Citra

anymd

支持 PDF、Word、PowerPoint、Excel、EPUB、HTML 和网页、图像（OCR）、音频和视频（元数据、字幕、转录文本）。这是一款在本机运行的高速 Rust MCP 服务和命令行工具。无需 API 密钥。

anymd 是与 Sylphx AI parse 相同 crates 的免费本地模式。Sylphx AI parse 是托管式文档解析服务：使用相同的 crates，按页计费托管，适合不想在本地运行的调用方。

安装 · 基准测试 · 工具 · 命令行 · 格式 · 文档 · 专业版

_{原名 pdf-reader-mcp。从 pdf-reader-mcp 迁移}

_{未经剪辑的真实终端录屏（asciinema + agg，脚本）。最后一条命令是 Claude Code 通过 anymd MCP 服务根据 PDF 作答。}

npx -y @sylphx/anymd setup              # add anymd to every MCP client on this machine
npx -y @sylphx/anymd report.pdf > report.md   # or convert from the shell

为什么选择 anymd

• 快速。 原生 Rust 按页并行转换。在 38 份基准测试文档上，anymd 总耗时 11.5 s；docling 耗时 2,432.4 s（慢 212 倍），markitdown 耗时 75.6 s（慢 7 倍）；marker 转换其中 30 份耗时 7,104.5 s，而 anymd 转换同样 30 份只需 4.64 s（快 1,532 倍）。

• 精准。 布局引擎根据字形间距重建单词，按阅读顺序排列双栏论文，并还原表格，包括无边框表格。文本与印刷内容完全一致，不会粘连单词，也不会打乱分栏。

• 节省 token。 页面以 Markdown 返回，带有 `` 引用锚点、小型 front-matter 标头和紧凑表格。token 预算和游标可确保大型文档在 Agent 的上下文范围内。

• 一次调用支持所有格式。 一个工具即可读取下方列出的所有格式。它还接受网页 URL 和整个目录，search 可搜索其中的所有内容。

• 本地且私密。 不会上传任何内容。OCR 使用已安装的本地 doc-VLM 模型或 tesseract；转录使用 ffmpeg 和内置的 Qwen3-ASR。设置 OCR 和下载 ASR 模型都需要明确同意。

安装

只需一条命令，即可将 anymd 添加到本机上的所有 MCP 客户端（Claude Code、Codex、Cursor、VS Code、Claude Desktop、Windsurf、Gemini CLI）：

npx -y @sylphx/anymd setup     # --dry-run to preview, --remove to undo

或者手动添加：所有 MCP 客户端都运行相同的命令 npx -y @sylphx/anymd。唯一要求是 Node 18+；npm 会为你的平台安装原生二进制文件。

claude mcp add anymd -- npx -y @sylphx/anymd

codex mcp add anymd -- npx -y @sylphx/anymd

[mcp_servers.anymd]
command = "npx"
args = ["-y", "@sylphx/anymd"]

{ "mcpServers": { "anymd": { "command": "npx", "args": ["-y", "@sylphx/anymd"] } } }

code --add-mcp '{"name":"anymd","command":"npx","args":["-y","@sylphx/anymd"]}'

{ "servers": { "anymd": { "type": "stdio", "command": "npx", "args": ["-y", "@sylphx/anymd"] } } }

{ "mcpServers": { "anymd": { "command": "npx", "args": ["-y", "@sylphx/anymd"] } } }

npm install -g @sylphx/anymd     # or run it once with: npx -y @sylphx/anymd <file>

docker run --rm -v "$PWD:/data" ghcr.io/sylphxai/anymd report.pdf > report.md
docker run -i --rm ghcr.io/sylphxai/anymd        # MCP server on stdio

cargo install anymd

基准测试

AgentDocBench 是一项面向 Agent 文档转 Markdown 的开放基准测试：涵盖 12 类符合许可证要求的文档（数学论文、双栏论文、财务表格、表单、扫描件、中日韩文字、幻灯片、电子表格、Word、EPUB、HTML），并根据逐字匹配句子、文本 F1、阅读顺序和表格单元格评分，同时统计耗时和输出 token 数。所有工具都在同类 GitHub 托管运行器（4 个 CPU）上运行：

生成的排行榜、各类别得分（包括 anymd 表现较差的类别）和评测方法见基准测试指南。语料库、标准答案、适配器和原始结果位于 bench/，而 Benchmark 工作流 会重新运行所有测试；新工具只需一个适配器文件即可加入。

图像和视频提取

图像和视频基准测试 分别涵盖页面图像 OCR 和嵌入式视频字幕：

图像分数是历史数据，并非当前 OCR 模型的分数。视频分数于 2026-10-08 使用小型自建回归数据集测得，并非来自电影或讲座；anymd 会漏掉在不同时间戳重复出现的字幕。 这些分数衡量的是嵌入式字幕提取，而非视觉理解或 ASR。指南中提供了替代方案选择、局限性、耗时、原始输出和复现测试工具。

MCP 工具

anymd 提供四种工具。

read 的回答如下：

---
source: papers/attention.pdf
title: Attention Is All You Need
pages: 15
showing: pages 1-9
---



# Attention Is All You Need
…



|Model|BLEU EN-DE|BLEU EN-FR|
|-|-|-|
|Transformer (big)|28.4|41.8|
…

search 的回答会为每条命中结果提供一行：

5 matches for "masked language model" (2 files, 31 sections searched)

### papers/bert.pdf (5)
- p.1: …by using a “**masked language model**” (MLM) pre-training objective, inspired by the Cloze task…
- p.2: …In addition to the **masked language model**, we also use a “next sentence prediction” task…

如果没有完全匹配的结果，search 会回退到按 BM25 排序的段落，因此像“how does bidirectional pretraining work”这样的问题仍能找到正确的页面。

CLI

同一个二进制文件也是命令行转换器，类似 MarkItDown，但速度快得多：

anymd report.pdf > report.md                 # a file
anymd deck.pptx notes.docx budget.xlsx        # several files, each with a header
anymd https://example.com/article            # a web page (main content only)
cat scan.png | anymd - --ocr                 # stdin, with OCR
anymd setup ocr                             # one-time: install the OCR engine and pinned local models (~2 GB)
anymd scan.png --ocr vlm                    # tables as Markdown, formulas as LaTeX
anymd paper.pdf --pages 1-3 --max-tokens 4000
anymd search "indemnification" contracts/ --glob '*.pdf'
anymd doctor                                 # lists the optional tools anymd found

在 MCP 客户端中不带参数运行（通过管道传入 stdin），或运行 anymd mcp，即可通过 stdio 提供 MCP 服务。

格式

工作原理

对于 PDF，anymd 读取字形位置，而不是文本片段。它根据基线将字形分组为行，因此可以处理上标和下标。单词之间的空格根据字形间距确定，并参考字体大小进行测量，再根据字距调整。具备列感知能力的 XY cut 算法会查找连续文本之间的栏间空白。有绘制线条的表格依据线条识别（两个单元格之间缺少分隔线时，会将它们视为合并单元格）；没有线条的表格则依据对齐的空白列识别。换行的单元格文本会保留在原单元格中，堆叠的表头行会合并为一个表头，跨越多列的表头则会保留在每一列中。读者无法看到的文本（不可见文本，或与其所在框背景颜色相同的文本）会被排除。页面会并行处理且彼此隔离，因此单个格式错误的页面不会导致整个文档处理失败。其他格式均使用 Rust 原生解析（zip/XML、calamine、html5ever）；整个过程不涉及 Python、LibreOffice 或云服务。

anymd Pro

anymd 核心功能免费且开源（MIT），此前免费的功能不会转移到 Pro。anymd Pro（当前为一次性价格，适用于 8.4.0 起的版本）只为必须展示证据的 Agent 增添两项功能：带精确哈希帧的视频时间轴（inspect 的 video_timeline 和 render_frame，以及 read 和 outline 的 timeline 选项），以及引用核查，用于验证 PDF 中特定页面和位置的引文。许可证离线验证；无需账户。Pro 收入用于支持 anymd 的开发。购买 anymd Pro，付款后即可立即获取：从结账确认页面复制许可证令牌，或通过产品的恢复页面找回。在终端购买：运行 anymd pro buy，即可在浏览器中打开结账页面，并在此设备上将付款转换为许可证令牌，无需复制。查看 anymd Pro。

本地版与托管版

anymd 有两种模式，只有一种在你的机器上运行：

• 本地版（免费、MIT、此仓库）。 anymd 二进制文件、MCP 服务、命令行工具以及 anymd-core、anymd-pdf 和 anymd-formats crate。它在你的机器上进行转换，不会上传任何内容，也不需要 API 密钥。
• 托管版（Sylphx AI parse，按量计费）。 相同的 crate 以发布版本固定，并原样导入，为不想使用本地运行时的 Sylphx AI 调用方提供文档解析服务。调用按页计费，且需要 Sylphx AI 账号。这是付费模式；没有许可证密钥，本地二进制文件中的任何功能也不会因此受到限制。

Sylphx AI parse 不是另一种解析器，也不是分支：托管服务会导入这些 crate，因此此处的修复会同时影响两种模式，它们不会分化成独立的引擎。此仓库中只有免费的本地二进制文件；托管服务则运行在 Sylphx 平台上。

对于导入方，anymd-core、anymd-pdf 和 anymd-formats crate API 在同一主版本内保持稳定：除非升级主版本，否则不会发布破坏性变更，因此服务固定使用的版本会持续正常运行，并会审慎地升级，绝不会因补丁版或次版本发布而被迫升级。

安全性

• 本地优先：除非你传入 URL，否则文档不会离开你的机器；即使传入，也只会获取该 URL。
• URL 获取会屏蔽专用地址和环回地址，并在每次重定向时重新检查，且会固定到解析出的地址。
• --allow-dir=<path>（可重复指定）或 MCP_PDF_ALLOWED_DIRS 会将服务限制在你列出的目录中。
• 嵌入的图像只会写入 anymd 自己的缓存目录（ANYMD_CACHE_DIR，否则使用平台缓存目录），不会写在源文档旁边；超过 50 百万像素的图像将被拒绝。
• 外部工具（tesseract、ffprobe、ffmpeg）均为可选。anymd 会在不使用 shell 的情况下运行它们，并设置超时和输出上限。

如需报告漏洞，请参阅 SECURITY.md。

Sylphx 的其他项目

• repomap：为 AI Agent 提供代码库地图：代码图、搜索、调用路径和变更影响。
• lockdocs：根据 lockfile 提供精确到版本的库文档。本地运行、离线可用、没有速率限制。
• skills：经实战验证的 Claude Code 和 Codex Agent 技能，一条命令即可安装。
• readme-mark：通过一个 URL 生成精美的 README 图像：横幅、徽章、图标和统计卡片。
• Sylphx apps：Sylphx 提供的应用和工具。

了解更多 Sylphx 项目：https://sylphx.com/open-source

Star 历史

许可证

MIT © Sylphx