适合谁
- 需要处理多种文档格式并提取结构化数据的开发者和数据工程师。
- 需要在 MCP 环境中集成文档处理功能的 AI 代理。
- 需要从代码库中提取语义信息的 RAG 管道。
X
58FMRS · C
适合需要从多种文档和代码中提取信息的用户，提供丰富的功能和多种集成方式。
Xberg 是一个基于 Rust 核心的文档智能框架，支持从 101 种格式（115 种文件扩展名）中提取文本、表格、元数据和图像，同时支持 371 种编程语言的代码智能。它具有 15 种语言绑定（Rust、Python、Node.js、Go、Java、C#、Ruby、PHP、Elixir、Dart、Swift、Zig、WASM、Kotlin、C FFI），并提供 CLI、REST API 和 MCP 服务器。该 MCP 服务器提供 9 个工具（extract、extract_batch、detect_mime_type 等）、3 个提示词（extract_document、extract_with_ocr、semantic_search）和 4 个资源（formats、models、OCR languages、embedding presets）。
工具能力
extract
从单个文档中提取文本、表格、元数据和图像。
extract_batch
批量提取多个文档的内容。
detect_mime_type
检测文件的 MIME 类型。
cache_stats
查看提取缓存的统计信息。
list_formats
列出所有支持的文件格式和 MIME 类型。
cache_clear
清除提取缓存。
get_version
获取 Xberg 版本信息。
cache_manifest
查看缓存清单。
cache_warm
预热缓存以加速后续提取。
安装接入
使用 Homebrew 安装 CLI：brew install xberg-io/tap/xberg，然后配置客户端。例如，在 Claude Desktop 或 Cursor 的配置文件中添加：{ "mcpServers": { "xberg": { "command": "xberg", "args": ["mcp"] } } }。
claude_desktop_config.json
{
"mcpServers": {
"xberg": {
"command": "xberg",
"args": [
"mcp"
]
}
}
}
选型与风险
不适合谁
- 不需要文档提取或 OCR 的通用 MCP 场景。
- 需要实时交互式文档编辑的用户，因为 Xberg 专注于提取。
- 仅需简单文本转换且对性能要求不高的场景。
所需权限
- 读取本地文件系统以访问要提取的文档。
- 可能访问网络以获取 URL 或调用远程 OCR/LLM API（如果配置）。
- 写入缓存目录以存储提取结果。
风险与副作用
- 处理恶意文件时可能存在安全风险，建议限制文件来源。
- OCR 或 LLM 调用可能需要额外的 API 密钥或网络连接。
- 大文件处理可能消耗较多内存和 CPU 资源。
常见排障
- 确保 xberg CLI 已正确安装并加入 PATH。
- 检查配置文件中的命令路径是否准确。
- 运行 `xberg doctor` 检查后端依赖（如 Tesseract）是否可用。
- 查看日志以获取详细错误信息。
使用场景
从 PDF、Office 文档、图像等中提取文本和表格，用于 RAG 或数据处理。
对扫描文档进行 OCR 识别，支持 Tesseract、PaddleOCR 等后端。
从源代码中提取函数、类、导入等结构，用于代码分析。
通过本地或远程 LLM 进行结构化数据提取和文档理解。
支持客户端
Claude Desktop完整支持
Cursor完整支持