GROBID-skill は何をしますか？
エージェントがGROBIDを使用して研究論文のPDFを構造化JSONおよびTEI XMLに解析するためのスキル
概要
GROBID（GeneRation Of BIbliographic Data）は、機械学習技術を用いて学術論文PDFからメタデータを抽出するオープンソースライブラリです。このスキルは、AIエージェントがGROBIDを簡単に呼び出して以下の操作を行えるようにします。
- PDFファイルの解析を実行
- タイトル、著者、所属機関、要旨、セクション、参考文献などの抽出
- 結果を構造化JSONまたはTEI XMLで取得
対応プラットフォーム
このスキルは以下のエージェントプラットフォームで使用できます。
- Claude Code
- Codex CLI
- その他、ツール実行をサポートするAIエージェント
セットアップ
前提条件
- Python 3.6以上
- GROBIDサーバーが実行中であること（ローカルまたはリモート）
GROBIDサーバーの起動
Dockerを使用する場合:
docker run -d --rm -p 8070:8070 lfoppiano/grobid:0.8.1
または、手動で起動:
cd grobid
./gradlew run
環境変数
GROBID_BASE_URL 環境変数でGROBIDサーバーのURLを設定します（デフォルト: http://localhost:8070）。
使用方法
このスキルは、エージェントが以下の操作を実行できるようにします。
- PDFファイルをGROBIDサービスに送信
- 解析結果をJSONまたはTEI XML形式で受け取る
- 抽出されたメタデータを他のツールやワークフローに渡す
基本的な使用例
# エージェントがこのスキルを使用するコード例
grobid_result = process_pdf("paper.pdf", format="json")
print(grobid_result.title)
print(grobid_result.authors)
機能
- PDF解析: 論文PDFを送信すると、完全な解析結果を返します
- 構造化出力: JSONまたはTEI XML形式で結果を出力
- メタデータ抽出: タイトル、著者、所属機関、参考文献などを認識
- セクション分割: 論文のセクション構造を維持
- 引用抽出: 参考文献リストの個別引用を抽出
トラブルシューティング
- GROBIDサーバーに接続できない場合、
GROBID_BASE_URLが正しいか確認してください - 解析に失敗する場合は、PDFがテキストレイヤーを含んでいることを確認してください（スキャン画像PDFは別途OCRが必要）