PDF to Markdown MCP Server

使用 DeepSeek-OCR 将 PDF 文件转换为 Markdown 格式的 MCP (Model Context Protocol) 服务。

功能特性

• pdf_to_markdown: 将 PDF 转换为 Markdown（图片只保留链接，不解析内容）
• augment_markdown_images: 对 Markdown 中的图片链接添加 OCR 解析内容
• pdf_to_markdown_full: 一站式完成 PDF 转 Markdown 并增强图片解析

安装

1. 创建虚拟环境

cd mcp-server-pdf_to_markdown
uv venv
source .venv/bin/activate  # Linux/Mac
# 或 .venv\Scripts\activate  # Windows

2. 安装依赖

uv add mcp openai openai-agents pydantic python-dotenv
uv add torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --find-links https://download.pytorch.org/whl/cu118
uv add vllm==0.8.5
uv add PyMuPDF img2pdf einops easydict addict Pillow numpy tqdm
uv add flash-attn==2.7.3 --no-build-isolation

3. 安装项目

uv pip install -e .

使用方法

命令行运行

# 使用默认配置
mcp-server-pdf-to-markdown

# 指定 GPU
mcp-server-pdf-to-markdown --gpu_id 0

# 指定模型路径
mcp-server-pdf-to-markdown --model_path /path/to/DeepSeek-OCR

MCP Inspector 测试

npx -y @modelcontextprotocol/inspector uv run mcp-server-pdf-to-markdown

在 Cherry Studio 中添加

名称: mcp-server-pdf-to-markdown
命令: uvx
参数:
    mcp-server-pdf-to-markdown

MCP 工具说明

1. pdf_to_markdown

将 PDF 文件转换为 Markdown 格式。

参数：

• pdf_path (str): PDF 文件的完整路径
• output_dir (str): 输出目录的完整路径
• gpu_id (str, 可选): 使用的 GPU ID，默认 "0"

返回：

• success: 是否成功
• markdown_path: 生成的 Markdown 文件路径
• images_dir: 图片保存目录
• page_count: 处理的页数

2. augment_markdown_images

为 Markdown 文件中的图片链接添加 OCR 解析内容。

参数：

• markdown_path (str): 输入的 Markdown 文件路径
• output_path (str, 可选): 输出文件路径
• image_root (str, 可选): 图片根目录
• cache_json (str, 可选): 缓存文件路径
• gpu_id (str, 可选): 使用的 GPU ID

返回：

• success: 是否成功
• output_path: 输出文件路径
• images_processed: 处理的图片数量

3. pdf_to_markdown_full

一站式将 PDF 转换为 Markdown 并解析图片内容。

参数：

• pdf_path (str): PDF 文件的完整路径
• output_dir (str): 输出目录的完整路径
• augment_images (bool, 可选): 是否解析图片内容，默认 True
• cache_json (str, 可选): 图片解析缓存文件路径
• gpu_id (str, 可选): 使用的 GPU ID

返回：

• success: 是否成功
• markdown_path: 基础 Markdown 文件路径
• augmented_path: 增强后的 Markdown 文件路径
• images_dir: 图片保存目录
• page_count: 处理的页数
• images_processed: 解析的图片数量

模型要求

本服务需要 DeepSeek-OCR 模型，默认路径为：

/home/ad/tianhaoyang/vllm_model/deepseek-ai/DeepSeek-OCR

可以通过 --model_path 参数指定自定义路径。

示例输出

转换后的 Markdown 文件结构：

# 文档标题

正文内容...

![](images/0_0.jpg)
*图片标题*
<details><summary>图片解析</summary>

- 图片内容要点1
- 图片内容要点2
- 图片内容要点3

</details>

<--- Page 1 --->

下一页内容...

许可证

MIT License