Was gemessen wurde

Ein MCP-Server, der aus einer Adresse eine Quelle macht: die Datei, die der Anbieter tatsächlich ausliefert, die Zitationsangaben der Seite, die sie beschreibt, einen RIS-Satz und den Volltext in einem durchsuchbaren Index. Vier Fälle, jeder mit einer eigenen Schwierigkeit. Für jeden stand die erwartete Datei vorher fest — die Byte-Größe mit curl ermittelt, nicht vom geprüften Server.

23 von 23 Prüfungen erfüllt · 7,6 MB in 3,6 s · jede Datei byteweise gleich ihrer Referenz

Die drei Befunde, die den meisten Aufwand gekostet haben

Die Endung ist eine Behauptung, keine Tatsache

Zenodo zeigt seine Dokumente in einem Rahmen, der auf …/preview/Titel.pdf zeigt. Die Endung stimmt, der Inhalt nicht. Zurück kommt der pdf.js-Betrachter als HTML-Seite, 7 kB. Eine Datei mit .pdf im Namen und Betrachter-Markup darin lag bereits als Quelle im Bestand, bevor das auffiel.

Eine Größenschwelle behebt es nicht. Der erste Versuch wies alles unter 5 kB ab — eine geratene Zahl, und die 7 kB große Betrachterseite ging glatt hindurch. Was es behebt, sind die ersten fünf Bytes: %PDF- ist eindeutig. Ein Bereichsabruf holt 512 Bytes und entscheidet, bevor irgendetwas geladen wird.

Der Anbieter weiß, wo die Datei liegt

Trägt eine Seite citation_pdf_url, schlägt diese Adresse den Rahmen. Bei Zenodo zeigt der Rahmen auf /preview/ und die Zitationsangabe auf /files/ — dasselbe Dokument, eines davon echt. Der Angabe des Anbieters den Vorrang zu geben machte aus einer 7 kB großen Betrachterseite ein Dokument von 4,8 MB.

Das Jahr steht in JSON-LD, nicht in den Meta-Tags

Zenodo veröffentlicht kein citation_publication_date. Das Erscheinungsjahr steht nur im schema.org-Block. Wer allein die citation_*-Tags liest, bekommt eine Datei namens Andres_oJ_… — oJ, ohne Jahr — über ein Werk von 2026. Moderne Repositorien legen ihre Angaben zunehmend in JSON-LD ab; ein Leser, der das übergeht, verschlechtert sich still, statt zu scheitern.

Wo nichts zu finden die Antwort ist

Den vierten Fall gibt es wegen eines Fehlers, den keine Trefferquote aufdeckt: Ein Werkzeug, das überall etwas findet, findet nichts Verlässliches. wikipedia.org/wiki/PDF ist ein Artikel über das Format. Ein früheres Muster hielt /pdf am Ende eines Pfades für eine Datei — und aus dem Lexikonartikel wurde ein Dokument. Die Regel verlangt jetzt ein Pfadsegment mit etwas dahinter.

Was er bewusst nicht kann

• Keine Cloud, keine Zugangsdaten. Er meldet sich nirgends an. Für lizenzpflichtige Literatur braucht es die Sitzung des Browsers — das ist die Aufgabe einer Erweiterung, nicht die eines Servers.
• Er umgeht keine Schutzmaßnahme. Wo ein Anbieter den Abruf unterbindet, endet der Server mit einer Meldung.
• Keine festen Pfade. Der Ablageort kommt aus der Umgebung oder aus dem Aufruf.

Einbinden

{ "mcpServers": {
    "quellen": { "command": "python3",
                 "args": ["/pfad/zu/quellen-mcp/server.py"],
                 "env": { "QUELLEN_ORDNER": "/pfad/zu/quellen" } } } }

Fünf Werkzeuge: quelle_pruefen (liefert diese Adresse ein PDF, ohne es zu laden), quelle_zitation (nur die Angaben), quelle_holen (holen, ablegen, indizieren), bestand_suchen (Volltextsuche), bestand_stand (Umfang). Das Schritt-für-Schritt-Blatt für Agenten liegt unter run-a-source-capture-server.md.

pdftotext und pdfinfo machen den Volltext durchsuchbar. Ohne sie wird eine Quelle abgelegt, aber nicht indiziert — die Antwort sagt das mit seiten_durchsuchbar: 0, statt still zu scheitern.

Methode und Grenzen

Vier Fälle sind vier Fälle. Sie wurden gewählt, weil jeder eine eigene Schwierigkeit trägt, nicht weil sie für das Netz repräsentativ wären. Die Referenzgrößen wurden vor dem Lauf mit curl ermittelt, unabhängig vom Server. Die Zeiten stammen aus einem einzigen Durchgang an einem Hausanschluss und sagen mehr über das Netz als über den Code.

Was hier nicht gemessen ist: lizenzpflichtige Inhalte hinter einer Verlagsanmeldung, und wie sich die Muster gegen die mehreren hundert Seiten-Übersetzer halten, die Zotero pflegt. In der Breite der Seitenabdeckung liegt Zotero vorn und wird vorn bleiben.

Betrieben vom Entwickler von Full Page PDF Snap, der Browser-Erweiterung, mit der dieser Server seine Logik teilt. Die Erweiterung kommt in mehreren Messungen auf dieser Seite vor; das wird überall dort angegeben, wo es sachdienlich ist. Ein Fehler in diesen Zahlen? Korrekturen sind willkommen — die Rohdaten sind oben verlinkt, der Lauf lässt sich wiederholen.