📑 Errataを持つ仕様書をMCP/RAGへ取り込む設計パターン

訂正文書（Errata / 正誤表）を持つ仕様書・規格・法令・社内規程を MCP / RAG で LLM から参照可能にするときの取り込みパターンを、実在の MCP サーバ pdf-spec-mcp の PDF 2.0 Errata Collection 3（EC3）対応事例を軸に構造化します。本稿は特定プロダクトの解説ではなく、訂正文書を持つデータソース共通の取り込み方法論として提示します。pdf-spec-mcp / pdf-reader-mcp は具体例として扱います。

検証日: 2026-07-12 ／ 対象: pdf-spec-mcp v0.3.0・pdf-reader-mcp・PDF 2.0 Errata Collection 3（EC3, 2026 年 6 月公開）

概要

解く問題

訂正文書を持つ文書を素朴にファイル配置するだけで取り込むと、「沈黙する不具合（エラーも警告も出さずに古い情報が正として扱われる）」が発生します。主な問題は次の 4 つです。

• 命名規約の変化による検出失敗: 世代間でファイル名規則が変わると、自動検出が壊れます（例: -ec2.pdf → _EC3.pdf）。
• 辞書順依存の誤選択: 複数世代のファイルが共存すると、ファイル名の ASCII 順で「どちらを正とするか」が決まり、旧版が優先されます。
• 訂正内容の不可視性: 訂正が PDF 注釈（アノテーション）で実装されている場合、通常のテキスト抽出では訂正内容が見えません。
• 失敗の沈黙: これらの失敗はエラーを出さずに進行するため、利用者は古い情報を正として扱ってしまいます。

このパターンは、実在の MCP サーバ pdf-spec-mcp が PDF 2.0 仕様書（ISO 32000-2）の Errata Collection 3（EC3）対応で直面した問題と解決策を軸に、訂正文書を持つデータソース全般へ適用できる取り込みアーキテクチャを示します。

位置づけ

本パターンは、MCP / RAG 実装における「ドキュメントのバージョン管理・鮮度判定・訂正の可視化」という観測性（Observability）の課題に対する具体的な解決パターンです。取り込みの段階で誤った版を選択すると、その後のすべての参照が汚染されます。

なぜ今重要か

LLM の活用が進む中、参照元ドキュメントの正確性と最新性は信頼性の要です。次の文脈で重要性が高まっています。

• 規制・コンプライアンス: 法令や規格の正誤表が反映されないと、誤った実装や違反リスクが生じます。
• ドキュメント QA の信頼性: RAG で古い版を参照すると、誤答や時代遅れの情報を返します。
• 沈黙する失敗の危険性: エラーが出ずに進行する不具合は、発見が遅れ影響範囲が広がります。

関連技術との関係

RAG における既知の課題と本パターンの対応を次に示します。

素朴な取り込みとの比較

ユースケース別の推奨

特徴

本パターンの主要な特徴を列挙します。

• 世代更新検出: 訂正文書が「追加パッチ」か「完全置き換え」かを判別し、取り込み戦略を選びます。EC3 は EC2 の完全置き換えであり、両者を同時に参照する必要はありません。
• 配列順＝優先度: 同一論理 ID に複数ファイルがマッチした場合、ファイル名の辞書順ではなく、パターン定義の配列順序を優先度とします。区切り文字（- と _）の ASCII 値に実装が依存しなくなります。
• 意味的鮮度判定: バイトレベルのハッシュ差分だけでは内容変更を判定できません。ページ数・タイトル・メタデータ・アウトライン構造を比較します。スポンサー版 PDF はダウンロード時に利用者名スタンプが埋め込まれ、バイト列が毎回変わります。
• 注釈対応抽出: 訂正が PDF 注釈で実装されている場合、通常のテキスト抽出 API では訂正内容を取得できません。注釈取得ツール（inspect_annotations）と連携します。
• 沈黙する失敗の可視化: 最も危険なのは、エラーも警告も出さずに古い版が参照される状態です。重複 ID のスキップを debug ログに残し、実際に採用されたファイルは list_specs の filename で確認します。

制約と既知の課題

本パターンを適用する前に、次の制約と「実装済み範囲」を理解してください。

実装済みの範囲と一般化した提案の区別

pdf-spec-mcp v0.3.0 が実際に持つのは、パターン優先度による登録（配列順＝優先度、重複 ID は debug ログを出して先勝ち）と、list_specs / get_structure / get_section / search_spec / get_requirements / get_definitions / get_tables / compare_versions の 8 ツールです。本稿の「鮮度判定器」「注釈統合」「フォールバック警告」「意味的鮮度判定関数」などは、取り込みパターンとして一般化した推奨・将来設計であり、v0.3.0 に実装されたコンポーネントではありません。掲載するコードは移植用の実装案です。

注釈自動統合は未実装

errata が PDF 注釈として実装されている場合、本文取得（get_section）と注釈確認（inspect_annotations）を 2 回呼び出す必要があります。1 回で本文と errata を統合取得する機能は今後の課題です。

世代間比較の制約

compare_versions は PDF 1.7 対 PDF 2.0 の固定比較です。EC2↔EC3 のような同一論理 ID の世代間比較には使えません（レジストリには優先された一方しか残りません）。世代差は、2 つのディレクトリで別々に起動して get_structure 出力を突き合わせるか、外部 PDF diff で確認します。

数値の出典階層

「1,020 → 1,023 ページ」「985 → 988 セクション」「page 40 の注釈内訳」は、pdf-spec-mcp / 起点記事による実測値です。PDF Association の公式発表が直接示すのは errata 356 件・766 編集・追補 20 ページ等です。両者を区別して扱います。

自動検出はファイル名規則に依存

自動検出は、ファイル名に世代表記が含まれ、区切り文字が - または _ であることを前提とします。完全にランダムな命名や論理 ID を推測できない命名には、手動登録などの別手段が要ります。

構造

訂正文書対応の仕様書取り込みパイプラインの論理構造を、C4 モデルの 3 段階（システムコンテキスト / コンテナ / コンポーネント）で表現します。コンポーネント図のみ具体例（pdf-spec-mcp / pdf-reader-mcp）を用います。

システムコンテキスト図

コンテナ図

MCPプロトコル層

自動検出 優先度解決層

内容抽出層

品質保証層

図の各層のうち、pdf-spec-mcp v0.3.0 に実装済みなのは「自動検出・優先度解決層」と各ツールです。「鮮度判定器」や後述の本文・errata 統合（Merge）は、取り込みパターンとして一般化した提案・将来設計であり、実装済みコンポーネントではありません（詳細は「制約と既知の課題」を参照）。

コンポーネント図

各コンテナの内部を具体実装例（pdf-spec-mcp / pdf-reader-mcp）で示します。

自動検出 優先度解決層

内容抽出層

品質保証層

処理フローと落とし穴の位置付け

データ

以下は取り込みパターンを説明するために一般化した論理モデルです。pdf-spec-mcp の実在する型定義やレスポンスそのものではありません（SpecPattern など一部は実装に対応しますが、SpecGeneration / ErrataCollection / FreshnessSignal 等は論理モデルです）。

概念モデル

エンティティ間の所有関係（入れ子）と利用関係（矢印）で表現します。

情報モデル

主要属性のみ記載します（メソッドなし）。多重度は文字列で表記します。

EC3 の数値（実例）

編集の実装方法別内訳（公式アナウンス）です。errata 本文はページのコンテンツストリームではなく PDF 注釈として実装されています。

補足: 内訳の合計は 765（322 + 200 + 124 + 113 + 6）で、公式が示す「766 編集」と 1 件の差があります。差の理由は公式発表・起点記事とも明記していません。数値は起点記事と公式アナウンスの表記をそのまま採用しています。

構築方法

前提条件

pdf-spec-mcp のインストールと起動

pdf-spec-mcp は npm パッケージ @shuji-bonji/pdf-spec-mcp（2026 年 7 月時点の最新は 0.3.0）として提供され、MCP クライアントから npx 経由で起動します。

デバッグ用途でシェルから直接起動する場合は次のとおりです。

PDF_SPEC_DIR=/path/to/pdf-specs npx -y @shuji-bonji/pdf-spec-mcp

環境変数は次の 1 つです。

仕様書 PDF の入手と配置

仕様書 PDF はパッケージに含まれません。利用者が PDF Association の Sponsored Standards から入手し、PDF_SPEC_DIR に配置します。ISO 32000-2（PDF 2.0）は Adobe・Apryse・Foxit のスポンサードにより無償で入手できます。無償版には ISO 承認済みと業界承認済みの正誤表（errata）が注釈として適用されており、そのまとまりが Errata Collection です。

pdf-spec-mcp は最大 17 種の PDF 関連文書をファイル名パターンで自動検出します。すべてを配置する必要はなく、必要な仕様書のみを配置できます（最低限 ISO 32000-2 の配置を推奨）。検出パターンと論理 ID の主な対応は次のとおりです（src/config.ts の SPEC_PATTERNS からの抜粋・簡略表記。EC3・EC2・原版・PDF 1.7 のパターンは厳密一致で、TS・PDF/UA のパターンは版・サフィックスを許容する .*\.pdf$ を含みます。完全な式は config.ts を参照してください）。

EC3 と EC2 は同じ論理 ID（iso32000-2）を共有し、パターン配列の順序で EC3 が優先されます（詳細は「運用」「ベストプラクティス」を参照）。

MCP クライアント設定

Claude Desktop の場合、claude_desktop_config.json に次を追加します。Cursor も同形式の mcpServers を用います。VS Code は .vscode/mcp.json のトップレベルキーが servers である点が異なります（command / args / env の中身は同じです）。

{
  "mcpServers": {
    "pdf-spec": {
      "command": "npx",
      "args": ["-y", "@shuji-bonji/pdf-spec-mcp"],
      "env": {
        "PDF_SPEC_DIR": "/path/to/pdf-specs"
      }
    }
  }
}

pdf-reader-mcp のセットアップ

pdf-reader-mcp は PDF 内部構造の解読に特化した姉妹プロジェクトです。errata の注釈を確認する際に併用します。主要ツールは階層構造になっています。

errata 確認に使うのは tier2 の inspect_annotations です（上表は主要ツール例で、網羅ではありません）。

利用方法

共通パラメータ

以下の JSON レスポンスは、構造を示すための代表例です（実際のフィールドは版・ツールにより異なります）。数値（totalPages 1023 / totalSections 988 等）は起点記事および pdf-spec-mcp v0.3.0 による実測値です。PDF Association の公式発表が直接示すのは追補 20 ページ等であり、総ページ数・セクション数は実測値として扱います。

list_specs（仕様書一覧）

利用可能な仕様書を一覧表示し、返却された ID を他ツールの spec に使います。

{
  "specs": [
    {
      "id": "iso32000-2",
      "title": "ISO 32000-2:2020 (PDF 2.0) with Errata Collection 3",
      "filename": "ISO_32000-2_sponsored_EC3.pdf",
      "category": "standard"
    }
  ]
}

get_structure（目次取得）

セクション階層（目次ツリー）と totalPages / totalSections を取得します。

{
  "spec": "iso32000-2",
  "totalPages": 1023,
  "totalSections": 988,
  "sections": [
    { "title": "7.3.4 String objects", "page": 40 },
    { "title": "Additional errata pages", "page": 1004 }
  ]
}

get_section（セクション内容取得）

指定セクションの構造化コンテンツ（見出し・段落・リスト・表・注記）を取得します。v0.3.0 の入力は spec（省略可）と必須の section（節番号）だけです。ページ範囲はレスポンス側の pageRange として返ります。

{
  "name": "get_section",
  "arguments": {
    "spec": "iso32000-2",
    "section": "7.3.4"
  }
}

search_spec / get_requirements / get_definitions / get_tables

compare_versions（バージョン比較）

PDF 1.7（ISO 32000-1）と PDF 2.0（ISO 32000-2）のセクション構造をタイトルベースで比較します。入力は section（省略時は全トップレベル）だけです。PDF 1.7 ファイル（PDF32000_2008.pdf）と PDF 2.0 ファイルの両方が PDF_SPEC_DIR に必要です。

このツールは PDF 1.7 対 PDF 2.0 の固定比較です。EC2 と EC3 は同じ論理 ID（iso32000-2）でレジストリに片方しか残らないため、compare_versions で EC2↔EC3 を比較することはできません。世代間の差分を見るには、2 つのディレクトリで別々に起動して get_structure の出力を突き合わせるか、外部の PDF diff を使います。

inspect_annotations（注釈確認）と errata 確認ワークフロー

errata の多くが注釈として実装されている場合、本文テキスト抽出では適用済み修正を確認できません。pdf-reader-mcp（tier2）の inspect_annotations で注釈を確認します。inspect_annotations は必須の file_path に加え、任意の pages と response_format を受け取ります。次は 7.3.4 節（String objects）のある page 40 について、起点記事に載る著者の実測例です（レスポンス形式は版により異なります）。

// pdf-reader-mcp（v0.6.2）: 必須 file_path + 任意 pages / response_format
inspect_annotations({
  file_path: "/path/to/pdf-specs/ISO_32000-2_sponsored_EC3.pdf",
  pages: "40",
  response_format: "json"
})

上記の呼び出しに対する出力の実測例です。

{
  "totalAnnotations": 13,
  "byType": {
    "Link": 9,
    "Popup": 2,
    "Caret": 1,
    "Text": 1
  }
}

Caret はテキスト挿入 errata、Text は付箋（sticky note）errata に対応します。条文と errata を突き合わせる手順は 2 ステップです。

1. pdf-spec-mcp の get_section で条文を取得し、レスポンスの pageRange でページ番号を得る。
2. pdf-reader-mcp の inspect_annotations に対象 PDF の file_path と該当ページ（pages）を渡し、errata 注釈を確認する。

この 2 回の呼び出しで、条文の本文と適用された errata の両方を把握できます。現状では errata 注釈を get_section の結果へ自動統合する機能はなく、恒久対応は今後の課題です。

一般化パターンの実装案（他ドメインへの移植）

「配列順＝優先度」で世代を解決する検出器の実装案です。pdf-spec-mcp v0.3.0 の src/config.ts / src/services/pdf-registry.ts を参照した実装例であり、規格・法令・社内規程・API 仕様など訂正文書を持つ任意のデータソースに移植できます。

interface SpecPattern {
  pattern: RegExp;
  id: string;
  title: string;
}

// 配列順 = 優先度（最新版を先頭、旧版をフォールバック）
const SPEC_PATTERNS: SpecPattern[] = [
  {
    pattern: /ISO_32000-2_sponsored[-_]ec3\.pdf$/i,
    id: 'iso32000-2',
    title: 'ISO 32000-2:2020 (PDF 2.0) with Errata Collection 3',
  },
  {
    pattern: /ISO_32000-2_sponsored[-_]ec2\.pdf$/i,
    id: 'iso32000-2',
    title: 'ISO 32000-2:2020 (PDF 2.0) with Errata Collection 2',
  },
];

async function discoverSpecs(dir: string) {
  const registry = new Map<string, string>();
  const files = await readdir(dir);
  const pdfFiles = files.filter((f) => f.toLowerCase().endsWith('.pdf'));

  // 1. ファイル名を SPEC_PATTERNS の優先度順にソート（readdir 順に依存しない）
  const prioritized = pdfFiles
    .map((filename) => ({
      filename,
      patternIndex: SPEC_PATTERNS.findIndex((p) => p.pattern.test(filename)),
    }))
    .sort((a, b) => a.patternIndex - b.patternIndex);

  // 2. 優先度順に処理
  for (const { filename, patternIndex } of prioritized) {
    if (patternIndex < 0) {
      console.debug(`Skipping unrecognized file: ${filename}`);
      continue;
    }
    const pattern = SPEC_PATTERNS[patternIndex];
    // 3. 同一 ID が既に登録済みならスキップ（先勝ち）
    if (registry.has(pattern.id)) {
      console.debug(`Duplicate match for "${pattern.id}", keeping first`);
      continue;
    }
    registry.set(pattern.id, join(dir, filename));
  }
  return registry;
}

運用

世代更新の運用フロー

訂正文書の新版（例: EC2 → EC3）がリリースされたときの手順です。

1. 新版ファイルの配置と優先度確認

2. 鮮度の意味的検証

ハッシュ差分だけに頼らず、意味レベルで内容変更を確認します。

// get_structure の出力を比較する
{
  "totalPages": 1023,      // EC2: 1020 -> EC3: 1023
  "totalSections": 988,    // EC2: 985 -> EC3: 988
  "sections": [
    { "title": "Additional errata pages", "page": 1004 }
  ]
}

TS 32003 / 32004 / 32005 はファイルサイズが旧版と異なりますが、ページ数・タイトル・内容は同一でした。公式アナウンスの "Other sponsored ISO publications are unchanged since Errata Collection 2" と一致します。実質の更新は 3 ファイル（ISO 32000-2 本体、TS 32001、TS 32002）だけです。

3. リグレッション確認

更新検出の運用

命名規約の変化を監視し、パターン配列を更新します。検出優先度については、EC4 が出たら配列の先頭にエントリを 1 つ追加するだけで対応できます（あわせて PDF_CONFIG.primaryPdf・タイトル・README・テストの更新は必要です）。

// EC4 が出た場合の対応（配列の先頭に追加）
const SPEC_PATTERNS = [
  { pattern: /ISO_32000-2_sponsored[-_]ec4\.pdf$/i, id: 'iso32000-2', title: 'PDF 2.0 with EC4' },
  { pattern: /ISO_32000-2_sponsored[-_]ec3\.pdf$/i, id: 'iso32000-2', title: 'PDF 2.0 with EC3' },
  { pattern: /ISO_32000-2_sponsored[-_]ec2\.pdf$/i, id: 'iso32000-2', title: 'PDF 2.0 with EC2' },
];

ベストプラクティス

訂正文書を持つ任意のデータソース（規格、法令、社内規程、API 仕様など）を RAG/MCP で扱う際の一般化されたベストプラクティスです。

世代優先度は明示配列で管理する

暗黙の辞書順（readdir 順、ASCII コード順）に依存せず、パターン配列の順序で優先度を表現します。ファイル一覧をパターン優先度順にソートしてから登録し、同一論理 ID は最初にマッチしたファイルを採用します（first-wins）。

// 悪い例: readdir 順に依存（ファイル名の辞書順で決まる）
const files = fs.readdirSync(dir);
for (const file of files) {
  if (pattern.test(file) && !registered.has(id)) {
    register(file);
  }
}

// 良い例: パターン優先度順にソート
const prioritized = files
  .map((filename) => ({
    filename,
    patternIndex: SPEC_PATTERNS.findIndex((p) => p.pattern.test(filename)),
  }))
  .filter((f) => f.patternIndex >= 0)
  .sort((a, b) => a.patternIndex - b.patternIndex);

訂正の可視化を設計に含める

テキスト抽出層だけでなく、注釈取得機能も提供します。注釈タイプ（挿入・付箋・取り消し線・添付）を分類して返し、ページ番号ベースで本文取得ツールと注釈確認ツールを連携させます。追補ページの存在は、アウトライン抽出時に特殊セクションとして明示します。

沈黙する失敗を可視化する

v0.2.x では、旧版が黙って勝つ・期待ファイルが未検出という問題がエラーも警告も出さずに発生していました。検出失敗時に警告を出し、フォールバック使用時は明示し、優先度スキップを記録します。

if (!registered.has(id)) {
  console.log(`Registered ${id} from ${filename} (priority: ${patternIndex})`);
  register(filename, id, title, { priority: patternIndex });
} else {
  console.warn(`Skipped ${filename} for ${id} (already registered with higher priority)`);
}

鮮度の意味的判定を行う

命名規約変更への耐性を高める

世代ごとにパターンを分離し、緩い .* を避け、区切り文字は [-_] で吸収し、大文字小文字は i フラグで吸収します。将来世代は配列先頭への追加で対応します。

// 良い例: 厳密で拡張容易なパターン
const SPEC_PATTERNS = [
  { pattern: /ISO_32000-2_sponsored[-_]ec3\.pdf$/i, id: 'iso32000-2' },
  { pattern: /ISO_32000-2_sponsored[-_]ec2\.pdf$/i, id: 'iso32000-2' },
];

// 悪い例: 緩すぎて世代を区別できない
const SPEC_PATTERNS_BAD = [
  { pattern: /ISO_32000-2.*\.pdf$/i, id: 'iso32000-2' },
];

他ドメインへの適用と取り込みチェックリスト

訂正文書を RAG に取り込むときのチェックリストです。

• 訂正文書が「完全置き換え」か「追加パッチ」かを確認した
• 世代優先度を明示配列で定義した
• 命名規約のバリエーション（区切り文字、大文字小文字）に対応した
• ファイル一覧をパターン優先度順にソートしている
• 訂正内容の抽出方法（注釈／差分／追補ページ）を把握した
• 鮮度判定をハッシュだけでなく意味レベルで行っている
• 検出失敗・フォールバック時に警告を出すようにした
• リグレッション確認用のテストケースを用意した

トラブルシューティング

よくある誤解

まとめ

訂正文書（Errata）を持つ仕様書を MCP/RAG に取り込むときは、命名規約の変化・世代共存・注釈実装・沈黙する失敗という 4 つの落とし穴が同時に効きます。pdf-spec-mcp v0.3.0 の「配列順＝優先度」による世代解決と、pdf-reader-mcp の注釈確認を組み合わせる設計は、規格・法令・社内規程など訂正文書を持つデータソースへ世代解決の基本部品として応用できます。ただし法令や医薬品文書では、first-wins だけでなく施行日・適用範囲・経過措置・廃止状態といった時間軸を別途モデル化します。

この記事が少しでも参考になった、あるいは改善点などがあれば、ぜひリアクションやコメント、SNSでのシェアをいただけると励みになります！

参考リンク

起点・解説記事

• PDF 2.0 Errata Collection 3 対応と落とし穴（Zenn / shuji_bonji）
• pdf-spec-mcp の紹介記事（Zenn / shuji_bonji）

実装（一次ソース）

• pdf-spec-mcp（GitHub）
• pdf-spec-mcp config.ts（raw）
• pdf-spec-mcp pdf-registry.ts（raw）
• pdf-reader-mcp（GitHub）
• @shuji-bonji/pdf-spec-mcp（npm）

標準・仕様（プロバイダ公式）

• PDF 2.0 Errata Collection 3 Now Available（PDF Association）
• Sponsored Standards（PDF Association）
• pdf-association/pdf-issues（GitHub）

関連技術

• Model Context Protocol 公式ドキュメント
• C4 model for visualising software architecture
• PDF.js API documentation