【开源发布】MCP Document Converter:让你的 AI 助手精通 25 种文档转换神技!

【开源发布】MCP Document Converter:让你的 AI 助手精通 25 种文档转换神技!
在这里插入图片描述

  【个人主页:玄同765

大语言模型(LLM)开发工程师中国传媒大学·数字媒体技术(智能交互与游戏设计)

深耕领域:
大语言模型开发 / RAG知识库 / AI Agent落地 / 模型微调

技术栈:Python / LangChain/RAG(Dify+Redis+Milvus)| SQL/NumPy | FastAPI+Docker ️

工程能力:专注模型工程化部署、知识库构建与优化,擅长全流程解决方案 

     

「让AI交互更智能,让技术落地更高效」

欢迎技术探讨/项目合作! 关注我,解锁大模型与智能交互的无限可能!

前言:AI 时代的文档处理困境

【好消息】MCP Document Converter 已正式入驻 MCP 官方 Server 列表,并同步发布至 PyPI!

作为一名开发者,在使用 Trae 或 Claude 等 AI 助手时,你是否也曾感到力不从心?

  • 扔给 AI 一个复杂的 PDF,它却告诉你“无法直接读取”?
  • 想要 AI 帮你把 Markdown 文档导出为格式精美的 Word 或 PDF,却得手动复制粘贴?
  • 网页 HTML 代码太乱,AI 分析起来总是抓不住重点?

为了彻底打通 AI 与各种文档格式之间的“次元壁”,我开发并开源了 MCP Document Converter。就在今天,它已正式入驻 MCP 官方 Server 列表


核心亮点:不仅仅是转换,更是 AI 的“语义翻译官”

MCP Document Converter 是基于 Anthropic 推出的 MCP (Model Context Protocol) 协议开发的。它最大的特点是:让 AI 拥有了操作文档的原生能力。

目前,该工具支持以下 5 种核心格式的双向自由转换,共计 25 种转换组合

  1. 📄 PDF (.pdf):采用结构化提取技术,尽可能保留文档原始层级。
  2. 📘 Word (.docx):支持样式、表格的解析与生成,让 AI 也能写公文。
  3. 🌐 HTML (.html):语义化标签解析,支持自定义 CSS 注入,生成精美页面。
  4. 📝 Markdown (.md):针对 AI 交互优化的 MD 格式,支持 YAML 元数据。
  5. 📃 Text (.txt):最纯粹的文本处理,自动检测编码。

为什么它更懂 AI? 因为它在转换过程中会优先保留文档的语义元数据(如标题、作者、创建时间),确保 AI 在处理文档时不会“断章取义”。


快速上手:三步解锁 AI 的“文档超能力”

我已经将项目发布到了 PyPI,并完美适配了 uv 工具链。你无需下载源码,只需几行配置即可启用。

1. 安装依赖
pip install mcp-document-converter 
2. 配置 AI 助手(以 Trae/Claude 为例)

在你的 MCP 配置文件中添加如下代码:

方式一:通过 uvx 直接运行(推荐,自动管理环境)

{ "mcpServers": { "mcp-document-converter": { "command": "uvx", "args": ["mcp-document-converter"] } } } 

方式二:如果你已经安装到本地环境

{ "mcpServers": { "mcp-document-converter": { "command": "python", "args": ["-m", "mcp_document_converter"] } } } 

实战场景:让 AI 动起来

配置完成后,你可以直接在对话框里给 AI 下指令:

  • 场景 A:“帮我把 docs/guide.md 转成带公司样式的 PDF,存到 output/ 文件夹。”
  • 场景 B:“读取这个 resume.pdf,把它转成 Markdown 格式,然后根据内容提取出候选人的技能列表。”
  • 场景 C:“这个 HTML 页面太乱了,帮我转成干净的 Word 文档发给同事。”

AI 会自动调用 convert_document 接口,在后台静默完成所有工作,你只需要坐享其成。


结语:开源精神与未来

MCP Document Converter 采用插件化架构,未来我会持续增加对更多格式(如 Excel、PPT、EPUB)的支持。

如果你觉得这个工具有所帮助,欢迎:

让我们一起,用 MCP 协议重新定义 AI 的工作流!

Read more

OpenClaw 接入飞书机器人保姆级教程

OpenClaw 接入飞书机器人保姆级教程

如果你的 OpenClaw 已完成初始部署、WebUI 可正常收发回复,现在想接入飞书机器人,这篇教程会带你从创建机器人到配置完成,一步到位。 相信你在部署 OpenClaw 时已经踩过不少坑,这篇文章会帮你尽量避开飞书对接中的常见问题,少走弯路。废话不多说,教程正式开始!原文地址 内置飞书插件 如果您使用的是最新版本的 OpenClaw那么已经内置了 Feishu 插件,通常不需要让我们单独进行安装。 如果您使用的是之前比较旧的版本,或者是没有内置的 Feishu 的插件,可以手动进行安装,执行下方命令: 创建飞书机器人 我们先来创建飞书的应用,我们可以复制下方地址进行一键直达 创建企业自建应用 打开后,我们点击【创建企业自建应用】,如果您还没有飞书账号的话,请先注册飞书的账号后再进行创建应用 我们创建企业自建应用然后输入应用名称和应用描述,还有应用图标,我们都可以自定义进行上传,或者选择其他照片当作应用图标。输入完之后我们点击创建 获取 AppID 和 AppSecret 我们点击凭证与基础信息一栏查看我们的App ID 和 App

RTD1296PB与RK3568在NAS与智能家居中的实战性能较量

1. 从NAS到智能家居:为什么需要关注这两颗芯片? 如果你正在搭建家用NAS系统或者规划智能家居中枢设备,处理器选型绝对是绕不开的关键决策。RTD1296PB和RK3568作为市面上主流的中端ARM处理器,经常让开发者陷入选择困难。我在实际项目中用过这两款芯片,深刻体会到它们的差异不仅体现在参数表上,更直接影响着设备的实际体验。 RTD1296PB是瑞昱半导体面向家庭影音市场推出的老将,凭借出色的视频处理能力和成熟的OpenWRT支持,在早期NAS设备中占据重要地位。而瑞芯微的RK3568则是后来居上的多面手,22nm制程搭配Cortex-A55架构,在保持低功耗的同时提供了更强的扩展性。实测下来,两者的性能差距在日常使用中可能不会立即显现,但在特定场景下会拉开明显差距。 2. 硬件架构深度对比:藏在参数背后的细节 2.1 计算核心与制程工艺 先看最核心的CPU部分,RK3568采用4核Cortex-A55设计,最高主频2.0GHz,相比RTD1296PB的Cortex-A53架构有着明显的IPC提升。我在压力测试中发现,同样的文件压缩任务,RK3568能快15-20%。

Unitree Go2机器人ROS2仿真终极指南:从零构建完整四足机器人仿真方案

Unitree Go2机器人ROS2仿真终极指南:从零构建完整四足机器人仿真方案 【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU 项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk 在机器人技术快速发展的今天,仿真环境已成为算法验证和系统测试不可或缺的环节。本文将为开发者提供完整的Unitree Go2四足机器人在ROS2框架下的Gazebo仿真集成方案,涵盖从基础部署到高级导航功能的完整实现路径。无论是进行步态算法研究、自主导航开发,还是多机器人协同测试,本指南都将为您提供可操作的技术方案。 两种技术路线:轻量级快速部署 vs 全功能定制开发 💡 轻量级快速部署方案 基于官方SDK的快速集成路径,适合需要快速验证基础功能的开发者: 核心优势: * 5分钟完成环境部署 * 开箱即用的基础运动控制 * 完善的传感器数据流 * 多机器人协同支持 技术实现: # 核心启动文件:go2_

基于大疆MSDK实现的无人机视觉引导自适应降落功能

基于大疆MSDK实现的无人机视觉引导自适应降落功能 概述 最初需求:想要无人机在执行完航线任务后,一键落到一个指定的位置,简化人工控制。 实现一套完整的无人机自主降落功能,通过虚拟摇杆控制使无人机飞向指定位置,再利用视觉识别引导无人机精确降落到具体位置。本文中采用自适应降落策略,根据高度动态调整精度要求和下降速度,以实现安全、精确的降落。 核心点: * 虚拟摇杆导航替代FlyTo功能 * 双轴(X/Y)位置偏移实时调整 * 高度自适应降落策略 * 视觉识别引导定位 * 智能避障管理 系统架构 整体流程 否 是 高于50m 20-50m 5-20m 低于5m 是 否 是 否 否 是 用户触发Return to Vehicle 获取无人机GPS位置 计算与目标点距离 启动虚拟摇杆导航 飞向目标位置 5m/s 距离小于10m? 开始自适应降落 视觉识别系统 计算X/Y偏移量