MCP Document Converter

🚀 MCP Document Converter

MCP (Model Context Protocol) Document Converter は、複数の形式間でドキュメントを変換する強力なMCPツールです。これにより、AIエージェントが簡単にドキュメントを変換できるようになります。

🌐 言語: English | 中文

🚀 クイックスタート

MCP Document Converterを使用することで、様々な形式のドキュメントを簡単に変換できます。以下に、基本的な使い方を紹介します。

✨ 主な機能

• 多形式対応：Markdown、HTML、DOCX、PDF、Textの5つの主流ドキュメント形式をサポートします。
• 双方向変換：任意の形式から任意の形式への変換が可能です（5×5 = 25の変換組み合わせ）。
• MCPプロトコル：MCP標準に準拠しており、Trae IDEなどのAIアシスタント用のツールとして使用できます。
• プラグインアーキテクチャ：新しいパーサーとレンダラーを簡単に拡張できます。
• 構文ハイライト：HTMLとPDFの出力ではコードの構文ハイライトがサポートされています。
• スタイルカスタマイズ：カスタムCSSスタイルのサポートがあります。
• メタデータ保存：変換中にドキュメントのタイトル、作成者、作成時間などのメタデータを保存します。

📚 ドキュメント

ユーザーガイド · APIリファレンス · コントリビュートガイド · 変更履歴 · ライセンス

🔧 技術詳細

アーキテクチャ

flowchart TB
    subgraph Parsers["Parsers"]
        MD[Markdown]
        DOCX1[DOCX]
        HTML1[HTML]
        PDF1[PDF]
        TXT1[Text]
    end

    subgraph IR["Intermediate Representation (IR)"]
        DT[Document Tree]
        META[Metadata]
        ASSETS[Assets]
    end

    subgraph Renderers["Renderers"]
        HTML2[HTML]
        PDF2[PDF]
        MD2[Markdown]
        DOCX2[DOCX]
        TXT2[Text]
    end

    MD --> IR
    DOCX1 --> IR
    HTML1 --> IR
    PDF1 --> IR
    TXT1 --> IR
    
    IR --> HTML2
    IR --> PDF2
    IR --> MD2
    IR --> DOCX2
    IR --> TXT2

コアコンポーネント

1. DocumentIR (Intermediate Representation)：すべてのドキュメントの統一された抽象化で、ドキュメントツリー、メタデータ、アセットなどを含みます。
2. BaseParser (Parser Base Class)：パーサーのインターフェースを定義し、さまざまな形式をDocumentIRに解析します。
3. BaseRenderer (Renderer Base Class)：レンダラーのインターフェースを定義し、DocumentIRをさまざまな形式にレンダリングします。
4. ConverterRegistry (Registry)：すべてのパーサーとレンダラーを管理し、形式の検索と自動マッチングを提供します。
5. DocumentConverter (Conversion Engine)：パーサーとレンダラーを調整してドキュメントの変換を完了します。

サポートされる形式

入力形式 (パーサー)

出力形式 (レンダラー)

変換マトリックス

flowchart LR
    subgraph Sources["Source Formats"]
        MD_S[Markdown]
        HTML_S[HTML]
        DOCX_S[DOCX]
        PDF_S[PDF]
        TXT_S[Text]
    end

    subgraph Targets["Target Formats"]
        MD_T[Markdown]
        HTML_T[HTML]
        DOCX_T[DOCX]
        PDF_T[PDF]
        TXT_T[Text]
    end

    MD_S --> Targets
    HTML_S --> Targets
    DOCX_S --> Targets
    PDF_S --> Targets
    TXT_S --> Targets

📦 インストール

pipを使用する (推奨)

pip install mcp-document-converter

ソースからインストール

git clone https://github.com/xt765/mcp-document-converter.git
cd mcp-document-converter
pip install -e .

MCPツール

このサーバーは以下のツールを提供します。

convert_document

ドキュメントをある形式から別の形式に変換します。

引数:

• source_path (文字列、必須): ソースドキュメントのパス。
• target_format (文字列、必須): ターゲット形式 (html, pdf, markdown, docx, text)。
• output_path (文字列、オプション): 出力ファイルのパス。
• source_format (文字列、オプション): ソースファイルの形式（指定されない場合は自動検出）。
• options (オブジェクト、オプション): template、css、preserve_metadata などの追加オプション。

設定

Trae IDE / Claude Desktopでの使用

MCP設定ファイルに以下を追加します。

オプション1: PyPIを使用する (推奨)

{
  "mcpServers": {
    "mcp-document-converter": {
      "command": "uvx",
      "args": [
        "mcp-document-converter"
      ]
    }
  }
}

オプション2: GitHubリポジトリを使用する

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

オプション3: Giteeリポジトリを使用する (中国でのアクセスが速い)

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

オプション4: pipを使用する (手動インストール) まずパッケージをインストールします。

pip install mcp-document-converter

次に設定に追加します。

{
  "mcpServers": {
    "mcp-document-converter": {
      "command": "mcp-document-converter",
      "args": []
    }
  }
}

Cherry Studioでの使用

Cherry Studioは、MCPプロトコルを通じてさまざまなツールを統合できる強力なオープンソースのデスクトップAIクライアントアシスタントです

設定例:

使用例:

💻 使用例

MCPツールとして

設定後、AIアシスタントは以下のツールを直接呼び出すことができます。

1. convert_document (推奨)

統一されたインターフェースを使用して、サポートされている任意のドキュメントタイプを変換します。

# MarkdownからHTMLへ
convert_document(
    source_path="document.md",
    target_format="html"
)

# HTMLからPDFへ
convert_document(
    source_path="document.html",
    target_format="pdf"
)

# DOCXからMarkdownへ
convert_document(
    source_path="document.docx",
    target_format="markdown"
)

# オプション付きの変換
convert_document(
    source_path="document.md",
    target_format="html",
    output_path="output.html",
    options={
        "css": "custom.css",
        "preserve_metadata": True
    }
)

2. list_supported_formats

サポートされているすべてのドキュメント形式をリストします。

list_supported_formats()

3. get_conversion_matrix

完全な形式変換マトリックスを取得します。

get_conversion_matrix()

4. can_convert

ソース形式からターゲット形式への変換がサポートされているかどうかを確認します。

can_convert(source_format="markdown", target_format="pdf")

5. get_format_info

特定の形式に関する詳細情報を取得します。

get_format_info(format="markdown")

Pythonライブラリとして

from mcp_document_converter import DocumentConverter
from mcp_document_converter.registry import get_registry
from mcp_document_converter.parsers import MarkdownParser, HTMLParser
from mcp_document_converter.renderers import HTMLRenderer, PDFRenderer

# パーサーとレンダラーを登録
registry = get_registry()
registry.register_parser(MarkdownParser())
registry.register_parser(HTMLParser())
registry.register_renderer(HTMLRenderer())
registry.register_renderer(PDFRenderer())

# コンバーターを作成
converter = DocumentConverter(registry)

# ドキュメントを変換
result = converter.convert(
    source="input.md",
    target_format="html",
    output_path="output.html"
)

if result.success:
    print(f"✅ 変換成功: {result.output_path}")
else:
    print(f"❌ 変換失敗: {result.error_message}")

ツールインターフェースの詳細

convert_document

ドキュメントをある形式から別の形式に変換します。

パラメータ:

オプション:

例:

{
  "source_path": "/path/to/document.md",
  "target_format": "html",
  "output_path": "/path/to/output.html",
  "options": {
    "css": "body { font-family: Arial; }",
    "preserve_metadata": true
  }
}

拡張開発

新しいパーサーの追加

from typing import List, Union
from pathlib import Path
from mcp_document_converter.core.parser import BaseParser
from mcp_document_converter.core.ir import DocumentIR, Node, NodeType

class MyParser(BaseParser):
    @property
    def supported_extensions(self) -> List[str]:
        return [".myext"]
    
    @property
    def format_name(self) -> str:
        return "myformat"
    
    @property
    def mime_types(self) -> List[str]:
        return ["application/x-myformat"]
    
    def parse(self, source: Union[str, Path, bytes], **options) -> DocumentIR:
        # ソースファイルを読み込む
        content = self._read_source(source)
        
        # DocumentIRに解析する
        document = DocumentIR()
        document.title = "My Document"
        
        # コンテンツノードを追加
        document.add_node(Node(
            type=NodeType.PARAGRAPH,
            content=[Node(type=NodeType.TEXT, content="Hello World")]
        ))
        
        return document

新しいレンダラーの追加

from typing import Any
from mcp_document_converter.core.renderer import BaseRenderer
from mcp_document_converter.core.ir import DocumentIR

class MyRenderer(BaseRenderer):
    @property
    def output_extension(self) -> str:
        return ".myext"
    
    @property
    def format_name(self) -> str:
        return "myformat"
    
    @property
    def mime_type(self) -> str:
        return "application/x-myformat"
    
    def render(self, document: DocumentIR, **options: Any) -> str:
        # DocumentIRをターゲット形式にレンダリングする
        parts = []
        
        if document.title:
            parts.append(f"# {document.title}")
        
        for node in document.content:
            # 各ノードをレンダリングする
            pass
        
        return "\n".join(parts)

拡張の登録

from mcp_document_converter.registry import get_registry

# 新しいパーサーとレンダラーを登録
registry = get_registry()
registry.register_parser(MyParser())
registry.register_renderer(MyRenderer())

テスト

# すべてのテストを実行
python tests/test_conversion.py

# 特定のテストを実行
python tests/test_conversion.py::test_markdown_to_html

環境変数

依存関係

コア依存関係

• mcp >= 1.26.0 - MCPプロトコルの実装
• pydantic >= 2.12.5 - データ検証

パーサー依存関係

• markdown >= 3.5.0 - Markdownの解析
• beautifulsoup4 >= 4.12.0 - HTMLの解析
• python-docx >= 1.1.0 - DOCXの解析
• pypdf >= 6.7.4 - PDFの解析
• chardet >= 5.0.0 - エンコーディング検出
• pyyaml >= 6.0.0 - YAMLの解析

レンダラー依存関係

• weasyprint >= 60.0 - PDFのレンダリング
• pygments >= 2.17.0 - コードハイライト
• jinja2 >= 3.1.6 - テンプレートエンジン
• reportlab >= 4.0.0 - PDFの生成

開発依存関係

• pytest >= 7.0.0 - テストフレームワーク
• pytest-asyncio >= 0.21.0 - 非同期テストのサポート
• pytest-cov >= 4.0.0 - カバレッジレポート
• basedpyright >= 1.0.0 - 型チェック
• ruff >= 0.1.0 - リンティングとフォーマット

📄 ライセンス

MIT License

コントリビュート

イシューとプルリクエストを歓迎します！

関連プロジェクト

• MCP Document Reader - 複数のドキュメント形式をサポートするMCPドキュメントリーダー
• Model Context Protocol - 公式のModel Context Protocolドキュメント