在这里插入图片描述编辑

** 【个人主页：玄同765】**

大语言模型（LLM）开发工程师｜中国传媒大学·数字媒体技术（智能交互与游戏设计）

深耕领域：大语言模型开发 / RAG知识库 / AI Agent落地 / 模型微调

技术栈：Python / LangChain/RAG（Dify+Redis+Milvus）| SQL/NumPy | FastAPI+Docker ️

工程能力：专注模型工程化部署、知识库构建与优化，擅长全流程解决方案

「让AI交互更智能，让技术落地更高效」

欢迎技术探讨/项目合作！ 关注我，解锁大模型与智能交互的无限可能！

作为开发者，你是否在使用 AI 智能体时遇到过这些文档处理痛点：

今天，我作为mcp_documents_reader的作者玄同765，

向你介绍 这款解决多格式文档读取痛点的 MCP 工具——

它支持 Excel（XLSX/XLS）、DOCX、PDF、TXT 等多种主流格式，能让智能体快速提取文档纯文本内容，同时提供 GitHub+Gitee 双仓库支持，国内用户访问更顺畅。

一、工具核心亮点：轻量高效的多格式文本读取

1. 多格式统一支持

无需切换多个工具，一个mcp_documents_reader就能搞定所有主流文档格式的纯文本提取：

2. 统一调用接口

不管是哪种格式，都可以通过同一个接口调用，智能体无需区分格式，降低使用成本。

3. 大文件优化

针对大体积文档（如 100MB + 的 PDF、10 万行 + 的 Excel），工具会自动分段读取，避免内存溢出，保证运行流畅。

4. 双仓库支持

提供 GitHub+Gitee 双仓库，国内用户可通过 Gitee 快速克隆和安装，解决网络访问慢的问题：

二、快速上手：安装与配置

1. 前置依赖

  curl -LsSf https://astral.sh/uv/install.sh | sh

![]()

Windows 用户可参考[uv 官方文档](https://docs.astral.sh/uv/ "uv 官方文档")安装；也可直接用 pip 安装依赖。

2. 安装方式

方式 1：uvx 一键启动（推荐，无需克隆仓库）

# GitHub源
uvx --from git+https://github.com/xt765/mcp_documents_reader mcp_documents_reader

# 国内用户推荐Gitee源
uvx --from git+https://gitee.com/xt765/mcp_documents_reader mcp_documents_reader

启动成功后，工具默认运行在http://localhost:8080/mcp。

方式 2：本地克隆安装

# GitHub克隆
git clone https://github.com/xt765/mcp_documents_reader.git

# 国内用户推荐Gitee克隆
git clone https://gitee.com/xt765/mcp_documents_reader.git

cd mcp_documents_reader
# 安装依赖
pip install python-docx PyPDF2 openpyxl
# 启动工具
python mcp_documents_reader.py

3. Trae IDE 配置

将工具集成到 Trae IDE，让智能体可以直接调用：

  1. 打开 Trae IDE，进入左侧「智能体」面板；
  2. 点击右上角「⚙️ 配置」→「MCP 服务器配置」；
  3. 点击「添加自定义服务器」，粘贴以下配置（国内用户可替换为 Gitee 源）：
  4. 点击「启动」，状态显示「运行中」即配置完成

Github源：

{
    "mcpServers": {
        "mcp-document-reader": {
            "command": "uvx",
            "args": [
                "--from",
                "git+https://github.com/xt765/mcp_documents_reader",
                "mcp_documents_reader"
            ]
        }
    }
}

Gitee源：

{
    "mcpServers": {
        "mcp-document-reader": {
            "command": "uvx",
            "args": [
                "--from",
                "git+https://gitee.com/xt765/mcp_documents_reader",
                "mcp_documents_reader"
            ]
        }
    }
}

4. 环境变量配置

可通过环境变量指定文档存储目录（默认：./documents）：

# macOS/Linux
export DOCUMENT_DIRECTORY="/path/to/your/documents"

# Windows（PowerShell）
$env:DOCUMENT_DIRECTORY="C:\path\to\your\documents"

三、详细用法：一键提取文档纯文本

工具提供统一接口read_document（自动识别格式）和单独格式接口（read_excel/read_docx/read_pdf），以下示例基于 Trae IDE 智能体。

1. 统一接口调用（推荐）

无需指定格式，工具自动识别文档类型并提取纯文本：

帮我读取本地的《2024年销售数据.xlsx》，提取所有文本内容并总结核心信息。

工具执行说明：Excel 文件会合并所有工作表的纯文本内容，返回给智能体进行总结。

2. 单独格式接口调用

如果需要明确指定格式，可调用对应接口：

帮我用read_pdf工具读取本地的《技术架构手册.pdf》，提取文本后分析核心组件。

3. 各格式提取说明

格式 提取逻辑说明
Excel 合并所有工作表的纯文本内容
DOCX 提取文档所有段落的纯文本
PDF 提取所有页面的纯文本内容
TXT 直接返回文件纯文本

四、实战场景：提升 AI 智能体文档处理效率

场景 1：Excel 销售数据快速总结

智能体指令：

帮我读取本地的《2024年销售数据.xlsx》，提取文本后总结各地区的销售总额情况。

预期输出：

### 2024年销售数据总结
1. 华东区销售总额为1250.8万元，占比35%；
2. 华南区销售总额为980.5万元，占比27%；
3. 华北区销售总额为760.2万元，占比21%；
4. 西南区销售总额为520.1万元，占比14%；
5. 西北区销售总额为110.4万元，占比3%。

场景 2：DOCX 需求文档快速梳理

智能体指令：

帮我读取本地的《项目需求文档.docx》，提取文本后总结核心功能模块。

预期输出：

### 项目核心功能模块总结
项目包含三大核心模块：
1. 用户管理模块：支持用户注册、登录、信息修改、密码找回；
2. 订单管理模块：支持订单创建、支付、查询、取消；
3. 支付管理模块：支持微信支付、支付宝支付、银行卡支付三种方式。

场景 3：PDF 技术手册快速提取

智能体指令：

帮我读取本地的《技术架构手册.pdf》，提取文本后列出微服务核心组件。

预期输出：

### 微服务核心组件列表
1. API网关
2. 用户服务
3. 订单服务
4. 库存服务
5. 配置中心
6. 日志中心

四、当前限制与未来规划

当前功能限制

目前工具处于轻量版阶段，暂不支持以下功能：

未来规划

后续版本将逐步开发以下功能：

  1. 支持 Excel 表格结构提取、多工作表单独读取；
  2. 支持 DOCX 标题层级、段落格式保留；
  3. 支持 PDF 页码范围选择、表格结构提取；
  4. 支持 PPT 格式文本提取；
  5. 优化大文件读取性能，支持断点续读。

五、总结与反馈

mcp_documents_reader 作为一款轻量高效的多格式文档读取 MCP 工具，解决了 AI 智能体处理多格式文档的文本提取痛点，同时提供 GitHub+Gitee 双仓库支持，国内用户访问更顺畅。

如果你在使用过程中遇到问题，或有新功能需求，欢迎通过以下方式反馈：

🌟 如果你觉得工具好用，别忘了给仓库点个 Star，让更多开发者受益！