Langextract MCP

🚀 LangExtract MCP 服務器

LangExtract MCP 服務器是一個基於 Google langextract 庫的 FastMCP 服務器。它允許像 Claude Code 這樣的 AI 助手，通過 MCP 接口利用大語言模型從非結構化文本中提取結構化信息。

🚀 快速開始

概述

LangExtract 是一個 Python 庫，它利用大語言模型從文本文檔中提取結構化信息，同時保持精確的來源定位。這個 MCP 服務器通過模型上下文協議（Model Context Protocol）將 langextract 的功能暴露出來。服務器具備智能緩存、持久連接和服務器端憑證管理等特性，能夠在像 Claude Code 這樣的長期運行環境中提供最佳性能。

針對 Claude Code 的快速設置

前提條件

• 已安裝並配置好 Claude Code
• 擁有 Google Gemini API 密鑰（在此獲取）
• Python 3.10 或更高版本

安裝

使用內置的 MCP 管理功能直接在 Claude Code 中安裝：

claude mcp add langextract-mcp -e LANGEXTRACT_API_KEY=your-gemini-api-key -- uv run --with fastmcp fastmcp run src/langextract_mcp/server.py

服務器將自動啟動並與 Claude Code 集成，無需額外配置。

驗證

安裝完成後，在 Claude Code 中輸入以下命令驗證集成情況：

/mcp

你應該會看到表明服務器正在運行的輸出，並且可以進入服務器查看其工具內容。

✨ 主要特性

服務器提供了以下用於文本提取工作流的工具：

核心提取工具

• extract_from_text - 從提供的文本中提取結構化信息
• extract_from_url - 從網頁內容中提取信息
• save_extraction_results - 將提取結果保存為 JSONL 格式
• generate_visualization - 創建交互式 HTML 可視化

更多信息可查看 src/langextract_mcp/resources 下客戶端可用的資源。

💻 使用示例

基礎文本提取

使用自然語言要求 Claude Code 提取信息：

Extract medication information from this text: "Patient prescribed 500mg amoxicillin twice daily for infection"

Use these examples to guide the extraction:
- Text: "Take 250mg ibuprofen every 4 hours"
- Expected: medication=ibuprofen, dosage=250mg, frequency=every 4 hours

高級配置

對於複雜的提取任務，指定配置參數：

Extract character emotions from Shakespeare using:
- Model: gemini-2.5-pro for better literary analysis
- Multiple passes: 3 for comprehensive extraction
- Temperature: 0.2 for consistent results

URL 處理

直接從網頁內容中提取信息：

Extract key findings from this research paper: https://arxiv.org/abs/example
Focus on methodology, results, and conclusions

🔧 技術細節

支持的模型

此服務器目前僅支持 Google Gemini 模型，針對具有高級模式約束的可靠結構化提取進行了優化：

• gemini-2.5-flash - 推薦默認值 - 在速度、成本和質量之間實現了最佳平衡
• gemini-2.5-pro - 最適合需要最高精度的複雜推理和分析任務

服務器使用持久連接、模式緩存和連接池，以確保與 Gemini 模型的最佳性能。未來版本可能會增加對其他提供商的支持。

配置參考

環境變量

在安裝過程中或服務器環境中設置：

LANGEXTRACT_API_KEY=your-gemini-api-key  # 必需

工具參數

通過工具參數配置提取行為：

{
    "model_id": "gemini-2.5-flash",     # 語言模型選擇
    "max_char_buffer": 1000,            # 文本塊大小
    "temperature": 0.5,                 # 採樣溫度 (0.0 - 1.0)  
    "extraction_passes": 1,             # 提取嘗試次數
    "max_workers": 10                   # 並行處理線程數
}

輸出格式

所有提取操作都返回一致的結構化數據：

{
    "document_id": "doc_123",
    "total_extractions": 5,
    "extractions": [
        {
            "extraction_class": "medication", 
            "extraction_text": "amoxicillin",
            "attributes": {"type": "antibiotic"},
            "start_char": 25,
            "end_char": 35
        }
    ],
    "metadata": {
        "model_id": "gemini-2.5-flash",
        "extraction_passes": 1,
        "temperature": 0.5
    }
}

📚 詳細文檔

使用場景

LangExtract MCP 服務器支持跨多個領域的廣泛用例。在醫療保健和生命科學領域，它可以從臨床筆記中提取藥物、劑量和治療方案，對放射學和病理學報告進行結構化處理，以及處理研究論文或臨床試驗數據。在法律和合規應用中，它能夠提取合同條款、當事人和義務，分析監管文件、合規報告和判例法。在研究和學術界，該服務器可用於從論文中提取方法、研究結果和引用，分析調查回覆和訪談記錄，以及處理歷史或檔案材料。在商業智能方面，它有助於從客戶反饋和評論中提取見解，分析新聞文章和市場報告，以及處理財務文件和收益報告。

支持與文檔

主要資源：

• LangExtract 文檔 - 核心庫參考
• FastMCP 文檔 - MCP 服務器框架
• 模型上下文協議 - 協議規範