mcpField
D
docs-mcp

docs-mcp

远程服务
github.com/globalion记忆与知识015 周前更新
代码仓库

关于 docs-mcp

docs-mcp 将 Word、Excel、PDF 和 PowerPoint 文档转为可语义检索的向量存储,适用于需要从文件中查找内容的 Agent。视觉模型提取扫描页、图表和表格,检索结果附带页码。

主要功能

  1. 01摄取多种办公文档格式
  2. 02视觉模型提取页面内容
  3. 03按语义检索文档片段
  4. 04结果包含页码信息
  5. 05管理文档及账户余额

适用场景

  1. 01搜索扫描件中的内容
  2. 02定位表格或图表信息
  3. 03为回答提供页码引用

MCP 相关

通过 MCP 向客户端提供文档上传、列表、状态查询、语义搜索和删除等工具。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://docs.regiq.in/api/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://docs.regiq.in/api/mcp需要授权

工具

详细介绍

docs-mcp

将任意 Word、Excel、PDF 或 PowerPoint 文件放入向量 RAG 存储。视觉模型提取可处理扫描件、图表和表格。每个返回的文本块都带有页码,便于精确引用。通过 Stripe 按盈亏平衡价收费——每售出一个积分,我们的收入为 0 美元。

在线使用: docs.regiq.in

功能

  1. 导入 — 支持 .pdf、.docx、.xlsx、.pptx、.doc、.xls、.ppt,文件大小上限为 50 MB。
  2. 提取 — 将每页渲染为图像,并通过 OpenRouter 对每页调用 Google Gemini 2.5 Flash Lite。原样提取文本、表格和图表说明。
  3. 存储 — 按约 500 个 token 分块,重叠 50 个 token;通过 openai/text-embedding-3-small 生成嵌入(1536 维),并连同页码元数据存储在 Postgres + pgvector 中。
  4. 检索 — 通过余弦相似度搜索返回排名靠前的 k 个文本块;由你的 Agent 综合生成答案。

工具

工具功能
docs_upload({filename, contentBase64, mimeType?})小文件(≤ 约 7 MB)的程序化上传。异步导入。
docs_list()列出调用密钥拥有的所有文档。
docs_get({id})获取单个文档的元数据、状态和文本块数量。
docs_search({query, k?, documentIds?})语义搜索。返回排名靠前的 k 个文本块及其页码。免费。
docs_delete({id})永久删除。
docs_balance()查看积分余额及最近 10 笔交易。

较大的文件:通过网页控制台上传至 docs.regiq.in/dashboard(最大 50 MB)。

定价

1 个积分 = 导入 1 页。查询免费。 新账号注册后可免费导入 100 页。

充值金额可用页数约合文档数(平均 10 页)
$55,700570
$1011,7001,170
$2023,9002,390
$5060,5006,050

每页的基础成本约为通过 OpenRouter 使用视觉模型的 $0.0005 和生成嵌入的 $0.00003。价格设定为扣除 Stripe 的 2.9% + $0.30 手续费后恰好达到盈亏平衡——这笔固定费用也是不提供 $2 充值的原因($2 中有 18% 会被 Stripe 扣除)。

设置 — 适用于任意 MCP 客户端

  1. 使用 Google 或 GitHub 账号登录 docs.regiq.in。
  2. 从 /dashboard 复制 API 密钥。
  3. 添加到客户端配置中:
{
  "mcpServers": {
    "docs": {
      "url": "https://docs.regiq.in/api/mcp",
      "headers": {
        "Authorization": "Bearer docs_live_..."
      }
    }
  }
}

可用于 Claude Desktop、Cursor、Zed 以及其他支持 streamable-http MCP 的客户端。

推荐工作流

1. docs_upload({filename, contentBase64})   →  { id, status: "processing" }
2. poll docs_get({id}) until status="ready" (~10-60s for 10 pages)
3. docs_search({query: "...", k: 8})        →  chunks with page numbers
4. Your LLM synthesizes an answer and cites the page numbers.

自托管

git clone https://github.com/globalion/docs-mcp
cd docs-mcp
cp .env.example .env  # fill in Google OAuth + OpenRouter + (optional) Stripe
docker compose up -d --build

使用 pgvector/pgvector:pg16 镜像,因此已预装向量扩展。首次启动时运行 docker exec docs-mcp-web npx [email protected] db push --accept-data-loss --skip-generate 以同步架构(容器的 CMD 会自动执行此操作)。

许可证

MIT — 参见 LICENSE。由 Shreyas 构建,由 Globalion 发布。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。