markdownify-mcp

GitHub
2.6k 210 较难 1 次阅读 今天MIT图像Agent开发框架
AI 解读 由 AI 自动生成,仅供参考

markdownify-mcp 是一款基于模型上下文协议(MCP)构建的开源服务器,旨在充当万能的内容格式转换器。它能将 PDF、图片、音频、Office 文档(Word/Excel/PPT)以及网页内容(包括 YouTube 视频字幕和必应搜索结果)一键转换为结构清晰、易于阅读的 Markdown 文本。

在 AI 应用开发中,大模型往往难以直接理解复杂的二进制文件或杂乱的网页代码。markdownify-mcp 正好解决了这一痛点,它作为中间桥梁,将各类非结构化数据“翻译”成模型最擅长的 Markdown 格式,从而显著提升 AI 处理多模态信息的准确率与效率。此外,它还支持安全地读取本地已有的 Markdown 文件,方便构建连贯的知识库工作流。

这款工具特别适合 AI 应用开发者、研究人员以及需要频繁整理多源资料的技术人员使用。通过简单的配置,即可将其集成到各类支持 MCP 的桌面应用或智能体系统中。其独特的技术亮点在于统一的工具接口设计——无论是提取图片元数据、转录音频内容,还是解析表格数据,都通过标准化的 MCP 工具调用完成,极大地降低了多格式数据处理的开发门槛,让创作者能更专注于内容本身而非格式转换的繁琐细节。

使用场景

一位数据分析师需要快速整合分散在 PDF 报告、YouTube 技术演讲和 Excel 表格中的多源信息,以生成一份统一的市场调研摘要。

没有 markdownify-mcp 时

  • 手动复制 PDF 文字常导致格式错乱,需花费大量时间重新调整标题和列表层级。
  • 观看 YouTube 视频只能依靠人工听写或寻找不准确的自动字幕,难以提取关键论点。
  • 面对 Excel 数据表,必须截图或手动转录为文本,破坏了数据的结构化特征,不利于后续处理。
  • 不同来源的内容格式各异,汇总时需反复切换工具进行清洗,严重打断思考心流。
  • 最终文档风格割裂,缺乏统一的 Markdown 标记,无法直接用于版本控制或知识库归档。

使用 markdownify-mcp 后

  • 调用 pdf-to-markdown 工具一键将复杂排版的 PDF 转为结构清晰的 Markdown,完美保留标题与段落逻辑。
  • 通过 youtube-to-markdown 直接提取视频完整逐字稿并自动分段,瞬间掌握演讲核心内容。
  • 利用 xlsx-to-markdown 将电子表格自动转换为规范的 Markdown 表格,数据行列对齐且易于阅读。
  • 所有异构数据源被统一转化为标准 Markdown 格式,可在同一编辑器中无缝拼接和编辑。
  • 生成的内容天然适配 Git 仓库和静态网站,大幅缩短从资料收集到报告发布的周期。

markdownify-mcp 通过将万物转化为标准化的 Markdown,彻底消除了多源信息整合中的格式壁垒,让知识流转效率倍增。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该项目是一个 MCP 服务器,需先安装 pnpm。运行时会通过 uv 自动安装所需的 Python 依赖。若需限制文件读取目录,可设置 MD_SHARE_DIR 环境变量。集成到桌面应用时需配置 node 命令指向构建后的 dist/index.js 文件。
python未说明 (通过 uv 自动管理)
uv
pnpm
node
markdownify-mcp hero image

快速开始

Markdownify MCP 服务器

markdownify mcp logo

Markdownify 是一个模型上下文协议 (MCP) 服务器,它可以将各种文件类型和网页内容转换为 Markdown 格式。它提供了一组工具,可以将 PDF、图片、音频文件、网页等转换成易于阅读和分享的 Markdown 文本。

Markdownify Server MCP server

功能特性

  • 将多种文件类型转换为 Markdown:
    • PDF
    • 图片
    • 音频(带转录)
    • DOCX
    • XLSX
    • PPTX
  • 将网页内容转换为 Markdown:
    • YouTube 视频字幕
    • Bing 搜索结果
    • 通用网页
  • 检索现有的 Markdown 文件

快速开始

  1. 克隆此仓库
  2. 安装依赖:
    pnpm install
    

注意:这也会安装 uv 及其相关的 Python 依赖。

  1. 构建项目:
    pnpm run build
    
  2. 启动服务器:
    pnpm start
    

开发

  • 使用 pnpm run dev 在监听模式下启动 TypeScript 编译器
  • 修改 src/server.ts 来自定义服务器行为
  • src/tools.ts 中添加或修改工具

与桌面应用集成

要将此服务器与桌面应用集成,请在应用的服务器配置中添加以下内容:

{
  "mcpServers": {
    "markdownify": {
      "command": "node",
      "args": [
        "{此处填写文件的绝对路径}/dist/index.js"
      ],
      "env": {
        // 默认情况下,服务器会使用 `uv` 的默认安装路径
        "UV_PATH": "/path/to/uv"
      }
    }
  }
}

可用工具

  • youtube-to-markdown: 将 YouTube 视频转换为 Markdown
  • pdf-to-markdown: 将 PDF 文件转换为 Markdown
  • bing-search-to-markdown: 将 Bing 搜索结果转换为 Markdown
  • webpage-to-markdown: 将网页转换为 Markdown
  • image-to-markdown: 将图片转换为带有元数据的 Markdown
  • audio-to-markdown: 将音频文件转换为带有转录的 Markdown
  • docx-to-markdown: 将 DOCX 文件转换为 Markdown
  • xlsx-to-markdown: 将 XLSX 文件转换为 Markdown
  • pptx-to-markdown: 将 PPTX 文件转换为 Markdown
  • get-markdown-file: 检索现有的 Markdown 文件。文件扩展名必须以 *.md 或 *.markdown 结尾。

可选:设置 MD_SHARE_DIR 环境变量来限制可检索文件的目录,例如 MD_SHARE_DIR=[SOME_PATH] pnpm run start

贡献

欢迎贡献!请随时提交 Pull Request。

许可证

该项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。

版本历史

v1.0.32026/04/02
v1.0.22026/03/27
v1.0.12026/03/27

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|6天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

151.3k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|2天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|5天前
插件开发框架