【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

致创作的第365天:从Flowable起步,在软考与AIGC中寻找技术人的星辰大海

致创作的第365天:从Flowable起步,在软考与AIGC中寻找技术人的星辰大海

大家好,我是 BOB-wangbaohai。 今天清晨登录后台,收到了一张特别的官方通知卡片。它静静地提醒我:今天,是我成为创作者的第 365 天。 看着屏幕上的“1周年”字样,思绪瞬间被拉回到了去年的今天——2025年4月8日。在那看似平凡的一天里,我敲下了自己博客生涯的第一行文字:《Flowable7.x学习笔记(一)基础环境准备》。 当时的我,只是单纯想把项目中用到工作流引擎的踩坑经验沉淀下来。未曾想,那篇为了“备忘”而写的文章,最终生长成了包含 23篇文章 的专栏,也彻底推开了我技术写作的大门。 回望这 365 天:6个专栏,75个脚印 今天点开后台的“专栏管理”,看着这一行行数据,这 365 天的技术轨迹变得无比清晰。作为一名在日常工作中需要统筹全局的系统架构师,这75篇文章,不仅是技术分享,更是我对自己职业生涯的一次次复盘与死磕。 1. 夯实底座:死磕理论与架构的日与夜 大家如果关注我的专栏,

VSCode 中精准禁用 Copilot 代码补全:按语言与场景灵活配置

1. 为什么需要精准控制 Copilot 代码补全 作为一个用了 VSCode 和 Copilot 好几年的开发者,我深刻体会到 AI 代码补全的双刃剑效应。刚开始用 Copilot 的时候,那种"它怎么知道我要写什么"的惊喜感真的很棒,但后来我发现,在某些场景下,这种自动补全反而会成为负担。 比如我在刷算法题的时候,刚写了个函数名,Copilot 就直接把整个实现都给我补全了。这还训练什么?完全达不到练习的目的。还有时候在写一些特定语言的代码,Copilot 的补全风格和团队规范不一致,每次都要手动调整,反而增加了工作量。 更让我头疼的是在不同项目间切换的时候。有些项目我希望充分利用 Copilot 提高效率,有些项目则需要完全自己动手写代码。如果每次都去全局开关 Copilot,那也太麻烦了。 其实 Copilot 的设计团队早就想到了这些场景,他们在 VSCode 中提供了非常精细的控制方式。不只是简单的开和关,你可以按编程语言禁用,

Copilot 的agent、ask、edit、plan模式有什么区别

Copilot 的 ask、edit、agent、plan 四种模式,核心区别在于权限范围、操作主动性、代码修改权限、适用场景,以下从定义、工作机制、核心特点、典型场景与操作流程展开,帮你快速区分并选对模式。 一、核心区别速览(表格版) 二、分模式详细解析 1. Ask 模式:纯问答与代码理解 * 工作机制:基于当前文件 / 选中代码的上下文,回答自然语言问题,不修改任何代码,仅输出文字解释、建议或思路。 * 典型用法: * 解释某段代码逻辑(如 “这段 Python 函数做了什么”); * 咨询技术方案(如 “如何在 Go 中实现重试机制”); * 调试思路(如 “这个死循环可能的原因”)。 * 关键特点:安全无风险,适合学习、快速澄清和非修改类咨询。

ChatGLM-6B智能写作助手开发指南

ChatGLM-6B智能写作助手开发指南 1. 引言 你有没有过这样的经历?面对空白的文档,脑子里有无数想法,但就是不知道从何下笔。写工作报告时,总觉得语言干巴巴的,缺乏感染力;写营销文案时,绞尽脑汁也想不出吸引人的标题;写技术文档时,又担心表达不够专业准确。 如果你也有这些困扰,那么今天要聊的这个话题可能会让你眼前一亮。基于ChatGLM-6B开发一个智能写作助手,听起来可能有点技术含量,但实际上并没有想象中那么复杂。这个助手不仅能帮你生成各种文体的内容,还能检查语法错误、优化表达风格,甚至根据你的需求调整语气和长度。 我最近就在自己的项目中尝试了这套方案,用下来感觉确实能节省不少时间。特别是那些重复性的写作任务,比如写产品介绍、整理会议纪要、生成邮件模板等等,现在基本上交给助手就能搞定,我只需要做最后的润色和调整。 接下来,我就详细分享一下如何从零开始搭建这样一个智能写作助手,包括环境部署、功能开发、实际应用等各个环节。无论你是开发者想要集成写作功能,还是内容创作者想要提升效率,相信都能从中找到有用的信息。 2. ChatGLM-6B模型简介 在开始动手之前,我们