MCP Doc Reader

MCP文档阅读器

英语 | 中文

A. 模型上下文协议（MCP） 服务器，使AI助手能够从PDF、Excel和Word文档中读取和提取内容。

特性

• PDF阅读：使用从PDF文件中提取文本内容 pdfminer.six
• Excel读取：阅读 .xlsx 和 .xls 带有格式化表格输出的文件
• 读字：从中提取文本和表格 .docx 文件
• 交叉平台的：适用于Windows、Linux和macOS
• Unicode支持：完全支持非ASCII字符（中文、日文等）

安装

使用uvx（推荐）

uvx mcp-doc-reader

使用pip

pip install mcp-doc-reader

来自源头

git clone https://github.com/yourusername/mcp-doc-reader.git
cd mcp-doc-reader
pip install -e .

配置

将以下内容添加到MCP客户端配置中（例如，Claude Desktop、Cursor）：

选项1：使用uvx（推荐）

{
  "mcpServers": {
    "DocReader": {
      "command": "uvx",
      "args": ["mcp-doc-reader"]
    }
  }
}

选项2：使用pip安装命令

{
  "mcpServers": {
    "DocReader": {
      "command": "mcp-doc-reader"
    }
  }
}

选项3：支持Unicode的Windows

对于具有非ASCII文件路径（例如，中文字符）的Windows系统：

{
  "mcpServers": {
    "DocReader": {
      "command": "cmd",
      "args": [
        "/c",
        "chcp 65001 >nul && uvx mcp-doc-reader"
      ]
    }
  }
}

选项4:带Python模块的Linux/macOS

{
  "mcpServers": {
    "DocReader": {
      "command": "python",
      "args": ["-m", "docreader"]
    }
  }
}

可用工具

read_pdf

从PDF文件中读取文本内容。

参数：

• file_path （string，必填）：PDF文件的绝对路径

例子：

{
  "name": "read_pdf",
  "arguments": {
    "file_path": "/path/to/document.pdf"
  }
}

read_excel

从Excel文件（.xlsx或.xls）读取内容。

参数：

• file_path （字符串，必填）：Excel文件的绝对路径

例子：

{
  "name": "read_excel",
  "arguments": {
    "file_path": "/path/to/spreadsheet.xlsx"
  }
}

read_word

从Word文件（.docx）读取文本内容。

参数：

• file_path （string，必填）：Word文件的绝对路径

例子：

{
  "name": "read_word",
  "arguments": {
    "file_path": "/path/to/document.docx"
  }
}

使用示例

配置后，您可以要求您的AI助手：

• “阅读/path/to/report.pdf的内容”
• “从/path/to/data.xlsx提取数据”
• “文档/path/to/memo.docx包含什么？”

发展

设置开发环境

git clone https://github.com/yourusername/mcp-doc-reader.git
cd mcp-doc-reader
pip install -e ".[dev]"

运行测试

pytest

构建包

pip install build
python -m build

发布到PyPI

pip install twine
twine upload dist/*

项目结构

mcp-doc-reader/
├── src/
│   └── docreader/
│       ├── __init__.py
│       ├── __main__.py
│       ├── server.py
│       └── readers/
│           ├── __init__.py
│           ├── pdf_reader.py
│           ├── excel_reader.py
│           └── word_reader.py
├── examples/
│   ├── mcp_config_pip.json
│   ├── mcp_config_uvx.json
│   ├── mcp_config_windows.json
│   └── mcp_config_linux.json
├── pyproject.toml
├── README.md
└── LICENSE

故障排除

Windows:Unicode/中文文件名问题

如果在Windows上的文件路径中遇到非ASCII字符问题，请使用将代码页设置为UTF-8的Windows特定配置：

{
  "mcpServers": {
    "DocReader": {
      "command": "cmd",
      "args": ["/c", "chcp 65001 >nul && mcp-doc-reader"]
    }
  }
}

.doc文件不受支持

Word阅读器仅支持 .docx 格式。阅读 .doc 文件，请将其转换为 .docx 首先使用微软Word或LibreOffice。

许可证

MIT许可证-请参阅 许可证 了解详情。

贡献

欢迎投稿！请随时提交拉取请求。