________________________

## 🚀 AI研究人员CPU性能指南

### 为什么CPU很重要:SIMD指令

转换器使用 **libjpeg-turbo** 对于JPEG再压缩,它利用SIMD(单指令多数据)指令实现了巨大的性能提升。 **CPU的指令集直接决定了转换速度。**

### SIMD技术比较

|架构|SIMD技术|位宽|JPEG加速|发布年份|
|--------------|-----------|-----------|--------------|--------------|
| **ARM** (苹果硅)| **霓虹** |128位| **3.5×** | 2005+ |
| **ARM** (服务器) | SVE | 128-2048-bit | 4.0×+ | 2017+ |
| **x86-64** (英特尔/AMD)| **SSE2** |128位| **2.8×** | 2001+ |
| **x86-64** (现代)| **AVX2** |256位| **4.0×** | 2013+ |
| **x86-64** (服务器端)|AVX-512|512位|4.5×+|2016+|
|传统CPU |标量(无SIMD)|-|1.0×|-|

### 📊 按CPU划分的实际性能(5页TIFF基准)

**测试文件**: `jpeg_5page.tif` (5页,高速扫描仪输出)

|CPU型号|架构|SIMD|时间|与ImageMagick的比较|
|-----------|--------------|------|------|----------------|
| **英特尔至强(AVX-512)** | x86-64 | AVX-512 | **110毫秒** | **+速度提高68%** 🚀 |
| **AMD Ryzen 9 7950X** | x86-64 | AVX2 | **125毫秒** | **+快63%** ⚡ |
| **英特尔i9-13900K** | x86-64 | AVX2 | **130毫秒** | **+速度提高62%** ⚡ |
| **英特尔i7-12700K** | x86-64 | AVX2 | **140毫秒** | **+速度提高59%** ⚡ |
| **苹果M3** |ARM64 |霓虹灯+| **150毫秒** | **+速度提高56%** ⚡ |
| **苹果M2** (已测试)|ARM64|NEON| **164毫秒** | **+速度提高52%** ✅ |
| **英特尔i5-8400** | x86-64 | AVX2 | **180毫秒** | **+速度提高47%** |
| **英特尔i3-7100** |x86-64|SSE2| **250毫秒** | **+速度提高27%** |
|ImageMagick(基线)|-|-|342ms|基线|
|Raspberry Pi 4 | ARM64 | NEON | 500毫秒|速度提高32%|
| **无SIMD** (标量)|-|无| **550毫秒** | **-慢10%** ⚠️ |

### 🎯 关键见解

1. **SIMD至关重要**:如果没有SIMD支持,性能将降至ImageMagick以下(-10%)
1. **AVX2推荐**:配备AVX2的现代Intel/AMD CPU(2013+)速度提高了60%以上
1. **苹果芯片**:配备NEON的M1/M2/M3提供52-56%的加速
1. **服务器CPU**:支持AVX-512的至强实现68%的加速

### ✅ 如何检查CPU的SIMD支持

#### macOS(ARM)```bash
sysctl hw.optional.neon
# Output: hw.optional.neon: 1  (✅ NEON supported)

Linux(x86-64)```bash

cat /proc/cpuinfo | grep -E "sse2|avx|avx2|avx512"

Look for: avx2, avx512f


#### 窗户(x86-64)```powershell
wmic cpu get name
# Then check CPU specs on Intel/AMD website

💡 推荐的CPU规格

人工智能研究人员处理大型TIFF数据集:

用例 推荐CPU SIMD 预期性能
大批量生产 AMD 7950X,英特尔i9-13900K AVX2 比ImageMagick快60%以上
标准工作站 英特尔i5-12600K,苹果M2 AVX2/NEON 速度快50%以上
预算/遗产 英特尔i3(第7代+) SSE2 快25%以上
云/服务器 英特尔至强(Cascade Lake+) AVX-512 速度提高68%以上

📈 性能扩展示例

处理1000万页:

CPU 时间 成本节约
英特尔i9-13900K(AVX2) 10.2天 基线
苹果M2(NEON) 11.5天 +13%时间
英特尔i3-7100(SSE2) 17.8天 +75%时间
无SIMD(标量) 38.5天 +278%时间⚠️

🔧 优化提示

  1. 使用现代CPU:选择2013+版本的CPU以支持AVX2
  2. 验证SIMD:确保libjpeg-turbo检测并使用CPU的SIMD
  3. 多核处理器:批处理受益于高芯数
  4. 记忆:对于大型TIFF文件(200多页),建议使用16GB+

📊 性能公式```

Total Conversion Time = TIFF Decoding + JPEG Recompression + PDF Writing

JPEG Recompression (with SIMD):
- AVX2: ~30ms per page
- NEON: ~40ms per page
- SSE2: ~50ms per page
- No SIMD: ~140ms per page (4.6× slower!)

→ SIMD directly affects 24-40% of total conversion time


### ⚠️ 重要提示

- **libjpeg-turbo自动检测**:如果您的CPU支持SIMD,则会自动启用它
- **无需配置**:该包装开箱即用,效果最佳
- **交叉平台的**:SIMD支持适用于Windows、Linux和macOS
- **传统CPU**:仍然比ImageMagick快,只是利润率较小

______________________________________________________________________

## 建筑

### 项目结构```
mcp-janus-converter/
├── package.json
├── README.md
├── LICENSE (MPL 2.0)
├── NOTICE
├── index.js (Unified MCP Server)
├── binding.gyp (Multi-target build)
├── src/
│   ├── pdf2tiff/
│   │   ├── addon.c (N-API wrapper)
│   │   ├── pdf_parser.c (Custom PDF parser)
│   │   ├── pdf_parser.h
│   │   ├── pdf2tiff.c (TIFF generation)
│   │   └── pdf2tiff.h
│   └── tiff2pdf/
│       ├── addon.c (N-API wrapper)
│       ├── tiff_parser.c (TIFF metadata parser)
│       ├── tiff2pdf.c (PDF generation)
│       └── tiff2pdf.h
└── build/Release/
├── pdf2tiff.node
└── tiff2pdf.node

多目标构建

这 binding.gyp 配置构建 两个独立的本机插件 来自一个项目:

  1. pdf2iff.node:PDF→ TIFF转换
  2. tiff2pdf.node:TIFF→ PDF转换

好处:

  • 独立版本控制和更新
  • 模块化架构(必要时可单独使用)
  • 更容易测试和调试
  • 明确区分关注点

异步架构

两个本机插件都使用 N-api异步 具有以下模式:```c
typedef struct {
napi_async_work work;
napi_deferred deferred;

/ Input parameters /
char source_path[4096];
char target_path[4096];
int verbose;

/ Output results /
int result_code;
int page_count;
char error_message[256];
} ConvertAsyncData;


**执行流程**:

1. **主线程**:解析参数,创建Promise
1. **工作线程** (libuv):执行转换
1. **主线程**:解决/拒绝Promise

## ⚖️ 许可证和理念

**@janus mcp/converter根据Mozilla公共许可证2.0(MPL 2.0)获得许可。**

**版权所有(c)2025 Janus项目**

### 这对你意味着什么:

✅ **你可以** 在您的商业/专有应用程序中自由使用此软件包。
✅ **你可以** 无需打开应用程序的源代码,即可链接到此包。
❌ **你不能** 修改源文件并将其作为闭源分发。
❌ **你不能** 通过隐藏我们的核心优化来创建“Pro”版本。

### 为什么选择MPL 2.0?

我们选择此许可证是为了摆脱AGPL(如MuPDF)的限制,同时防止
不道德的供应商利用我们的 **零拷贝创新** 为了创建锁定,
封闭式衍生品。

**“投入就是创新,产出就是授权。”** 我们自由分享我们的创新,只要
你尊重核心技术的开放性。

### 重要通知

看 通知 SDK供应商警告文件。

## 发展

### 构建命令```bash
# Clean build
npm run clean

# Build native addons
npm run build

# Rebuild (clean + build)
npm install

测试```bash

Test PDF → TIFF conversion

node -e "
const pdf2tiff = require('./build/Release/pdf2tiff.node');
(async () => {
const result = await pdf2tiff.ConvertAsync('input.pdf', 'output.tif', false);
console.log(result);
})();
"

Test TIFF → PDF conversion

node -e "
const tiff2pdf = require('./build/Release/tiff2pdf.node');
(async () => {
const result = await tiff2pdf.ConvertAsync('input.tif', 'output.pdf', 0);
console.log(result);
})();
"


### 调试```bash
# Enable verbose output
node index.js --verbose

# Check native addon loading
node -e "
const pdf2tiff = require('./build/Release/pdf2tiff.node');
const tiff2pdf = require('./build/Release/tiff2pdf.node');
console.log('pdf2tiff version:', pdf2tiff.GetVersion());
console.log('tiff2pdf version:', tiff2pdf.GetVersion());
"

🚀 与现代浏览器协同(Chrome OCR)

Janus+Chrome=即时OCR和可搜索性

最近,谷歌Chrome浏览器为基于图像的PDF添加了内置的AI OCR。这与Janus形成了强大的协同效应:

  1. 泛科普特语第11个月-ShortNamePossible 在毫秒内将不可读的专有TIFF转换为标准PDF。
  2. 铬 打开PDF并自动识别图像中的文本。
  3. 结果: 你可以 选择、复制和搜索文本 无需在服务器上安装任何繁重的OCR软件,即可从传统扫描文档中读取。

> “零服务器负载OCR”:Janus准备文件,Chrome提供情报。

❓ 故障排除/常见问题

Q: 我无法打开TIFF文件。它显示黑屏或错误。

> A. 这可能是由于专有的压缩标签。
> 如果您的TIFF使用以下标签 34712(InziSoft) 或 34713(Minervasoft),标准图像查看器无法解码它们。
>
> Janus解决了这个问题: 它提取隐藏的JPEG2000流并将其封装在标准PDF中,使其在Chrome、Edge或Acrobat中可见。

本机插件构建失败

错误: Cannot find module 'build/Release/pdf2tiff.node'

解决方案:```bash
npm run build


### 未找到libtiff

**错误**: `error while loading shared libraries: libtiff.so.5`

**背景**:Linux预构建是针对Ubuntu 20.04(libtiff.so.5)编译的。较新的发行版使用libtiff.so.6。

**libtiff发行版**:

|发行版|libtiff版本|SONAME|
|--------------|-----------------|--------|
|Ubuntu 20.04/22.04 | 4.1.0-4.3.0 | libtiff.so.5✅ |
|Ubuntu 24.04+|4.5.1+|libtiff.so.6(需要符号链接)|
|Debian 11(牛眼)|4.2.0|libtiff.so.5✅ |
|Debian 12+(书虫)|4.5.0+|libtiff.so.6(需要符号链接)|
|RHEL/Rocky/Alma 8.x|4.0.9|libtiff.so.5✅ |
|RHEL/Rocky/Alma 9+|4.4.0+|libtiff.so.6(需要符号链接)|
|Fedora 38或更早版本|4.4.x|libtiff.so.5✅ |
|Fedora 39+|4.5.0+|libtiff.so.6(需要符号链接)|

**libtiff.so.6系统的解决方案** (Ubuntu 24.04、Debian 12、RHEL 9、Fedora 39+):```bash
# 1. Install libtiff if not already installed
sudo apt-get install libtiff-dev  # Ubuntu/Debian
# or
sudo dnf install libtiff-devel    # RHEL/Fedora

# 2. Find libtiff.so.6 location
find /usr -name "libtiff.so.6*" 2>/dev/null
# Example output: /usr/lib/x86_64-linux-gnu/libtiff.so.6

# 3. Create symlink for libtiff.so.5
sudo ln -s /usr/lib/x86_64-linux-gnu/libtiff.so.6 /usr/lib/x86_64-linux-gnu/libtiff.so.5

# 4. Update library cache
sudo ldconfig

# 5. Verify symlink
ls -la /usr/lib/x86_64-linux-gnu/libtiff.so.5
# Should show: libtiff.so.5 -> libtiff.so.6

备选方案(每次会议):```bash

Set library path without creating system symlink

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
```

备注:符号链接方法之所以有效,是因为libtiff.so.5和libtiff.so.6与此包使用的函数ABI兼容。

转换失败

错误: Failed to open PDF file 或 Failed to open TIFF file

清单:

  1. 验证输入文件是否存在并且可读
  2. 检查文件权限
  3. 确保文件路径是绝对路径或正确的相对路径
  4. 验证文件格式(未损坏)

贡献

我们欢迎捐款!请阅读我们的 贡献指南 在提交pull请求之前。

开发流程

  1. 分叉存储库
  2. 创建要素分支(git checkout -b feature/amazing-feature)
  3. 进行更改
  4. 用常规承诺进行承诺(git commit -m "feat: add amazing feature")
  5. 推到您的分支(git push origin feature/amazing-feature)
  6. 打开拉取请求

路线图

  • [x] v1.0.0:Windows x64预构建二进制文件
  • [x] v1.1.0版本:Linux x64预构建二进制文件(Ubuntu 20.04+,glibc 2.31+)
  • [x] v1.2.0版本:macOS ARM预构建二进制文件
  • [x] v1.3.0版本:零拷贝JPEG优化(单条加快493倍,多条加快4.3倍)
  • [ ] v1.4.0版本:高级PDF元数据提取
  • [ ] v1.5.0:TIFF注释渲染
  • [ ] v2.0.0版本:支持其他压缩格式

学分

  • libvips:需求驱动的图像处理库
  • LibTiff:TIFF读/写库
  • OpenJPEG:JPEG 2000编解码器库
  • MCP-SDK:Anthropic的模型上下文协议

支持

  • 问题: GitHub 问题
  • 讨论: GitHub讨论
  • 电子邮件: tangokorea@gmail.com

许可证

此项目根据Mozilla公共许可证2.0获得许可-请参阅 许可证 文件以获取详细信息。


制作❤️ Janus项目

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Janus MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Janus MCP 怎么在 Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Janus MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Janus MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Janus MCP 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Janus MCP 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 文档转换、Claude、文档处理。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。