使用開源 GroupDocs.Parser Cloud MCP 伺服器的 AI 代理人解析文件

Overview

GroupDocs.Parser Cloud MCP 伺服器 是圍繞 GroupDocs.Parser Cloud API 的輕量級封裝，實作 Model Context Protocol (MCP)。透過將文件解析功能（文字、圖像、條碼）以及雲端儲存工具（列出、上傳、下載、刪除）以 MCP 相容工具形式公開，伺服器讓 AI 代理人、助理與開發工具能像使用其他模型驅動的資料來源一樣與文件互動。這消除了自訂 SDK 呼叫或專有整合的需求，使在 LLM 驅動的工作流程、自動完成工具或程式碼助理環境中嵌入文件提取變得簡單直接。

主要優點包括：

通用存取 – 任何支援 MCP 的客戶端（VS Code、Cursor、KiloCode、自訂代理人等）都可以呼叫同一端點，解析存放於 GroupDocs Cloud 中的文件。
豐富抽取 – 從超過 50 種檔案格式（PDF、Word、Excel、PowerPoint、郵件、壓縮檔等）取得純文字、內嵌圖像與條碼。
儲存操作 – 直接透過 MCP 呼叫列出資料夾、上傳新檔、下載現有檔案，以及管理雲端儲存。
跨平台 – 在 Windows、macOS 與 Linux 上以單一 Python 服務執行。

以下為快速導航，帶您逐步了解協定、安裝、在熱門工具中的設定、進階選項與常見問答。

什麼是 Model Context Protocol (MCP)？
為何使用 GroupDocs.Parser Cloud MCP 伺服器？
快速開始
在 KiloCode 中使用 MCP
在 Cursor 中使用 MCP
在 VS Code 中使用 MCP
進階選項
結論
相關參考
FAQ

What is Model Context Protocol (MCP)?

Model Context Protocol (MCP) 是一套標準介面，允許大型語言模型（LLM）與 AI 代理人以 結構化、可預測且可發現的方式 與外部工具與服務互動。

MCP 不是將業務邏輯直接寫入提示中，而是將外部能力（API、服務、資料來源）以 具類型的工具 形式公開，讓 AI 代理人在需要時呼叫。

主要 MCP 概念

基於工具的整合
每項功能皆以 tool（工具）形式曝光，具明確目的（例如「從文件提取文字」或「列出儲存中的檔案」），AI 代理人可根據使用者意圖動態選擇並呼叫這些工具。
具類型的輸入與輸出結構
MCP 工具使用 JSON Schema 定義其輸入與輸出，消除歧義、降低幻覺，並讓模型能推理該呼叫哪個工具以及如何使用結果。
推理與執行的明確分離
LLM 專注於推理與決策，MCP 伺服器負責執行確定性操作，如文件解析、檔案處理或資料檢索。
跨環境可重用
任何支援 MCP 的客戶端（AI IDE、聊天應用、自律代理、在地工具）皆可連接同一 MCP 伺服器，無需撰寫客製化黏合程式碼。

透過實作 MCP，服務即可變得 AI 原生：其功能可被 AI 代理人發現、理解，並安全地在更大型的工作流程中被呼叫。

Why use GroupDocs.Parser Cloud MCP Server?

好處	如何協助您
單一整合點	任何支援 MCP 的客戶端（Cursor、VS Code 擴充套件、AI 代理人、客製工具）皆可透過一致介面存取文件解析。
全方位內容抽取	從 50 多種文件格式（包括 PDF、DOCX、XLSX、PPTX、郵件與壓縮檔）抽取純文字、圖像與條碼。
雲端儲存操作已內建	直接在 GroupDocs Cloud 儲存中操作檔案：上傳、下載、列出資料夾、檢查存在性與刪除，全部納入同一工作流程。
代理人不需 SDK	AI 代理人與客戶端應用不必嵌入或管理 GroupDocs SDK——MCP 伺服器負責所有 API 通訊與驗證。
跨平台且自行託管	可在本機或自行基礎架構上以單一 Python 服務執行，支援 Windows、macOS 與 Linux。
為 AI 工作流程設計	MCP 介面提供確定性、基於 Schema 的工具，AI 代理人可安全地在更大的推理與自動化流程中呼叫。

Quick Start

本節展示如何在數分鐘內配置並執行 GroupDocs.Parser Cloud MCP 伺服器。

1. 克隆儲存庫

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

2. 設定環境變數

建立 .env 檔案，填入您的 GroupDocs Cloud 憑證。
您可以手動建立，或複製範本 .env.example 後修改。

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

Client ID 與 Client Secret 可於 GroupDocs Cloud 控制台取得：
https://dashboard.groupdocs.cloud/#/applications

3. 執行 MCP 伺服器

選擇符合您作業系統的指令。

Linux / macOS

./run_mcp.sh

Windows (PowerShell)

.\run_mcp.ps1

Windows (Command Prompt)

run_mcp.bat

伺服器端點

啟動後，MCP 伺服器會在以下網址提供服務：

http://localhost:8000/mcp

現在您可以將此端點接至任何 支援 MCP 的主機（AI 代理人、IDE Copilot、LLM 工具等）。

Using MCP with KiloCode

KiloCode 可直接從聊天介面呼叫任意 MCP 端點。

準備步驟

前往 Settings → MCP Servers。
新增名稱為 groupdocs-parser-mcp-local 的伺服器項目。
貼上以下 JSON 設定（包含 URL 與類型）。

KiloCode 設定 JSON

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

KiloCode 中的範例提示

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

當您送出此提示時，KiloCode 會：

上傳 sample_invoice.pdf 至 GroupDocs Cloud。
呼叫 MCP parse/text 方法。
回傳模型生成的發票金額摘要。

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 會：

上傳 document.pdf。
呼叫 MCP 以抽取圖像。
下載圖像並存入 document_images 資料夾。
從 GroupDocs.Cloud 刪除已抽取的圖像。

Using MCP with Cursor

Cursor 的 Tools & MCP 面板允許您註冊自訂 MCP 伺服器。

設定步驟

開啟 Cursor Settings → Tools & MCP。
點選 Add Custom MCP。
在 mcp.json 區段貼入以下 JSON 片段。

Cursor mcp.json 設定

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

Cursor 的範例提示

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

Cursor 會自動：

將檔案上傳至您的個人 GroupDocs.Cloud 儲存。
使用 GroupDocs.Parser Cloud 取得文字。
在聊天回覆中包含摘要結果。

Using MCP with VS Code

VS Code 也支援 MCP 伺服器。以下說明如何設定並使用 GroupDocs MCP 功能。

設定步驟

若尚未存在，於專案根目錄建立 .vscode 資料夾。
在該資料夾內新增 mcp.json，內容如下：

VS Code mcp.json 範例

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

重新載入 VS Code (Ctrl+Shift+P → Developer: Reload Window)。
開啟聊天視窗 (Ctrl+Alt+I)，當您提出需要文件解析的需求時，聊天會自動呼叫 MCP 工具。

例如，在聊天中詢問當前開啟的資料夾內的檔案：

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

VS Code 會透過 MCP 取得解析結果並在聊天回覆中呈現。

Advanced Options

使用 MCP Inspector 測試伺服器

MCP Inspector 是一個輕量級 UI，讓您探索伺服器的 Schema 並即時測試呼叫。

# 執行 inspector（需要 Node.js）
npx @modelcontextprotocol/inspector

在瀏覽器中：

選擇 “streamable HTTP” 作為連線類型。
輸入伺服器 URL：http://127.0.0.1:8000/mcp。
點擊 Connect，即可瀏覽可用方法（例如 parser_extract_text、parser_extract_barcodes）。

重新初始化虛擬環境

若您修改了 requirements.txt 或遇到相依性錯誤，請重新建立環境：

# Linux / macOS
./init_mcp.sh

# Windows PowerShell
.\init_mcp.ps1

# Windows CMD
init_mcp.bat

腳本會：

刪除現有的 .venv。
重新建立乾淨的虛擬環境。
從 requirements.txt 重新安裝所有套件。

重置完成後，重新啟動伺服器：

# Linux / macOS
./run.sh

# Windows PowerShell
.\run.ps1

# Windows CMD
run.bat

Conclusion

本文涵蓋了：

MCP 是什麼 以及它對 AI 工具的重要性。
GroupDocs.Parser Cloud MCP 伺服器 —— 為任何支援 MCP 的客戶端提供文字、圖像、條碼抽取及完整儲存管理的輕量橋接。
逐步安裝指引（克隆、設定、執行）。
如何將伺服器接入主流環境 —— KiloCode、Cursor、VS Code。
使用 MCP Inspector 與環境重建 的進階診斷方式。

有了 MCP 伺服器，開發者即可讓 LLM 像操作資料庫或 API 那樣自然地與文件互動，省去繁雜的 SDK 程式碼，快速推進 AI 驅動的文件工作流程。

Frequently Asked Questions (FAQs)

Q: 為什麼 MCP 伺服器是開源且在本機執行？為何沒有公開的 MCP 伺服器？
A: Model Context Protocol (MCP) 仍屬新興標準，現有的 LLM 與 AI 助理對二進位檔案串流（PDF、影像、壓縮檔）支援有限且常不可靠。文件解析、OCR、圖像抽取與條碼辨識是 GroupDocs.Parser Cloud 的強項。本地 MCP 伺服器以可靠且標準化的方式彌補此缺口。
Q: 使用 MCP 伺服器是否需要安裝其他軟體？
A: 不需要。只要作業系統支援 Python 3.10+，其餘套件皆由 requirements.txt 內的腳本安裝。
Q: 支援哪些文件格式？
A: 超過 50 種，包括 PDF、DOCX、XLSX、PPTX、郵件（.eml、.msg）、壓縮檔（ZIP、RAR）以及常見影像類型（PNG、JPG、TIFF）。
Q: 能從掃描的 PDF 中抽取條碼嗎？
A: 能。MCP 伺服器提供 parse/barcodes 端點，能在點陣圖與 PDF 中偵測 1D 與 2D 條碼。
Q: 如何列出特定 GroupDocs Cloud 資料夾內的檔案？
A: 使用 MCP 的 storage/list、storage/upload、storage/download、storage/delete 端點，這些儲存操作會在聊天會話中自動使用或依您的請求執行。
Q: 如果變更了 MCP 埠號，該怎麼辦？
A: 更新 .env 中的 MCP_PORT，然後重新啟動伺服器（run.sh / run.ps1）。
Q: 是否提供免費試用？
A: 有的，每月提供 150 次免費 API 呼叫。

Overview#

What is Model Context Protocol (MCP)?#

主要 MCP 概念#

Why use GroupDocs.Parser Cloud MCP Server?#

Quick Start#

1. 克隆儲存庫#

2. 設定環境變數#

3. 執行 MCP 伺服器#

Linux / macOS#

Windows (PowerShell)#

Windows (Command Prompt)#

伺服器端點#

Using MCP with KiloCode#

Using MCP with Cursor#

Using MCP with VS Code#

Advanced Options#

使用 MCP Inspector 測試伺服器#

重新初始化虛擬環境#

Conclusion#

See also#

Frequently Asked Questions (FAQs)#