แยกเอกสารด้วย AI Agents ด้วย Open‑Source GroupDocs.Parser Cloud MCP Server

Overview

GroupDocs.Parser Cloud MCP Server คือ wrapper น้ำหนักเบาที่ล้อมรอบ GroupDocs.Parser Cloud API และทำให้รองรับ Model Context Protocol (MCP) โดยการเปิดเผยความสามารถในการแยกเอกสาร (ข้อความ, รูปภาพ, บาร์โค้ด) และยูทิลิตี้การจัดเก็บบนคลาวด์ (list, upload, download, delete) เป็นเครื่องมือที่สอดคล้องกับ MCP เซิร์ฟเวอร์นี้ทำให้ AI Agents, ผู้ช่วย, และเครื่องมือพัฒนาอื่น ๆ สามารถโต้ตอบกับเอกสารได้เหมือนกับข้อมูลแหล่งอื่น ๆ ที่ขับเคลื่อนด้วยโมเดล สิ่งนี้ช่วยลดความจำเป็นในการเรียก SDK เฉพาะหรือการรวมระบบแบบ proprietary ทำให้การฝังการดึงข้อมูลจากเอกสารเข้าสู่ workflow ที่ถูกขับเคลื่อนด้วย LLM, เครื่องมือ autocomplete หรือสภาพแวดล้อมผู้ช่วยโค้ดเป็นเรื่องง่าย

ประโยชน์หลัก

• การเข้าถึงสากล – ไคลเอนต์ที่เข้ากันได้กับ MCP ใด ๆ (VS Code, Cursor, KiloCode, agents แบบ custom ฯลฯ) สามารถเรียก endpoint เดียวกันเพื่อแยกเอกสารที่เก็บไว้ใน GroupDocs Cloud
• การแยกข้อมูลที่ครอบคลุม – ดึงข้อความธรรมดา, รูปภาพฝังอยู่, และบาร์โค้ดจากไฟล์กว่า 50 รูปแบบ (PDF, Word, Excel, PowerPoint, อีเมล, อาร์ไคฟ์ ฯลฯ)
• การดำเนินการจัดเก็บ – รายการโฟลเดอร์, อัปโหลดไฟล์ใหม่, ดาวน์โหลดไฟล์ที่มีอยู่, และจัดการพื้นที่จัดเก็บบนคลาวด์โดยตรงผ่านการเรียก MCP
• ข้ามแพลตฟอร์ม – ทำงานบน Windows, macOS, และ Linux ด้วยเซอร์วิส Python เพียงหนึ่งตัว

ด้านล่างนี้เป็นการนำทางอย่างรวดเร็วไปยังส่วนต่าง ๆ ที่จะพาคุณเดินผ่าน protocol, การติดตั้ง, การตั้งค่าสำหรับเครื่องมือยอดนิยม, ตัวเลือกขั้นสูง, และคำถามที่พบบ่อย

• Model Context Protocol (MCP) คืออะไร?
• ทำไมต้องใช้ GroupDocs.Parser Cloud MCP Server?
• เริ่มต้นอย่างรวดเร็ว
• ใช้ MCP กับ KiloCode
• ใช้ MCP กับ Cursor
• ใช้ MCP กับ VS Code
• ตัวเลือกขั้นสูง
• สรุป
• ดูเพิ่มเติม
• FAQ

What is Model Context Protocol (MCP)?

Model Context Protocol (MCP) เป็นอินเทอร์เฟซมาตรฐานที่ทำให้ Large Language Models (LLMs) และ AI Agents สามารถโต้ตอบกับเครื่องมือและบริการภายนอกได้ใน รูปแบบที่เป็นโครงสร้าง, คาดการณ์ได้, และค้นพบได้

แทนที่จะฝังตรรกะธุรกิจลงใน prompt โดยตรง MCP จะเปิดเผยความสามารถภายนอก (API, บริการ, แหล่งข้อมูล) เป็น เครื่องมือที่มีประเภท (typed tools) ที่ AI Agent สามารถเรียกใช้เมื่อจำเป็น

แนวคิดสำคัญของ MCP

• การผสานรวมแบบเครื่องมือ
  ความสามารถแต่ละอย่างถูกเปิดเผยเป็น tool ที่มีจุดประสงค์ชัดเจน (เช่น ดึงข้อความจากเอกสาร หรือ รายชื่อไฟล์ใน storage). AI Agents สามารถเลือกและเรียกใช้เครื่องมือเหล่านี้แบบไดนามิกตามเจตนาของผู้ใช้
• สคีม่าอินพุตและเอาต์พุตที่มีประเภท
  เครื่องมือ MCP นิยามอินพุต/เอาต์พุตด้วย JSON schema ซึ่งช่วยลดความคลุมเคลือ, ลด hallucination, และทำให้โมเดลสามารถให้เหตุผลว่าควรเรียกเครื่องมือใดและวิธีใช้ผลลัพธ์อย่างไร
• การแยกความรับผิดชอบระหว่างการคิดและการทำ
  LLM รับผิดชอบการให้เหตุผลและการตัดสินใจ, ขณะ MCP server ทำงานที่กำหนดได้อย่าง deterministic เช่น การแยกเอกสาร, การประมวลผลไฟล์, หรือการดึงข้อมูล
• ** reusable across environments**
  ไคลเอนต์ใด ๆ ที่รองรับ MCP (IDE AI, แอปแช็ต, agents อิสระ, เครื่องมือ local) สามารถเชื่อมต่อกับ MCP server เดียวกันโดยไม่ต้องเขียนโค้ด glue พิเศษ

การทำให้บริการเป็น AI‑native ด้วย MCP ทำให้ฟังก์ชันของมันสามารถถูกค้นพบ, เข้าใจ, และเรียกใช้โดย AI Agents อย่างปลอดภัยใน workflow ที่กว้างขึ้น

Why use GroupDocs.Parser Cloud MCP Server?

Quick Start

ส่วนนี้แสดงวิธีตั้งค่า GroupDocs.Parser Cloud MCP Server เพียงไม่กี่ขั้นตอน

1. โคลนรีโพซิทอรี

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

2. กำหนดค่า environment variables

สร้างไฟล์ .env ที่มีข้อมูลประจำตัว GroupDocs Cloud ของคุณ
คุณสามารถสร้างไฟล์นี้ด้วยตนเองหรือคัดลอกจากเทมเพลต .env.example

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

คุณสามารถรับ Client ID และ Client Secret ได้จากแดชบอร์ด GroupDocs Cloud:
https://dashboard.groupdocs.cloud/#/applications

3. รันเซิร์ฟเวอร์ MCP

เลือกคำสั่งที่ตรงกับระบบปฏิบัติการของคุณ

Linux / macOS

./run_mcp.sh

Windows (PowerShell)

.\run_mcp.ps1

Windows (Command Prompt)

run_mcp.bat

Endpoint ของเซิร์ฟเวอร์

เมื่อเริ่มทำงานแล้ว เซิร์ฟเวอร์ MCP จะพร้อมใช้งานที่:

http://localhost:8000/mcp

คุณสามารถเชื่อมต่อ endpoint นี้กับ ไคลเอนต์ที่รองรับ MCP ใด ๆ เช่น AI agents, IDE copilots, หรือเครื่องมือ LLM ที่สนับสนุน Model Context Protocol

Using MCP with KiloCode

KiloCode สามารถเรียกใช้ endpoint MCP ใด ๆ ได้โดยตรงจากหน้าต่างแช็ต

ขั้นตอนเตรียมการ

1. เปิด Settings → MCP Servers ใน KiloCode
2. เพิ่มเซิร์ฟเวอร์ใหม่ชื่อ groupdocs-parser-mcp-local
3. วาง JSON การกำหนดค่า (URL และ type)

JSON การกำหนดค่า KiloCode

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

ตัวอย่าง Prompt ใน KiloCode

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

เมื่อคุณส่ง Prompt นี้ KiloCode จะ:

• อัปโหลด sample_invoice.pdf ไปยัง GroupDocs Cloud
• เรียกเมธอด MCP parse/text
• ส่งผลลัพธ์ให้โมเดลสร้างสรุปสั้น ๆ ของจำนวนเงินในใบแจ้งหนี้

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

KiloCode จะ:

• อัปโหลด document.pdf ไปยัง GroupDocs Cloud
• เรียกเครื่องมือ MCP เพื่อดึงรูปภาพ (parse/images)
• ดาวน์โหลดรูปภาพที่ได้และบันทึกลงโฟลเดอร์ document_images
• ลบรูปภาพจาก storage ของ GroupDocs.Cloud หลังจากเสร็จ

Using MCP with Cursor

แผง Tools & MCP ของ Cursor ให้คุณลงทะเบียนเซิร์ฟเวอร์ MCP แบบกำหนดเอง

ขั้นตอนตั้งค่า

1. เปิด Cursor Settings → Tools & MCP
2. คลิก Add Custom MCP
3. ใส่ JSON ต่อไปนี้ในส่วน mcp.json

JSON การกำหนดค่า Cursor

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

Prompt ตัวอย่างสำหรับ Cursor

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

Cursor จะทำการ:

• อัปโหลดไฟล์ไปยังพื้นที่จัดเก็บส่วนตัวของคุณใน GroupDocs.Cloud
• ดึงข้อความโดยใช้ GroupDocs.Parser Cloud
• ใส่ผลลัพธ์ลงในคำตอบของแช็ต

Using MCP with VS Code

VS Code รองรับเซิร์ฟเวอร์ MCP ในส่วนนี้เราจะแสดงวิธีตั้งค่าและใช้คุณสมบัติของ GroupDocs MCP server

ขั้นตอนการกำหนดค่า

1. สร้างโฟลเดอร์ .vscode ในโปรเจกต์ของคุณหากยังไม่มี
2. เพิ่มไฟล์ mcp.json พร้อมการกำหนดเซิร์ฟเวอร์

ตัวอย่าง mcp.json สำหรับ VS Code

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

3. รีโหลด VS Code (Ctrl+Shift+P → Developer: Reload Window)
4. เปิด Chat (Ctrl+Alt+I) ตอนนี้แช็ตจะเรียกใช้เครื่องมือ MCP เมื่อต้องการ

ตัวอย่างที่คุณสามารถถามในแช็ตเกี่ยวกับไฟล์ในโฟลเดอร์ปัจจุบันของ VS Code:

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

Advanced Options

ทดสอบเซิร์ฟเวอร์ด้วย MCP Inspector

MCP Inspector เป็น UI ขนาดเล็กที่ช่วยให้คุณสำรวจ schema ของเซิร์ฟเวอร์และลองเรียกใช้เมธอดแบบโต้ตอบ

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

ในเบราว์เซอร์:

1. เลือก “streamable HTTP” เป็นประเภทการเชื่อมต่อ
2. ใส่ URL ของเซิร์ฟเวอร์: http://127.0.0.1:8000/mcp
3. คลิก Connect แล้วเรียกดูเมธอดที่พร้อมใช้งาน (เช่น parser_extract_text, parser_extract_barcodes)

เริ่มต้น Virtual Environment ใหม่

หากคุณแก้ไข requirements.txt หรือเจอข้อผิดพลาดด้าน dependency ให้ทำการรีเซ็ต environment:

# Linux / macOS
./init_mcp.sh

# Windows PowerShell
.\init_mcp.ps1

# Windows CMD
init_mcp.bat

สคริปต์จะ:

1. ลบ .venv ที่มีอยู่เดิม
2. สร้าง virtual environment ใหม่ที่สะอาด
3. ติดตั้งแพ็กเกจทั้งหมดจาก requirements.txt อีกครั้ง

หลังจากรีเซ็ตแล้ว ให้รันเซิร์ฟเวอร์อีกครั้ง:

# Linux / macOS
./run.sh

# Windows PowerShell
.\run.ps1

# Windows CMD
run.bat

Conclusion

สรุปเนื้อหาที่บทความนี้ครอบคลุม:

• MCP คืออะไร และทำไมถึงสำคัญสำหรับเครื่องมือที่ขับเคลื่อนด้วย AI
• GroupDocs.Parser Cloud MCP Server – สะพานน้ำหนักเบาที่เพิ่มความสามารถในการแยกข้อความ, รูปภาพ, บาร์โค้ด พร้อมการจัดการ storage ให้กับไคลเอนต์ที่รองรับ MCP ใด ๆ
• ขั้นตอนการติดตั้ง (คล cloning, ตั้งค่า, รัน) อย่างละเอียด
• วิธีเชื่อมต่อเซิร์ฟเวอร์กับสภาพแวดล้อมยอดนิยม – KiloCode, Cursor, VS Code
• การวิเคราะห์ขั้นสูง ด้วย MCP Inspector และการรีเซ็ต environment

เมื่อมี MCP server ทำงานอยู่ นักพัฒนาจะสามารถให้ LLMs โต้ตอบกับเอกสารได้เหมือนกับฐานข้อมูลหรือ API ทำให้ไม่ต้องเขียนโค้ด SDK ซ้ำซ้อนและเร่งความเร็วของ workflow ที่ขับเคลื่อนด้วย AI

See also

• 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/

Frequently Asked Questions (FAQs)

• Q: ทำไมเซิร์ฟเวอร์ MCP ถึงเป็นโอเพ่นซอร์สและรันบนเครื่องของเรา? ทำไมไม่มีเซิร์ฟเวอร์ MCP แบบโฮสต์สาธารณะ?
  A: Model Context Protocol (MCP) ยังเป็นมาตรฐานที่ค่อนข้างใหม่และ LLMs หรือ AI assistants ส่วนใหญ่ยังมี การสนับสนุนไฟล์ไบนารี (PDF, รูปภาพ, อาร์ไคฟ์) ที่จำกัดหรือไม่เสถียร การแยกเอกสาร, OCR, การดึงรูปภาพ, และการอ่านบาร์โค้ดเป็นพื้นที่ที่ API เชี่ยวชาญเช่น GroupDocs.Parser Cloud ทำได้ดี เซิร์ฟเวอร์ MCP ที่รันบนเครื่องของคุณเป็นสะพานเชื่อมที่เชื่อถือได้และเป็นมาตรฐาน

• Q: ต้องติดตั้งซอฟต์แวร์เพิ่มเติมเพื่อใช้เซิร์ฟเวอร์ MCP หรือไม่?
  A: ไม่ต้อง การรันบน OS ใดก็ได้ที่รองรับ Python 3.10+ เพียงแค่ติดตั้งแพ็กเกจตาม requirements.txt

• Q: รองรับฟอร์แมตเอกสารใดบ้าง?
  A: มากกว่า 50 ฟอร์แมต รวม PDF, DOCX, XLSX, PPTX, ไฟล์อีเมล (.eml, .msg), อาร์ไคฟ์ (ZIP, RAR) และรูปภาพทั่วไป (PNG, JPG, TIFF)

• Q: สามารถดึงบาร์โค้ดจาก PDF ที่สแกนได้หรือไม่?
  A: ได้ เซิร์ฟเวอร์ MCP รองรับ endpoint parse/barcodes ที่ตรวจจับบาร์โค้ด 1D และ 2D ทั้งในรูปเรสเตอร์และ PDF

• Q: จะรายการไฟล์ในโฟลเดอร์เฉพาะของ GroupDocs Cloud อย่างไร?
  A: เซิร์ฟเวอร์ MCP มี endpoint การจัดเก็บของ GroupDocs.Cloud (storage/list, storage/upload, storage/download, storage/delete) ซึ่งสามารถเรียกใช้ในเซสชันแช็ตโดยอัตโนมัติหรือโดยคำขอของคุณ

• Q: ถ้าฉันเปลี่ยนพอร์ตของ MCP หลังจากเซิร์ฟเวอร์ทำงานแล้วต้องทำอย่างไร?
  A: แก้ไขค่า MCP_PORT ในไฟล์ .env จากนั้นรีสตาร์ทเซิร์ฟเวอร์ (run.sh / run.ps1)

• Q: มีการทดลองใช้งานฟรีหรือไม่?
  A: มี! คุณจะได้รับ 150 คำร้อง API ฟรีต่อเดือน