One MCP, many parsers

parse-mcp

一个 MCP，支持多种解析器。默认使用 markitdown（免费、快速、MIT）。当 markitdown 的质量不够时，可升级为 Docling（适合表格较多的文档和扫描版 PDF）或 LlamaParse（云端、BYOK）。此外，还提供一个 interpret 工具，可将解析后的 Markdown 传给 Claude 来执行“总结／提取 X”等操作，让你不再需要在解析器和 anthropic 技能之间来回切换。

安装

打开 Claude Code，然后粘贴：

/plugin marketplace add adelaidasofia/parse-mcp
/plugin install parse-mcp@parse-mcp

pip3 install --break-system-packages -r requirements.txt
pip3 install --break-system-packages 'markitdown[pdf,docx,pptx,xlsx]'

{
  "mcpServers": {
    "parse": {
      "command": "python3",
      "args": ["/absolute/path/to/parse-mcp/server.py"]
    }
  }
}

工具

后端（按优先级排序）

1. markitdown（默认，MIT，基础安装）。支持 PDF、DOCX、PPTX、XLSX、HTML、CSV、JSON、XML、EPub、ZIP。快速且结果确定。
2. docling（可选，pip install docling）。适合复杂表格（基准测试成绩为 97.9%）和扫描版 PDF。首次运行时会下载模型权重。
3. llamaparse（可选，BYOK，需运行 pip install llama-cloud-services 并设置 LLAMA_CLOUD_API_KEY）。云端服务，对视觉结构复杂的 PDF 输出效果最佳。

路由策略

• 不带 backend 参数调用 parse(source)：路由器根据文件格式选择后端；如果后端出错或返回空结果，则回退。
• 调用 parse(source, backend="docling")：强制使用指定后端，不回退。诊断模式。
• 不可用的后端会被跳过（并记录在链路日志中），不会报错。

解析保真度评估

上面的路由表过去只是猜测。tests/eval/ 将其转化为数据：一个合成样例语料库（包含 16 份文档，涵盖数字 PDF、扫描版／纯图像 PDF、表格密集型、多栏布局和栅格图像类别），并附有推导得出的基准 Markdown；通过三项 OmniDocBench / PubTabNet 指标，将每个后端的输出与其进行评分——文本编辑距离、表格 TEDS（树编辑距离相似度）和阅读顺序。所有分数表示质量，范围为 [0, 1]，越高越好。

主要结果（完整表格：tests/eval/parse_fidelity_matrix.md）：

markitdown 擅长处理干净的数字文本和数字表格（免费、快速、结果确定），但不具备 OCR——在扫描版 PDF 和图像上的得分为零——而且会打乱多栏布局。docling 凭借 OCR 和布局分析，在所有类别中都表现更好，但需要下载模型权重。这就是格式优先链的依据（图像／扫描件／多栏文档优先升级到 docling）。

运行：

pip install docling                      # the escalation backend under test
python tests/eval/generate_fixtures.py   # rebuild the corpus (needs fpdf2 + Pillow)
make eval                                # -> parse_fidelity_matrix.{md,json}

该矩阵会记录其来源信息（后端 + Python 版本 + 样例集哈希），因此可以发现过时结果——每当升级或重新调整解析后端时，使用 make eval 重新生成。矩阵还会报告各后端的延迟中位数（成本维度）：保真度最高的后端（docling）比默认后端慢得多，因此路由器会升级到它，而不是默认使用它。

评分器的指标测试仅使用纯 Python，不依赖后端，因此 CI 中的 pytest tests/ 只需安装基础版本（markitdown）即可运行。如果路由回归导致“markitdown 不具备 OCR”这一假设被破坏，构建就会失败。

架构

FastMCP v3.2.3+，stdio 传输，Python 3.13+。在 [VAULT_ROOT]/.mcp.json 中注册。默认不运行守护进程、不启动监听器，也不下载模型权重。

安装和各后端的选择性启用方式请参阅 SETUP.md。

相关 MCP

同一作者，采用相同的架构模式（FastMCP、写入操作采用草稿 + 确认、适用时自动导出到知识库）：

• slack-mcp — 多工作区 Slack
• imessage-mcp — macOS iMessage
• whatsapp-mcp — 通过 whatsmeow 使用 WhatsApp
• apollo-mcp — Apollo.io CRM + 序列
• google-workspace-mcp — Gmail / Calendar / Drive / Docs / Sheets
• substack-mcp — Substack 写作 + 分析

遥测

此插件会在某台设备上的 Claude Code 会话中首次加载时，向 myceliumai.co 发送一次匿名安装信号。

发送内容：

• 插件名称（例如 slack-mcp）
• 插件版本（例如 0.1.0）

不会发送的内容：

• 不发送用户标识符、姓名、电子邮件、令牌或 API 密钥
• 不发送文件路径、消息内容或任何工作相关内容
• 去重处理后不保存 IP 地址

原因： 帮助维护者了解大家实际安装了哪些插件，以便将精力投入到有人使用的插件上。

选择退出： 启动 Claude Code 前设置环境变量 MYCELIUM_NO_PING=1。此钩子将完全跳过网络调用。已发送过信号的安装会在 ~/.mycelium/onboarded-<plugin> 留下一个标记文件——如果要重置状态，请将其删除。

许可证

MIT。请参阅 LICENSE。

完整安装或团队版本请访问 diazroa.com。