تحلیل سندها با عوامل هوش مصنوعی با استفاده از سرور منبع باز GroupDocs.Parser Cloud MCP

مرور کلی

سرور GroupDocs.Parser Cloud MCP یک لایه سبک دور API GroupDocs.Parser Cloud است که Model Context Protocol (MCP) را پیاده‌سازی می‌کند. با در دسترس‌گذاری قابلیت‌های تجزیه سند (متن، تصویر، بارکد) و ابزارهای ذخیره‌سازی ابری (لیست، بارگذاری، دانلود، حذف) به‌صورت ابزارهای سازگار با MCP، این سرور به عوامل هوش مصنوعی، دستیارها و ابزارهای توسعه اجازه می‌دهد تا همانند تعامل با هر منبع دادهٔ مبتنی بر مدل، با اسناد کار کنند. این امر نیاز به فراخوانی‌های سفارشی SDK یا یکپارچه‌سازی‌های اختصاصی را حذف می‌کند و ادغام استخراج سند در جریان‌های کاری مبتنی بر LLM، ابزارهای تکمیل خودکار یا محیط‌های دستیار کد را ساده می‌سازد.

مزایای کلیدی شامل:

دسترسی همگانی – هر مشتری سازگار با MCP (VS Code، Cursor، KiloCode، عوامل سفارشی و دیگران) می‌تواند همان نقطه انتهایی را برای تجزیه اسنادی که در GroupDocs Cloud ذخیره شده‌اند، فراخوانی کند.
استخراج پیشرفته – متن، تصاویر جاسازی‌شده و بارکدها را از بیش از ۵۰ فرمت فایل (PDF، Word، Excel، PowerPoint، ایمیل‌ها، آرشیوها و غیره) بازیابی کنید.
عملیات ذخیره‌سازی – فهرست‌گذاری پوشه‌ها، بارگذاری فایل‌های جدید، دانلود موجود‌ها و مدیریت ذخیره‌سازی ابری را مستقیماً از طریق فراخوانی‌های MCP انجام دهید.
چند‑پلتفرمی – بر روی ویندوز، macOS و لینوکس با یک سرویس مبتنی بر پایتون اجرا می‌شود.

در زیر ناوبری سریع به بخش‌هایی که پروتکل، نصب، پیکربندی برای ابزارهای محبوب، گزینه‌های پیشرفته و سؤالات متداول را راهنمایی می‌کند.

Model Context Protocol (MCP) چیست؟
چرا از سرور GroupDocs.Parser Cloud MCP استفاده کنیم؟
شروع سریع
استفاده از MCP با KiloCode
استفاده از MCP با Cursor
استفاده از MCP با VS Code
گزینه‌های پیشرفته
نتیجه‌گیری
همچنین ببینید
پرسش‌های متداول

Model Context Protocol (MCP) چیست؟

Model Context Protocol (MCP) یک رابط استاندارد است که به مدل‌های زبان بزرگ (LLMs) و عوامل هوش مصنوعی اجازه می‌دهد با ابزارها و سرویس‌های خارجی به‌صورت ساختار یافته، پیش‌بینی‌پذیر و قابل کشف تعامل کنند.

به‌جای تعبیه منطق کسب‌وکار مستقیماً در پرامپت‌ها، MCP قابلیت‌های خارجی (APIها، سرویس‌ها، منابع داده) را به‌عنوان ابزارهای تایپ‌شده در دسترس قرار می‌دهد که یک عامل هوش مصنوعی می‌تواند در صورت نیاز فراخوانی کند.

مفاهیم کلیدی MCP

یکپارچه‌سازی مبتنی بر ابزار
هر قابلیت به‌عنوان یک ابزار با هدف واضح (مثلاً استخراج متن از سند یا فهرست‌گذاری فایل‌ها در ذخیره‌سازی) ارائه می‌شود. عوامل هوش مصنوعی می‌توانند این ابزارها را به‌صورت دینامیک بر اساس نیت کاربر انتخاب و اجرا کنند.
طرح‌های ورودی/خروجی تایپ‌شده
ابزارهای MCP ورودی و خروجی خود را با استفاده از JSON schema تعریف می‌کنند. این کار ابهام را حذف می‌کند، توهمات (hallucinations) را کاهش می‌دهد و به مدل‌ها اجازه می‌دهد تا تصمیم بگیرند کدام ابزار را صدا بزنند و نتایج را چگونه استفاده کنند.
جداسازی صریح استدلال و اجرا
LLM بر استدلال و تصمیم‌گیری متمرکز می‌شود، در حالی که سرور MCP عملیات قطعی مانند تجزیه سند، پردازش فایل یا بازیابی داده را انجام می‌دهد.
قابل استفاده در محیط‌های مختلف
هر مشتری سازگار با MCP (IDEهای هوش مصنوعی، برنامه‌های چت، عوامل خودمختار، ابزارهای محلی) می‌تواند به همان سرور MCP متصل شود بدون نیاز به کدهای اتصال سفارشی.

با پیاده‌سازی MCP، سرویس به‌صورت AI‑native می‌شود: قابلیت‌های آن می‌توانند کشف، درک و به‌صورت ایمن توسط عوامل هوش مصنوعی در یک جریان کاری بزرگتر فراخوانی شوند.

چرا از سرور GroupDocs.Parser Cloud MCP استفاده کنیم؟

مزیت	چگونه به شما کمک می‌کند
نقطه یکپارچه‌سازی	هر مشتری سازگار با MCP (Cursor، افزونه‌های VS Code، عوامل هوش مصنوعی، ابزارهای سفارشی) می‌تواند از طریق یک رابط ثابت به تجزیه سند دسترسی داشته باشد.
استخراج محتوای جامع	متن ساده، تصویر و بارکدها را از بیش از ۵۰ فرمت سند شامل PDF، DOCX، XLSX، PPTX، ایمیل‌ها و آرشیوها استخراج کنید.
عملیات ذخیره‌سازی ابری در بسته	مستقیماً با ذخیره‌سازی GroupDocs Cloud کار کنید: بارگذاری، دانلود، فهرست‌گذاری پوشه‌ها، بررسی وجود و حذف فایل‌ها به‌عنوان بخشی از همان جریان کاری.
بدون SDK در عوامل	عوامل هوش مصنوعی و برنامه‌های مشتری نیازی به جاسازی یا مدیریت SDKهای GroupDocs ندارند—سرور MCP تمام ارتباطات API و احراز هویت را بر عهده می‌گیرد.
پلتفرم‑متقاطع و میزبانی‌پذیر	سرور MCP را به‌صورت محلی یا در زیرساخت خود بر روی ویندوز، macOS یا لینوکس اجرا کنید.
طراحی شده برای جریان‌های هوش مصنوعی	رابط MCP ابزارهای مبتنی بر طرح‌های Schema را فراهم می‌کند که عوامل هوش مصنوعی می‌توانند به‌صورت ایمن در طول استدلال و خودکارسازی فراخوانی کنند.

شروع سریع

این بخش نشان می‌دهد چگونه GroupDocs.Parser Cloud MCP Server را در چند گام پیکربندی و اجرا کنید.

1. مخزن را کلون کنید

git clone https://github.com/groupdocs-parser-cloud/groupdocs-parser-cloud-mcp.git
cd groupdocs-parser-cloud-mcp

2. تنظیم متغیرهای محیطی

فایل .env را با اعتبارنامه‌های GroupDocs Cloud خود ایجاد کنید.
می‌توانید آن را به‌صورت دستی بسازید یا از قالب .env.example کپی کنید.

CLIENT_ID=your-client-id
CLIENT_SECRET=your-client-secret
MCP_PORT=8000

می‌توانید Client ID و Client Secret خود را از داشبورد GroupDocs Cloud دریافت کنید:
https://dashboard.groupdocs.cloud/#/applications

3. اجرای سرور MCP

دستورات زیر را بر حسب سیستم‌عامل خود انتخاب کنید.

Linux / macOS

./run_mcp.sh

Windows (PowerShell)

.\run_mcp.ps1

Windows (Command Prompt)

run_mcp.bat

نقطه انتهایی سرور

پس از راه‌اندازی، سرور MCP در آدرس زیر در دسترس است:

http://localhost:8000/mcp

اکنون می‌توانید این نقطه انتهایی را به هر میزبان سازگار با MCP متصل کنید، از جمله عوامل هوش مصنوعی، افزونه‌های IDE یا ابزارهای LLM که از Model Context Protocol پشتیبانی می‌کنند.

استفاده از MCP با KiloCode

KiloCode می‌تواند هر نقطه انتهایی MCP را مستقیماً از رابط چت خود صدا بزند.

مراحل آماده‌سازی

به Settings → MCP Servers در KiloCode بروید.
یک ورودی سرور جدید به نام groupdocs-parser-mcp-local اضافه کنید.
پیکربندی JSON (URL و نوع) را وارد کنید.

پیکربندی JSON برای KiloCode

{
  "mcpServers": {
    "groupdocs-parser-mcp-local": {
      "type": "streamable-http",
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

نمونه پرامپت‌ها در KiloCode

Extract all text from sample_invoice.pdf using the GroupDocs.Parser MCP server, then give me a brief summary of the invoice amount

هنگامی که این پرامپت را ارسال می‌کنید، KiloCode:

sample_invoice.pdf را به GroupDocs Cloud آپلود می‌کند.
متد parse/text سرور MCP را فراخوانی می‌کند.
خلاصه‌ای تولیدشده توسط مدل را برمی‌گرداند.

Extract all images from document.pdf, save them in current folder, subfolder “document_images” and after processing remove the images from GroupDocs.Cloud storage

در این حالت KiloCode:

document.pdf را به GroupDocs Cloud بارگذاری می‌کند.
ابزار استخراج تصویر را از طریق سرور MCP صدا می‌زند.
تصاویر استخراج‌شده را دانلود کرده و در پوشه document_images ذخیره می‌کند.
سپس تصاویر را از ذخیره‌سازی GroupDocs.Cloud حذف می‌کند.

استفاده از MCP با Cursor

پنل “Tools & MCP” در Cursor امکان ثبت سرورهای MCP سفارشی را می‌دهد.

مراحل تنظیم

به Cursor Settings → Tools & MCP بروید.
روی Add Custom MCP کلیک کنید.
اسنیپت JSON زیر را در بخش mcp.json قرار دهید.

پیکربندی mcp.json برای Cursor

{
  "mcpServers": {
    "groupdocs-parser-mcp-local": {
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

پرامپت نمونه برای Cursor

Extract text from Message.msg using the GroupDocs.Parser MCP, then give me a brief summary of the email message.

Cursor به‌صورت خودکار:

فایل را در فضای شخصی GroupDocs.Cloud شما آپلود می‌کند
متن را با استفاده از GroupDocs.Parser Cloud استخراج می‌کند
نتایج را در پاسخ چت درج می‌نماید.

استفاده از MCP با VS Code

VS Code از سرورهای MCP پشتیبانی می‌کند. در این بخش نحوهٔ تنظیم و استفاده از ویژگی‌های سرور GroupDocs MCP آورده شده است.

مراحل پیکربندی

اگر پوشه .vscode وجود ندارد، آن را ایجاد کنید.
فایلی به نام mcp.json با تعریف سرور اضافه کنید.

مثال mcp.json برای VS Code

{
  "servers": {
    "groupdocs-parser-mcp-local": {
      "type": "http",
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

VS Code را مجدداً بارگذاری کنید (Ctrl+Shift+P → Developer: Reload Window).
اکنون می‌توانید یک Chat باز کنید (Ctrl+Alt+I) و چت در زمان درخواست، ابزارهای MCP را فراخوانی می‌کند.

به‌عنوان مثال، در چت بپرسید:

Parse the Invoice.pdf using the GroupDocs.Parser MCP, give me a brief summary of invoice.

گزینه‌های پیشرفته

تست سرور با MCP Inspector

MCP Inspector یک رابط کاربری سبک است که به شما امکان می‌دهد طرح سرور را مرور کنید و فراخوانی‌ها را به‌صورت تعاملی آزمایش کنید.

# Run the inspector (Node.js required)
npx @modelcontextprotocol/inspector

در مرورگر:

نوع اتصال “streamable HTTP” را انتخاب کنید.
URL سرور خود را وارد کنید: http://127.0.0.1:8000/mcp.
روی Connect کلیک کنید و روش‌های موجود (مانند parser_extract_text, parser_extract_barcodes) را مرور کنید.

بازنشانی محیط مجازی

اگر requirements.txt را ویرایش کردید یا به خطاهای وابستگی برخوردید، محیط را بازنشانی کنید:

# Linux / macOS
./init_mcp.sh

# Windows PowerShell
.\init_mcp.ps1

# Windows CMD
init_mcp.bat

اسکریپت:

پوشه .venv موجود را حذف می‌کند.
یک محیط مجازی تمیز ایجاد می‌کند.
تمام بسته‌های requirements.txt را دوباره نصب می‌کند.

پس از بازنشانی، سرور را دوباره اجرا کنید:

# Linux / macOS
./run.sh

# Windows PowerShell
.\run.ps1

# Windows CMD
run.bat

نتیجه‌گیری

در این مقاله به بررسی موارد زیر پرداختیم:

MCP چیست و چرا برای ابزارهای مبتنی بر هوش مصنوعی اهمیت دارد.
GroupDocs.Parser Cloud MCP Server – یک پل سبک که استخراج متن، تصویر و بارکد و همچنین مدیریت کامل ذخیره‌سازی را به هر مشتری سازگار با MCP اضافه می‌کند.
نصب گام‌به‌گام (کلون، پیکربندی، اجرا).
نحوهٔ اتصال سرور به محیط‌های محبوب – KiloCode، Cursor و VS Code.
عیب‌یابی پیشرفته با استفاده از MCP Inspector و بازنشانی محیط.

با داشتن سرور MCP، توسعه‌دهندگان می‌توانند به LLMها اجازه دهند تا با اسناد همانند دیتابیس یا API تعامل داشته باشند، کدهای SDK اضافی را حذف کرده و سرعت پیاده‌سازی جریان‌های کاری مبتنی بر هوش مصنوعی را بالا ببرند.

هم‌چنین ببینید

GroupDocs.Parser Cloud API Reference – https://reference.groupdocs.cloud/parser/
GroupDocs.Parser Cloud Documentation – https://docs.groupdocs.cloud/parser/
Start a Free Trial – https://purchase.groupdocs.cloud/cloud/trial/
Purchase Policies and FAQ – https://purchase.groupdocs.cloud/cloud/policies/

پرسش‌های متداول (FAQs)

س: چرا سرور MCP منبع باز است و به‌صورت محلی اجرا می‌شود؟ چرا سرور عمومی میزبانی‌شده‌ای وجود ندارد؟
ج: پروتکل Model Context Protocol (MCP) هنوز استاندارد جدیدی است و مدل‌های بزرگ زبان و دستیارهای هوش مصنوعی معمولاً پشتیبانی بومی یا قابل‌اعتمادی برای جریان‌های باینری فایل‌ها (PDFها، تصاویر، آرشیوها) ندارند. تجزیه سند، OCR، استخراج تصویر و شناسایی بارکد حوزه‌هایی هستند که APIهای تخصصی مانند GroupDocs.Parser Cloud عملکرد عالی دارند. سرور MCP محلی این فاصله را به‌صورت قابل‌اعتمادی و استاندارد پر می‌کند.
س: آیا برای استفاده از سرور MCP نیاز به نصب نرم‌افزارهای اضافی دارم؟
ج: خیر. سرور بر هر سیستم عاملی که از Python 3.10+ پشتیبانی می‌کند اجرا می‌شود و تنها بسته‌های فهرست‌شده در requirements.txt مورد نیاز هستند.
س: کدام فرمت‌های سند پشتیبانی می‌شوند؟
ج: بیش از ۵۰ فرمت شامل PDF، DOCX، XLSX، PPTX، ایمیل‌ها (.eml، .msg)، آرشیوها (ZIP، RAR) و انواع رایج تصویر (PNG، JPG، TIFF).
س: آیا می‌توانم بارکدها را از PDFهای اسکن‌شده استخراج کنم؟
ج: بله. سرور MCP از نقطه انتهایی parse/barcodes پشتیبانی می‌کند که بارکدهای 1D و 2D را در تصاویر رستر و PDFها شناسایی می‌کند.
س: چگونه می‌توانم فایل‌ها را در یک پوشه خاص GroupDocs Cloud فهرست کنم؟
ج: سرور MCP از نقاط انتهایی ذخیره‌سازی GroupDocs.Cloud (storage/list, storage/upload, storage/download, storage/delete) پشتیبانی می‌کند و عملیات ذخیره‌سازی به‌صورت خودکار یا بر اساس درخواست شما در جلسات چت استفاده می‌شود.
س: اگر پس از راه‌اندازی سرور پورت MCP را تغییر دهم چه کاری باید انجام دهم؟
ج: مقدار MCP_PORT را در فایل .env به‌روز کنید و سرور را مجدداً راه‌اندازی کنید (run.sh / run.ps1).
س: آیا نسخه آزمایشی رایگان دارم؟
ج: بله، 150 تماس API رایگان در هر ماه در دسترس است.

مرور کلی#

Model Context Protocol (MCP) چیست؟#

مفاهیم کلیدی MCP#

چرا از سرور GroupDocs.Parser Cloud MCP استفاده کنیم؟#

شروع سریع#

1. مخزن را کلون کنید#

2. تنظیم متغیرهای محیطی#

3. اجرای سرور MCP#

Linux / macOS#

Windows (PowerShell)#

Windows (Command Prompt)#

نقطه انتهایی سرور#

استفاده از MCP با KiloCode#

استفاده از MCP با Cursor#

استفاده از MCP با VS Code#

گزینه‌های پیشرفته#

تست سرور با MCP Inspector#

بازنشانی محیط مجازی#

نتیجه‌گیری#

هم‌چنین ببینید#

پرسش‌های متداول (FAQs)#