微软发布了一款 MCP 服务器：markitdown-mcp，可以将任何 Office 文档（Word、Excel、PPT等）转换为 Markdown 格式。
和传统文档转换工具不同，MarkItDown 的重点并非在于还原原始文档的排版样式，而是更注重提取内容和结构。这让它非常适合生成其他工具、应用的数据源。例如大语言模型和文本分析，可以高效地为后续的数据挖掘和知识提取提供有用的信息。
MarkItDown 支持的文件类型非常广泛，包括 PDF、PowerPoint、Word、Excel、图片（支持 OCR 和 EXIF）、音频（支持语音转写和元数据提取）、HTML、CSV、JSON、XML、ZIP 包、YouTube 视频链接、EPub 等。
MarkItDown 的输出格式之所以选择 Markdown，是因为 Markdown 兼具简洁性与结构性，既方便人类快速阅读，也便于机器处理，且主流大模型往往原生支持 Markdown，这也为后续任务的集成提供了极大便利。
在易用性上，MarkItDown 既可以通过命令行直接调用，也支持 Python API 调用，灵活适应不同开发和自动化流程。对于有更高定制需求的用户，工具还支持插件扩展机制，可以按需加载第三方插件，进一步拓展处理能力。此外，MarkItDown 还提供了与微软 Azure 文档智能的集成接口，可结合云端 OCR、文档分析等能力。
评论(0)