← 返回目录

Docling MCP

官方

通过 MCP 让 Docling 具备 AI 代理能力

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 150 / 230
Stars: ★ 769 非常热门
传输方式: stdio（本地进程） · SSE · Streamable HTTP
运行环境: Python
凭据: 可选 API Key
许可证: MIT
最近提交: 5 天前
工具数: 18

50FMRS · D

Docling MCP 是一个功能丰富的文档转换服务器，支持远程和本地转换，提供广泛的工具集（转换、生成、RAG）。它适合需要将文档处理集成到 AI 代理的开发者，但配置复杂度较高，且远程模式依赖外部服务。

最强项 · 安装易用性 12/20 最弱项 · 可靠性 6/20

可靠性

6/20

安全与权限

10/20

维护活跃度

10/20

文档质量

12/20

安装易用性

12/20

查看各项评分依据

可靠性 6/20: 清单声明了完整的 PyPI 包、运行参数和 stdio 传输，README 也描述了转换/生成工具和启动命令；但未提供源码、CI 工作流或已提交测试，因此无法验证 MCP 初始化/工具列表握手以及工具的真实行为。另外，默认转换模式是 remote，而 service URL 在清单中并未标记为必填，导致零配置启动很可能失败。由于执行证据和错误路径证据缺失，分数保守下调。
安全与权限 10/20: 未发现恶意代码、凭据窃取、破坏性默认操作或示例中包含真实密钥/令牌；API key 明确标记为 secret，并通过环境变量注入。远程模式和外部网络使用已在 README 中披露。但本次只审阅了清单和 README，没有检查源码，无法确认最小权限实现、网络数据边界和危险操作的确认机制，因此不能给满分；也未触发红线。
维护活跃度 10/20: 仓库未归档，采用 MIT 许可证，README 中有版本兼容表和迁移指南，表明存在持续维护和版本管理。但证据中缺少提交历史、问题响应时效、依赖更新策略和安全响应渠道，仅凭 Stars 和版本徽章不足以证明长期维护质量，因此按治理证据不足扣分。
文档质量 12/20: README 结构清晰，包含安装方式、环境变量表、MCP 客户端配置 JSON、使用示例和集成链接，整体可读性好。但缺少故障排查章节、明确的限制/成本说明以及各工具参数的完整参考；且默认 remote 模式依赖 service URL，而清单将其标记为可选，存在文档与配置清单不一致的问题，因此扣分。
安装易用性 12/20: 安装步骤简短，提供 pip/uvx 命令、远程/本地/混合模式说明以及多个主流客户端可粘贴的配置示例，属于清晰的配置路径。但仍需手动准备外部 Docling Serve 服务；默认 remote 模式在未设置 URL 时无法连接，且没有 CI/测试证据验证这些步骤，受静态评审上限约束，故未给高分。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件访问网络连接数据库

适合谁

希望将文档转换集成到 AI 代理或 MCP 客户端（如 Claude Desktop）的开发者。
需要将 PDF 转换为 Markdown/JSON 并用于 RAG 或知识管理的团队。
使用 Docling Serve 或想要混合模式（远程+本地回退）的用户。

不适合谁

不需要 MCP 集成的纯文档转换用户（可直接使用 Docling 库）。
完全不使用 AI 代理或 MCP 客户端的场景。
轻量级单次转换且无缓存需求的应用。

所需权限

读取本地文件（转换时需访问 PDF 文件）。
网络访问（远程模式必需，用于连接 Docling Serve；本地模式可选）。
环境变量权限（需设置 DOCLING_MCP_* 变量）。
存储权限（保存生成的文档或缓存）。

风险与副作用

远程模式下依赖 Docling Serve 服务，其不可用或高延迟会导致失败。
API 密钥如果泄露可能被滥用，应谨慎保管。
本地转换模式依赖系统资源，大文档可能产生高内存消耗。
OCR 和表格结构检测可能产生不准确的结果，需验证输出。

安装接入

准备工作

运行环境：Python

DOCLING_MCP_SERVICE_API_KEY 可选密钥访问 Docling Serve 的 API 密钥，由你的 Docling Serve 部署提供。

DOCLING_MCP_LI_API_KEY 可选密钥该 LLM 端点的 API 密钥，默认 none。

其他可选配置项（15 个）

DOCLING_MCP_CONVERSION_MODE 可选转换模式：remote（默认）或 local（需安装 docling-mcp[local]）。

DOCLING_MCP_SERVICE_URL 可选 Docling Serve 实例的地址，remote 模式必需，参考 docling-serve 项目自行部署或使用托管服务。

DOCLING_MCP_SERVICE_TIMEOUT 可选远程 Docling Serve API 请求超时秒数，默认 300.0。

DOCLING_MCP_SERVICE_MAX_RETRIES 可选远程 API 请求最大重试次数，默认 3。

DOCLING_MCP_FALLBACK_TO_LOCAL 可选设为 true 时，远程服务不可达则回退到本地转换（需 docling-mcp[local]）。

DOCLING_MCP_KEEP_IMAGES 可选设为 true 可在转换结果中保留页面图片，默认 false。

DOCLING_MCP_IMAGES_SCALE 可选图片缩放系数（如 1.0、2.0），调大可避免张量批处理错误，默认 1.0。

DOCLING_MCP_DO_OCR 可选设为 false 可关闭 OCR 流水线，默认 true。

DOCLING_MCP_DO_TABLE_STRUCTURE 可选设为 false 可关闭表格结构检测，默认 true。

DOCLING_MCP_LI_API_BASE 可选 LlamaIndex RAG 使用的 OpenAI 兼容 LLM 端点，默认 http://127.0.0.1:1234/v1。

DOCLING_MCP_LI_MODEL_ID 可选 LLM 模型标识，默认 ibm/granite-3.2-8b。

DOCLING_MCP_LI_EMBEDDING_MODEL 可选 HuggingFace 嵌入模型，默认 BAAI/bge-base-en-v1.5。

DOCLING_MCP_LLS_URL 可选 LlamaStack 服务器地址，默认 http://localhost:8321。

DOCLING_MCP_LLS_VDB_EMBEDDING 可选向量数据库使用的嵌入模型，默认 all-MiniLM-L6-v2。

DOCLING_MCP_LLS_EXTRACTION_MODEL 可选结构化抽取所用模型，默认 openai/gpt-oss-20b。

安装包：pip install docling-mcp 或 pip install docling-mcp[local]。
如有需要，配置环境变量（如 DOCLING_MCP_CONVERSION_MODE、DOCLING_MCP_SERVICE_URL 等）。
使用 uvx --from docling-mcp docling-mcp-server --transport stdio 启动服务器。

claude_desktop_config.json

{
  "mcpServers": {
    "docling": {
      "command": "uvx",
      "args": [
        "--from=docling-mcp",
        "docling-mcp-server"
      ],
      "env": {
        "DOCLING_MCP_CONVERSION_MODE": "remote",
        "DOCLING_MCP_SERVICE_URL": "https://your-docling-service.example.com",
        "DOCLING_MCP_SERVICE_API_KEY": "your-api-key-here"
      }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "docling": {
      "command": "uvx",
      "args": [
        "--from=docling-mcp",
        "docling-mcp-server"
      ],
      "env": {
        "DOCLING_MCP_CONVERSION_MODE": "remote",
        "DOCLING_MCP_SERVICE_URL": "https://your-docling-service.example.com",
        "DOCLING_MCP_SERVICE_API_KEY": "your-api-key-here"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add docling -e DOCLING_MCP_CONVERSION_MODE=remote -e DOCLING_MCP_SERVICE_URL=https://your-docling-service.example.com -e DOCLING_MCP_SERVICE_API_KEY=your-api-key-here -- uvx --from=docling-mcp docling-mcp-server

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

启动后在客户端工具列表中确认出现 convert_pdf_to_docling_document 等工具，然后让它把一个 PDF 转换为 DoclingDocument 并返回 document-key，即可验证连接正常。

常见排障

检查 `DOCLING_MCP_CONVERSION_MODE` 是否为 'remote' 且 `DOCLING_MCP_SERVICE_URL` 正确。
确保 API 密钥有效并具有权限。
对于远程模式，检查网络连接和防火墙设置。
若遇到张量批处理错误，尝试增加 `DOCLING_MCP_IMAGES_SCALE`。
查看服务器日志以获取详细错误信息。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

把本地 PDF 文件转换成 DoclingDocument，并返回它的 document-key。
把 https://arxiv.org/pdf/2408.09869 这个 PDF 转换为 Markdown。
创建一个新的 Docling 文档，写一篇关于分词器对 LLM 质量影响的文章，包含标题、段落和列表，最后保存并告诉我文件路径。
把当前转换好的文档导出为 HTML。

工具能力 18

convert_pdf_to_docling_document 只读

将本地 PDF 文档转换为结构化 DoclingDocument 格式。

convert_pdf_to_docling_document_from_url 只读

将远程 URL 中的 PDF 文档转换为 DoclingDocument 格式。

create_new_docling_document 写入

创建一个新的空 DoclingDocument。

add_title_to_docling_document 写入

向文档添加标题。

add_heading_to_docling_document 写入

向文档添加章节标题。

add_paragraph_to_docling_document 写入

向文档添加段落。

open_list_in_docling_document 写入

在文档中打开一个列表。

add_listitem_to_list_in_docling_document 写入

向打开的列表添加列表项。

展开其余 10 个工具

close_list_in_docling_document 写入

关闭当前打开的列表。

add_table_to_docling_document 写入

向文档添加表格。

export_docling_document_to_markdown 只读

将文档导出为 Markdown 格式。

export_docling_document_to_html 只读

将文档导出为 HTML 格式。

save_docling_document 写入

保存文档到文件。

retrieve_docling_document 只读

按文档键检索缓存中的文档。

convert_to_markdown 只读

将 PDF 直接转换为 Markdown 格式。

milvus_upload 写入

将文档上传到 Milvus 向量数据库。

milvus_search 只读

在 Milvus 中执行检索。

llama_index_rag_search 只读

使用 LlamaIndex 执行 RAG 检索。

使用场景

将 PDF 文档转换为结构化 JSON 供 AI 应用使用。

通过 AI 代理创建、编辑和导出 Docling 文档。

在 RAG 流程中将文档嵌入向量数据库（如 Milvus）并检索。

为 LLM 提供本地或远程文档转换服务。

支持客户端

Claude Desktop

LM Studio

Llama Stack

依据项目文档列出，未经本站实测。

详细介绍

Docling MCP 是一个基于模型上下文协议（MCP）的文档处理服务，利用 Docling 库将 PDF 和其他文档转换为结构化格式，并提供缓存、生成、RAG 等工具。支持远程（Docling Serve）和本地（docling-mcp[local]）转换模式。