微软开源！58K 星的 Office 文档转换神器，支持 MCP。 - 链载Ai

微软开源了一个文档转换神器：markitdown，目前已经在 GitHub 上获得了58K+ 的 Star 了。

微软开源的转换工具肯定和其它的有所不同，毕竟 Office 格式就是微软定义的标准。

相比于其它大厂，微软更懂 Office 格式。他们开源的格式转换开源工具，会不会很强？

看这个开源项目的名字也能猜出来：它能够把任何格式的文件转换成 Markdown 文档。

上述格式都支持一键转换成清清爽爽可编辑的 Markdown 文件。如果是图片还会自动 OCR 识别图中的内容，生成一个清晰易读的 Markdown 文档。

比如豆包、Kimi 等等大模型，如果丢给他一个 PDF 让他解读，背后都会先转换成 Markdown，再输入给 AI 进行总结分析。

和微信的提取文字不太一样，markitdown 项目介绍提到：会保留文档的重要结构和内容，将其以 Markdown 格式显示（比如标题、列表、表格、链接等）

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;background-color: rgb(255, 255, 255);visibility: visible;">看看实际效果

逛逛实测了一下，虽然输出结果通常清晰易读，适合人工查看，但其主要目的还是作为中间介质提供给 AI 大模型或者文本分析工具。

如果对阅读体验要求极高，格式还原效果极其严苛，markitdown可能并不适合。

pipinstall'markitdown[all]'

PDF 文件转换，左边屏是源文件，右半屏是转换后的MD，发现标题并没有保留呀？

表格类型 PDF但是如果我上传的 PDF 是下面这种表格的样式，其实得到的 Markdown 效果就比较差了。

标准 Excel，如果是转换比较标准的 Excel 表格，效果还是不错的。左边屏是源文件：

再看看一个标准的 PDF 文档，不知道是不是我操作有问题？说好的保留标题、表格样式呢...

前段时间发了一个国产 OCR 开源神器的帖子，还有读者问那个 OCR 开源项目是否支持 MCP。

微软开源的这个markitdown 支持 MCP 协议，它提供了一个轻量级的 STDIO、Streamable HTTP 和 SSE MCP 服务器，用于调用 MarkItDown。

公开了一个工具：convert_to_markdown(uri)，其中 uri 可以是任何http:、https:、file:或data:URI。

pipinstallmarkitdown-mcp

你可以使用如下两个命令运行 MCP Server，第一个是 STDIO，第二个是Streamable HTTP 和 SSE MCP

markitdown-mcp--http--host127.0.0.1--port3001

这样你就能在 Cursor 等 MCP 客户端重配置这个MCP 服务，流程很简单。

拿 Cusor 客户端举例子，打开设置 -> MCP -> 添加一个 MCP 服务器。这个时候把如下代码复制进去就行了，后面你就能使用这个 MCP 服务了。

{
"mcpServers": {
 "markitdown": {
  "command":"docker",
  "args": [
"run",
"--rm",
"-i",
"-v",
"/home/user/data:/workdir",
"markitdown-mcp:latest"
   ]
  }
 }
}

链载Ai

01

02