【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：
- 项目文档有 DOCX、PDF、Excel 多种格式，每次都要手动复制粘贴纯文本到智能体；
- Excel 文件有多个工作表，要逐个复制内容，效率极低；
- 大 PDF/DOCX 文件复制到智能体时，格式混乱还容易卡死；
- 国内访问 GitHub 慢，想找个国内镜像仓库都没有。
现在，一款解决多格式文档文本读取痛点的 MCP 工具来了 ------mcp_documents_reader！它基于 MCP 协议开发，支持 Excel（XLSX/XLS）、DOCX、PDF、TXT 等多种主流格式，能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：
- 办公文档：DOCX、Excel（XLSX/XLS）
- 技术文档：PDF、TXT
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：
- GitHub：https://github.com/xt765/mcp_documents_reader
- Gitee：https://gitee.com/xt765/mcp_documents_reader
二、快速上手：安装与配置
1. 前置依赖
-
Trae IDE 版本：≥v1.2.0（支持 MCP 协议）
-
Python 环境：≥3.8
-
uv 包管理器 （推荐）：安装命令（macOS/Linux）：
curl -LsSf https://astral.sh/uv/install.sh | shWindows 用户可参考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.py3. Trae IDE 配置
将工具集成到 Trae IDE，让智能体可以直接调用：
- 打开 Trae IDE，进入左侧「智能体」面板；
- 点击右上角「⚙️ 配置」→「MCP 服务器配置」；
- 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）：
- 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 |
| 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：
- 保留 Excel 表格结构、多工作表单独提取、单元格格式识别；
- 保留 DOCX 标题层级、段落格式；
- 提取 PDF 页码范围、表格结构；
- 多模态内容（如图片、公式）识别。
未来规划
后续版本将逐步开发以下功能：
- 支持 Excel 表格结构提取、多工作表单独读取；
- 支持 DOCX 标题层级、段落格式保留；
- 支持 PDF 页码范围选择、表格结构提取；
- 支持 PPT 格式文本提取；
- 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：
- GitHub 仓库：https://github.com/xt765/mcp_documents_reader
- Gitee 仓库：https://gitee.com/xt765/mcp_documents_reader
- 提交 Issue 或 PR，一起参与工具的迭代优化！
🌟 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！