mcp books

mcp-books

Three great archives hold the scanned record of what was published, and each describes it in its own words. The Internet Archive keeps books, films, recordings and software deposited by anyone, and has run millions of them through optical character recognition. The Library of Congress publishes the national collections of the United States, one catalogue per kind of material. data.bnf.fr publishes the authority records of the Bibliothèque nationale de France, which describe works and the people who wrote them rather than copies.

This server reads all three with one question. You can search the words inside the scanned documents, search the catalogues, and read one record in a single shape whichever archive holds it. It needs no API key and no account.

Version française

---

Install

One-click install

Claude Code

claude mcp add books -- npx -y mcp-books

Claude Desktop, Cursor, and any client using the standard config format

{
  "mcpServers": {
    "books": {
      "command": "npx",
      "args": ["-y", "mcp-books"]
    }
  }
}

Node 24 or later is required, and no environment variable has to be set.

With Docker

{
  "mcpServers": {
    "books": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-books:2.0.1"]
    }
  }
}

-i keeps stdin open, which is where the protocol travels, and -t is left out because a TTY rewrites the stream. The container needs outbound HTTPS to archive.org, openlibrary.org, www.loc.gov and data.bnf.fr, and nothing else: no volume, no port, no credential.

Bundle, without npm

Download mcp-books-2.0.1.mcpb from the latest release and open it. A client that supports MCP bundles installs it on its own, with no npm and no configuration file to edit. The bundle carries its dependencies, so nothing is fetched at install time.

What you can ask

• "Which books mention the Beaumont light-house?"
• "Find me anything on the 1906 San Francisco earthquake."
• "Read me that record and tell me who holds the original."
• "What does the BnF have on that author?"
• "Search the photographs rather than the books."

An answer takes several seconds: three archives are asked, each at its own pace.

The three sources

Source	Archive	What it describes
archive	the Internet Archive	deposited copies, of every kind
loc	the Library of Congress	the national collections, one catalogue per kind
bnf	the Bibliothèque nationale de France	works and the people who wrote them

A row's id names its archive, so an identifier read from one answer goes back to the right one. Counts are never added across archives, and an archive that failed is reported as having failed rather than as having found nothing.

Tools

Tool	What it does
search_inside	Searches the words inside the scanned documents.
search_items	Searches the catalogues by title, creator, subject or plain words.
get_item	Reads one record in a single shape, whichever archive holds it.

search_inside

Searches the text inside the scanned documents, which came off the page through optical character recognition.

Argument	Type	Required	What it does
query	string, 2 to 300 characters	yes	The phrase to look for inside the documents.
limit	integer, 1 to 25, default 3	no	Matches to keep from each archive.
page	integer, 1 to 100, default 1	no	Which page of matches.
max_excerpt_chars	integer, 80 to 1200, default 300	no	How much of a passage to serve.
max_excerpts_per_match	integer, 1 to 10, default 2	no	Passages served per matching document.
fan_out	boolean, default true	no	Ask every archive rather than stopping at the first that answers.
sources	array of source ids	no	Ask these archives alone.

In return: hits, each carrying id, which get_item takes and which names its archive; source and source_name; the archive's own identifier without the prefix; title, creator and year; page_number where the archive states one; excerpts; and excerpt_kind.

excerpt_kind decides what an excerpt is worth. A passage is the text around the words that matched. A page_opening is the start of the page, sent because the machine-read text the archive returned stops before those words appear: it does not carry the match, so quoting it quotes something else. All the excerpts of one match are of one kind.

search_items

Searches the catalogues.

Argument	Type	Required	What it does
query	string, 1 to 300 characters	yes	A title, a creator, a subject, or plain words.
media_type	a kind one of the archives holds	no	Which kind of material to search.
year_from	integer, 1000 to 2100	no	Earliest year.
year_to	integer, 1000 to 2100	no	Latest year.
sort	relevance, newest, oldest or title, default relevance	no	How the rows are ordered.
limit	integer, 1 to 25, default 5	no	Rows to keep from each archive.
page	integer, 1 to 100, default 1	no	Which page of rows.
fan_out	boolean, default true	no	Ask every archive.
sources	array of source ids	no	Ask these archives alone.

The three archives divide their material differently. The Internet Archive searches every kind at once when none is named; the Library of Congress is one route per kind, so a search naming none is told which one was read; and the BnF search reads works. A media_type one archive has no notion of leaves that archive out, and the answer says so.

In return: rows in the shape a hit carries, with per_source giving one report per archive: its status, the count it contributed, its reported_total and reported_total_means, which says what that number counts there.

get_item

Reads one record in a single shape, whichever archive holds it.

Argument	Type	Required	What it does
identifier	string, 1 to 500 characters	yes	The id a row carries.
sections	array of description, subjects, copies, context, default ["description"]	no	Which parts to return.
max_copies	integer, 1 to 50, default 10	no	Copies to list.
text_offset	integer, 0 to 1000000, default 0	no	Where to resume the text.
max_text_chars	integer, 200 to 8000, default 1500	no	How much text to serve.

In return: the record with its id, source and source_name, the archive's own identifier, title, creator, date exactly as published, and year beside year_means, which says what that year is the year of, since the three archives date a record differently. attribution is what that archive asks to be credited with, and identifier_provisional says when the identifier was built rather than read, so a caller knows it may not resolve.

What an answer states about the archives

Every answer accounts for each archive separately. One that failed, one nobody asked, and one that answered with nothing are three different things, and they are reported as three. A total stays beside the archive that published it, with what that archive counts when it says it: one counts documents, another counts newspaper leaves.

What scanned text is worth

The words inside a scanned document came off the page through optical character recognition. An excerpt carries the misreadings of that process, and it is served as it was read rather than corrected. Quote it as scanned text, and link the record so a reader can look at the page.

Configuration

Every variable is optional. Set them in the env block of your client config.

Variable	Default	What it does
BOOKS_USER_AGENT	the project identity	Names your application to the three archives, with an address where a person can be reached.
BOOKS_MIN_INTERVAL_MS	each archive's own pace	Widens the gap between two requests to one archive, from 500 to 60000. Left unset, every archive keeps the pace it publishes, and a figure set here applies only where it is wider.
BOOKS_TIMEOUT_MS	45000	Deadline for one request, from 1000 to 120000.
BOOKS_MAX_RETRIES	3	Attempts after a transient failure, from 0 to 8.
BOOKS_CACHE_TTL_MS	900000	How long an answer stays in memory, from 0 to 86400000.
BOOKS_CACHE_MAX_ENTRIES	200	Answers held in memory at once, from 1 to 5000.
BOOKS_LOG_LEVEL	error	silent, error, info or debug, written to stderr.

A value outside its range falls back to the default, and the reason is written to stderr.

Errors

Every failure carries one of six codes, a message, and where it helps a hint naming the next move.

Code	What happened	What to do
not_found	An archive answered, and holds no such record.	Check the identifier with search_items.
invalid_input	The arguments were refused before any request went out.	Read the message, which names the argument.
rate_limited	An archive asked this client to slow down.	Wait, then call again with the same arguments. The record is still there.
parse_failure	An answer arrived in a shape this client cannot read.	Report it at the issue tracker.
network_error	The request did not complete.	Try again shortly.
timeout	The request passed its deadline.	Raise BOOKS_TIMEOUT_MS, or ask for fewer rows.

An archive that failed is reported per archive rather than failing the whole answer, so one silent archive never hides the others.

As a library

The layer reading the three archives is published on its own, with its pacing, its cache and its errors, and with no protocol attached.

import { BooksClient } from "mcp-books/client";

const client = new BooksClient();
const read = await client.searchItems({ query: "beaumont light-house", limit: 3 });
console.log(read.data.rows.length);

Each read answers { data, cached }, and throws an error carrying one of the six codes. Each archive keeps its own pace, and its floor holds here as well.

Pacing and attribution

Each archive is paced on its own, one request at a time, and the widest of its own floor and the configured interval governs: the Library of Congress publishes the slowest, and asking all three at once therefore costs each of them one request rather than three. The User-Agent always ends with the project identity and an address where a person can be reached.

Every record carries the address of its page and the attribution its archive asks for. The Internet Archive items belong to their depositors, the Library of Congress records state their own rights, and the BnF asks that the source and the date of retrieval be stated wherever its metadata are shown.

This MCP server is an unofficial project, with no affiliation to any of the archives it reads.

Privacy

This server collects nothing about you and sends nothing to its author. It runs on your machine, contacts archive.org, openlibrary.org, www.loc.gov and data.bnf.fr and nothing else, holds its answers in memory while it runs, and writes nothing to disk. PRIVACY.md states what a request carries and which settings change any of it.

Development

npm install
npm run build:fixtures
npm test
npm run check

Tests run against generated fixtures and make no network request. The live suite, npm run test:live, makes one request per route and runs nightly against the archives themselves.

Contributing

Bugs, questions and ideas belong in the issue tracker. Pull requests are welcome; opening an issue first helps agree on the shape of the change. See CONTRIBUTING.md.

License

MIT, see LICENSE. The records belong to the archives that published them and to their depositors.

---

mcp-books (français)

English version

Trois grandes archives conservent la trace numérisée de ce qui a été publié, et chacune la décrit dans ses propres mots. L'Internet Archive garde les livres, les films, les enregistrements et les logiciels que chacun y dépose, et en a passé des millions par la reconnaissance optique de caractères. La Library of Congress publie les collections nationales des États-Unis, un catalogue par type de document. data.bnf.fr publie les notices d'autorité de la Bibliothèque nationale de France, qui décrivent des œuvres et ceux qui les ont écrites plutôt que des exemplaires.

Ce serveur lit les trois avec une seule question. On peut chercher dans les mots contenus dans les documents numérisés, chercher dans les catalogues, et lire une notice sous une forme unique quelle que soit l'archive qui la détient. Aucune clé d'API, aucun compte.

Installation

Installation en un clic

Claude Code

claude mcp add books -- npx -y mcp-books

Claude Desktop, Cursor, et tout client au format de configuration standard

{
  "mcpServers": {
    "books": {
      "command": "npx",
      "args": ["-y", "mcp-books"]
    }
  }
}

Node 24 ou plus récent est nécessaire, et aucune variable d'environnement n'est à renseigner.

Avec Docker

{
  "mcpServers": {
    "books": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-books:2.0.1"]
    }
  }
}

-i garde l'entrée standard ouverte, qui est le canal du protocole, et -t est omis parce qu'un TTY réécrit le flux. Le conteneur a besoin d'un accès HTTPS sortant vers archive.org, openlibrary.org, www.loc.gov et data.bnf.fr, et de rien d'autre : aucun volume, aucun port, aucun identifiant.

Bundle, sans npm

Téléchargez mcp-books-2.0.1.mcpb depuis la dernière publication et ouvrez-le. Un client qui gère les bundles MCP l'installe seul, sans npm et sans fichier de configuration à modifier. Le bundle emporte ses dépendances, donc rien n'est téléchargé à l'installation.

Ce qu'on peut demander

• « Quels livres mentionnent le phare de Beaumont ? »
• « Trouve-moi ce qu'il y a sur le tremblement de terre de San Francisco en 1906. »
• « Lis-moi cette notice et dis-moi qui conserve l'original. »
• « Qu'est-ce que la BnF a sur cet auteur ? »
• « Cherche dans les photographies plutôt que dans les livres. »

Une réponse prend plusieurs secondes : trois archives sont interrogées, chacune à son rythme.

Les trois sources

Source	Archive	Ce qu'elle décrit
archive	l'Internet Archive	les exemplaires déposés, de tout type
loc	la Library of Congress	les collections nationales, un catalogue par type
bnf	la Bibliothèque nationale de France	les œuvres et ceux qui les ont écrites

L'id d'une ligne nomme son archive, donc un identifiant lu dans une réponse retourne vers la bonne. Les comptes ne sont jamais additionnés entre archives, et une archive qui a échoué est rapportée comme ayant échoué plutôt que comme n'ayant rien trouvé.

Les outils

Outil	Ce qu'il fait
search_inside	Cherche dans les mots contenus dans les documents numérisés.
search_items	Cherche dans les catalogues par titre, auteur, sujet ou mots simples.
get_item	Lit une notice sous une forme unique, quelle que soit l'archive.

search_inside

Cherche dans le texte contenu dans les documents numérisés, texte issu de la reconnaissance optique de caractères.

Argument	Type	Requis	Ce qu'il fait
query	chaîne, 2 à 300 caractères	oui	La phrase à chercher dans les documents.
limit	entier, 1 à 25, défaut 3	non	Correspondances à garder de chaque archive.
page	entier, 1 à 100, défaut 1	non	Quelle page de correspondances.
max_excerpt_chars	entier, 80 à 1200, défaut 300	non	La longueur de passage à servir.
max_excerpts_per_match	entier, 1 à 10, défaut 2	non	Passages servis par document correspondant.
fan_out	booléen, défaut true	non	Interroger chaque archive plutôt que s'arrêter à la première qui répond.
sources	tableau d'identifiants de source	non	N'interroger que ces archives.

En retour : hits, chacun portant id, que get_item reprend et qui nomme son archive ; source et source_name ; l'identifier propre à l'archive, sans le préfixe ; title, creator et year ; page_number là où l'archive en indique un ; excerpts ; et excerpt_kind.

excerpt_kind décide de ce que vaut un extrait. Un passage est le texte autour des mots trouvés. Un page_opening est le début de la page, envoyé parce que le texte lu par machine que l'archive a rendu s'arrête avant que ces mots apparaissent : il ne porte pas la correspondance, donc le citer cite autre chose. Tous les extraits d'une correspondance sont d'un seul type.

search_items

Cherche dans les catalogues.

Argument	Type	Requis	Ce qu'il fait
query	chaîne, 1 à 300 caractères	oui	Un titre, un auteur, un sujet, ou des mots simples.
media_type	un type que l'une des archives détient	non	Le type de document à chercher.
year_from	entier, 1000 à 2100	non	Année la plus ancienne.
year_to	entier, 1000 à 2100	non	Année la plus récente.
sort	relevance, newest, oldest ou title, défaut relevance	non	L'ordre des lignes.
limit	entier, 1 à 25, défaut 5	non	Lignes à garder de chaque archive.
page	entier, 1 à 100, défaut 1	non	Quelle page de lignes.
fan_out	booléen, défaut true	non	Interroger chaque archive.
sources	tableau d'identifiants de source	non	N'interroger que ces archives.

Les trois archives découpent leurs fonds différemment. L'Internet Archive cherche dans tous les types à la fois quand aucun n'est nommé ; la Library of Congress a une route par type, donc une recherche qui n'en nomme aucun se voit dire lequel a été lu ; et la recherche de la BnF lit des œuvres. Un media_type dont une archive n'a pas la notion l'écarte de la réponse, et la réponse le dit.

En retour : des lignes dans la forme d'un hit, avec per_source qui donne un rapport par archive : son status, le count qu'elle a fourni, son reported_total et reported_total_means, qui dit ce que ce nombre compte là-bas.

get_item

Lit une notice sous une forme unique, quelle que soit l'archive qui la détient.

Argument	Type	Requis	Ce qu'il fait
identifier	chaîne, 1 à 500 caractères	oui	L'id que porte une ligne.
sections	tableau de description, subjects, copies, context, défaut ["description"]	non	Les parties à rendre.
max_copies	entier, 1 à 50, défaut 10	non	Exemplaires à lister.
text_offset	entier, 0 à 1000000, défaut 0	non	Où reprendre le texte.
max_text_chars	entier, 200 à 8000, défaut 1500	non	La longueur de texte à servir.

En retour : la notice avec son id, source et source_name, l'identifier propre à l'archive, title, creator, date exactement telle que publiée, et year accompagné de year_means, qui dit de quoi cette année est l'année, les trois archives datant une notice différemment. attribution est ce que cette archive demande qu'on lui crédite, et identifier_provisional dit quand l'identifiant a été construit plutôt que lu, pour qu'un appelant sache qu'il peut ne pas résoudre.

Ce qu'une réponse dit des archives

Chaque réponse rend compte de chaque archive séparément. Une qui a échoué, une que personne n'a interrogée et une qui a répondu vide sont trois choses différentes, et elles sont rapportées comme trois. Un total reste à côté de l'archive qui l'a publié, avec ce que cette archive compte en le disant : l'une compte des documents, une autre des feuillets de journaux.

Ce que vaut un texte numérisé

Les mots contenus dans un document numérisé sont issus de la reconnaissance optique de caractères. Un extrait porte les erreurs de lecture de ce procédé, et il est servi tel qu'il a été lu plutôt que corrigé. Citez-le comme un texte numérisé, et liez la notice pour qu'un lecteur puisse regarder la page.

Configuration

Chaque variable est facultative. Elles se posent dans le bloc env de la configuration du client.

Variable	Défaut	Ce qu'elle fait
BOOKS_USER_AGENT	l'identité du projet	Nomme votre application auprès des trois archives, avec une adresse où joindre une personne.
BOOKS_MIN_INTERVAL_MS	le rythme propre à chaque archive	Élargit l'écart entre deux requêtes vers une même archive, de 500 à 60000. Non posée, chaque archive garde le rythme qu'elle publie, et une valeur posée ici ne s'applique que là où elle est plus large.
BOOKS_TIMEOUT_MS	45000	Délai d'une requête, de 1000 à 120000.
BOOKS_MAX_RETRIES	3	Tentatives après un échec passager, de 0 à 8.
BOOKS_CACHE_TTL_MS	900000	Durée pendant laquelle une réponse reste en mémoire, de 0 à 86400000.
BOOKS_CACHE_MAX_ENTRIES	200	Réponses gardées en mémoire à la fois, de 1 à 5000.
BOOKS_LOG_LEVEL	error	silent, error, info ou debug, écrit sur la sortie d'erreur.

Une valeur hors de sa plage retombe sur le défaut, et la raison est écrite sur la sortie d'erreur.

Erreurs

Chaque échec porte un des six codes, un message, et quand cela aide une indication du geste suivant.

Code	Ce qui s'est passé	Que faire
not_found	Une archive a répondu, et n'a pas cette notice.	Vérifiez l'identifiant avec search_items.
invalid_input	Les arguments ont été refusés avant toute requête.	Lisez le message, qui nomme l'argument.
rate_limited	Une archive demande à ce client de ralentir.	Attendez, puis rappelez avec les mêmes arguments. La notice est toujours là.
parse_failure	Une réponse est arrivée dans une forme illisible ici.	Signalez-le sur le suivi d'incidents.
network_error	La requête n'a pas abouti.	Réessayez sous peu.
timeout	La requête a dépassé son délai.	Augmentez BOOKS_TIMEOUT_MS, ou demandez moins de lignes.

Une archive qui échoue est rapportée archive par archive plutôt que de faire échouer toute la réponse, donc une archive silencieuse n'en cache jamais d'autres.

Comme bibliothèque

La couche qui lit les trois archives est publiée seule, avec son rythme, son cache et ses erreurs, sans protocole attaché.

import { BooksClient } from "mcp-books/client";

const client = new BooksClient();
const read = await client.searchItems({ query: "beaumont light-house", limit: 3 });
console.log(read.data.rows.length);

Chaque lecture répond { data, cached }, et lève une erreur portant un des six codes. Chaque archive garde son propre rythme, et son plancher tient également ici.

Rythme et attribution

Chaque archive est cadencée pour elle-même, une requête à la fois, et c'est le plus large de son propre plancher et de l'intervalle configuré qui gouverne : la Library of Congress publie le plus lent, et interroger les trois à la fois coûte donc à chacune une requête plutôt que trois. Le User-Agent se termine toujours par l'identité du projet et une adresse où joindre une personne.

Chaque notice porte l'adresse de sa page et l'attribution que son archive demande. Les documents de l'Internet Archive appartiennent à ceux qui les ont déposés, les notices de la Library of Congress énoncent leurs propres droits, et la BnF demande que la source et la date de récupération soient indiquées partout où ses métadonnées sont montrées.

Ce MCP est un projet non officiel, sans affiliation à aucune des archives qu'il lit.

Confidentialité

Ce serveur ne collecte rien sur vous et n'envoie rien à son auteur. Il tourne sur votre machine, ne joint que archive.org, openlibrary.org, www.loc.gov et data.bnf.fr, garde ses réponses en mémoire le temps qu'il tourne, et n'écrit rien sur le disque. PRIVACY.md dit ce qu'une requête emporte et quels réglages changent cela.

Développement

npm install
npm run build:fixtures
npm test
npm run check

Les tests s'exécutent sur des fixtures engendrées et n'émettent aucune requête. La suite en direct, npm run test:live, émet une requête par route et tourne chaque nuit contre les archives elles-mêmes.

Contribuer

Les anomalies, les questions et les idées ont leur place dans le suivi d'incidents. Les propositions de modification sont bienvenues ; ouvrir un ticket d'abord aide à s'accorder sur la forme du changement. Voir CONTRIBUTING.md.

Licence

MIT, voir LICENSE. Les notices appartiennent aux archives qui les ont publiées et à ceux qui les y ont déposées.