MCP Document Reader (MCP 文档读取器)

MCP（模型上下文协议）文档读取器 - 一个支持读取与生成 Office、PDF、文本、EPUB 和演示文档的多格式 MCP 服务。

🌐 语言: English | 中文

功能特性

• 读写一体：既能读取文档，也能根据结构化参数生成 Word / PowerPoint 文件
• 广泛格式支持：支持 TXT、CSV、Markdown、DOC、DOCX、PDF、PPT、PPTX、EPUB、XLSX、XLS
• 结构化写作：支持段落、表格、标题页、要点页和演示表格生成
• 兼容旧格式导出：在安装 LibreOffice 时，可导出 .doc 和 .ppt
• MCP 协议：符合 MCP 标准，可作为 AI 助手（如 Trae IDE）的工具使用
• 易于集成：简单配置即可立即使用
• 可靠性能：自动化测试覆盖读取、生成、转换回退和工具接口
• 文件系统支持：直接从文件系统读取和写入文档

---

📚 文档中心

用户指南 · API 参考 · 贡献指南 · 更新日志 · 许可证

---

架构

graph TB
    A[AI Assistant / User<br/>AI 助手 / 用户] -->|Call MCP tools<br/>调用 MCP 工具| B[MCP Document Reader<br/>MCP 文档读取器]
    B -->|Read<br/>读取| C[Document Readers<br/>文档读取器]
    B -->|Generate<br/>生成| D[Document Writers<br/>文档生成器]
    C -->|TXT / CSV / MD| E[Text-based Readers<br/>文本类读取器]
    C -->|DOC / DOCX| F[Word Readers<br/>Word 读取器]
    C -->|PPT / PPTX| G[Presentation Readers<br/>演示读取器]
    C -->|PDF / EPUB / Excel| H[Structured Readers<br/>结构化读取器]
    D -->|write_word_document| I[DOCX Builder<br/>DOCX 生成器]
    D -->|write_presentation| J[PPTX Builder<br/>PPTX 生成器]
    I -->|Optional conversion<br/>可选转换| K[LibreOffice -> DOC]
    J -->|Optional conversion<br/>可选转换| L[LibreOffice -> PPT]
    E --> M[Return text / metadata<br/>返回文本 / 元数据]
    F --> M
    G --> M
    H --> M
    K --> M
    L --> M
    M --> A
    
    style A fill:#e1f5ff
    style B fill:#fff4e1
    style C fill:#f0f0f0
    style D fill:#e8f5e9
    style E fill:#e8f5e9
    style F fill:#e8f5e9
    style G fill:#e8f5e9
    style H fill:#fff9c4

支持的格式

能力	格式	扩展名	说明
读取	文本	.txt	支持多编码文本提取
读取	CSV	.csv	归一化为制表符分隔文本
读取	Markdown	.md, .markdown	直接提取 Markdown 文本
读取	Word	.doc, .docx	.doc 通过命令 / LibreOffice 回退读取
读取	PDF	.pdf	提取文本
读取	PowerPoint	.ppt, .pptx	.pptx 原生解析，.ppt 回退读取
读取	EPUB	.epub	基于 spine 顺序提取章节
读取	Excel	.xlsx, .xls	提取工作表和单元格内容
生成	Word	.docx	原生生成，支持段落和表格
生成	Word	.doc	通过 docx -> doc 的 LibreOffice 转换生成
生成	PowerPoint	.pptx	原生生成，支持标题、正文、要点、表格
生成	PowerPoint	.ppt	通过 pptx -> ppt 的 LibreOffice 转换生成

安装

使用 pip (推荐)

pip install mcp-documents-reader

如果需要 PowerPoint 生成功能，请确保运行环境中可用 python-pptx。

如果需要导出旧格式 .doc 或 .ppt，请安装 LibreOffice，并确保 soffice 或 libreoffice 已加入 PATH。

从源码安装

git clone https://github.com/xt765/mcp_documents_reader.git
cd mcp_documents_reader
pip install -e .

MCP 工具

本服务器提供以下工具：

read_document

使用统一接口读取任何支持的文档类型。

参数：

• filename (string, 必填): 文档文件路径，支持绝对路径或相对路径。

extract_document_images

提取 DOCX 文件中的嵌入图片，并返回结构化 JSON 元数据。

参数：

• filename (string, 必填): DOCX 文件路径。
• output_dir (string, 可选): 导出图片的目录。

write_word_document

生成 .docx Word 文档，或通过 LibreOffice 转换导出 .doc。

参数：

• filename (string, 必填): 输出路径，后缀必须为 .docx 或 .doc。
• title (string, 可选): 文档标题。
• paragraphs (string 数组, 可选): 按顺序写入的段落。
• tables (object 数组, 可选): 表格定义，支持 title、headers、rows。

write_presentation

生成 .pptx 演示文稿，或通过 LibreOffice 转换导出 .ppt。

参数：

• filename (string, 必填): 输出路径，后缀必须为 .pptx 或 .ppt。
• title (string, 可选): 标题页标题。
• subtitle (string, 可选): 标题页副标题。
• slides (object 数组, 可选): 幻灯片定义，支持 title、paragraphs、bullets、table。

配置

在 Trae IDE / Claude Desktop 中使用

将以下内容添加到您的 MCP 配置文件中：

选项 1：使用 PyPI (推荐)

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

选项 2：使用 GitHub 仓库

{
  "mcpServers": {
    "mcp-document-reader": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/xt765/mcp_documents_reader",
        "mcp_documents_reader"
      ]
    }
  }
}

选项 3：使用 Gitee 仓库（国内访问更快）

{
  "mcpServers": {
    "mcp-document-reader": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://gitee.com/xt765/mcp_documents_reader",
        "mcp_documents_reader"
      ]
    }
  }
}

使用方法

作为 MCP 工具使用

配置完成后，AI 助手可以直接调用以下工具：

# 读取 DOCX 文件
read_document(filename="example.docx")

# 读取演示文稿
read_document(filename="example.pptx")

# 生成 DOCX 报告
write_word_document(
    filename="report.docx",
    title="周报",
    paragraphs=["本周总结", "下周计划"],
    tables=[
        {
            "title": "指标表",
            "headers": ["名称", "数值"],
            "rows": [["线索", 42], ["成交", 8]],
        }
    ],
)

# 生成 PPTX 汇报
write_presentation(
    filename="briefing.pptx",
    title="季度汇报",
    subtitle="Q2",
    slides=[
        {
            "title": "亮点",
            "paragraphs": ["概述段落"],
            "bullets": ["重点 A", "重点 B"],
        }
    ],
)

作为 Python 库使用

from mcp_documents_reader import DocumentReaderFactory

# 使用工厂类（推荐）
reader = DocumentReaderFactory.get_reader("document.pdf")
content = reader.read("/path/to/document.pdf")

# 检查格式是否支持
if DocumentReaderFactory.is_supported("file.xlsx"):
    reader = DocumentReaderFactory.get_reader("file.xlsx")
    content = reader.read("/path/to/file.xlsx")

工具接口详情

read_document

读取任何支持的文档类型。

参数	类型	必填	描述
filename	string	✅	文档文件路径，支持绝对路径或相对路径

extract_document_images

提取 DOCX 文件中的嵌入图片。

参数	类型	必填	描述
filename	string	✅	DOCX 文件路径
output_dir	string	❌	可选的图片导出目录

write_word_document

直接生成 DOCX，或通过 LibreOffice 转换导出 DOC。

参数	类型	必填	描述
filename	string	✅	输出路径，后缀必须为 .docx 或 .doc
title	string	❌	可选文档标题
paragraphs	string[]	❌	按顺序写入的段落
tables	object[]	❌	表格定义，支持 title、headers、rows

write_presentation

直接生成 PPTX，或通过 LibreOffice 转换导出 PPT。

参数	类型	必填	描述
filename	string	✅	输出路径，后缀必须为 .pptx 或 .ppt
title	string	❌	标题页标题
subtitle	string	❌	标题页副标题
slides	object[]	❌	幻灯片定义，支持 title、paragraphs、bullets、table

依赖

核心依赖

• mcp >= 1.26.0 - MCP 协议实现
• python-docx >= 1.2.0 - DOCX 读取和 Word 文档生成
• python-pptx >= 0.6.23 - PowerPoint 文档生成
• pypdf >= 6.8.0 - PDF 文件读取（替代 PyPDF2）
• openpyxl >= 3.1.5 - Excel 文件读取

可选运行时依赖

• LibreOffice - 如果要导出旧格式 .doc 或 .ppt，则必须安装
• antiword / catppt - 旧格式 .doc / .ppt 读取时的可选辅助命令

开发依赖

• pytest >= 8.0.0 - 测试框架
• pytest-asyncio >= 0.24.0 - 异步测试支持
• pytest-cov >= 6.0.0 - 覆盖率报告
• basedpyright >= 0.28.0 - 类型检查
• ruff >= 0.8.0 - 代码检查和格式化

许可证

本项目以 MIT License 协议开源。

本项目基于优秀的开源项目 xt765/mcp_documents_reader 进行二次开发，并在其基础上做了进一步增强。

我们当前主要新增和增强了以下能力：

• 文档内图片提取能力
• Word 与 PowerPoint 文档写作、生成工作流
• 面向 MCP 场景的更完整文档创作支持

非常感谢原仓库作者提供的基础能力与开源工作。

贡献

欢迎提交 Issue 和 Pull Request！

相关项目

• MCP Document Converter - MCP 文档转换器，支持多种格式转换
• Model Context Protocol - 模型上下文协议官方文档