MCP开发框架

一个强大的MCP（Model Context Protocol）开发框架，用于创建与大语言模型交互的自定义工具。该框架提供了一套完整的工具集，可以轻松地扩展Cursor IDE的功能，实现网页内容获取、文件处理（PDF、Word、Excel、CSV、Markdown）以及AI对话等高级功能。它具有强大的MCP工具扩展能力，使开发者能够快速构建和集成各种自定义工具。

🔥 最新特性：文档图片内容显示与理解

最新版本现在支持在PDF和Word文档处理中，直接返回原始图片内容并进行OCR识别，使大语言模型能够同时理解文档中的文本和图像内容：

图片内容直接显示：文档中的图表、图像等可以直接在对话中显示，无需额外工具
OCR文本识别：自动提取图片中的文字内容，支持中英文多语言
图片内容理解：大模型可以"看到"文档中的图片，并基于图片内容进行分析和回答
完整文档内容返回：真正实现文档的全内容理解，包括文本、表格和图像

这使得AI模型能够更全面地理解和分析文档内容，特别是对于包含图表、表单、流程图或其他可视化信息的文档尤为有价值。

主要功能

点击展开查看框架提供的核心功能

本框架提供了以下核心功能：

1. 综合文件处理

使用parse_file工具可以自动识别文件类型并选择合适的处理方式，支持PDF、Word、Excel、CSV和Markdown文件。

用法: parse_file /path/to/document
支持格式:
- PDF文件 (.pdf)
- Word文档 (.doc, .docx)
- Excel文件 (.xls, .xlsx, .xlsm)
- CSV文件 (.csv)
- Markdown文件 (.md)
参数: file_path - 文件的本地路径
返回: 根据文件类型返回相应的处理结果

2. PDF文档处理

使用parse_pdf工具可以处理PDF文档，支持两种处理模式：

用法: parse_pdf /path/to/document.pdf [mode]
参数:
- file_path - PDF文件的本地路径
- mode - 处理模式（可选）：
  - quick - 快速预览模式，仅提取文本内容
  - full - 完整解析模式，提取文本、图片内容和OCR文本（默认）
返回:
- 快速预览模式：文档的文本内容
- 完整解析模式：文档的文本内容、原始图片和OCR识别结果

3. Word文档解析

使用parse_word工具可以解析Word文档，提取文本、表格和图片信息。

用法: parse_word /path/to/document.docx
功能: 解析Word文档并提取文本内容、表格和图片
参数: file_path - Word文档的本地路径
返回: 文档的文本内容、表格和原始图片
特点: 同时提供文档内嵌图像的显示和分析功能

4. Excel文件处理

使用parse_excel工具可以解析Excel文件，提供完整的表格数据和结构信息。

用法: parse_excel /path/to/spreadsheet.xlsx
功能: 解析Excel文件的所有工作表
参数: file_path - Excel文件的本地路径
返回:
- 文件基本信息（文件名、工作表数量）
- 每个工作表的详细信息：
  - 行数和列数
  - 列名列表
  - 完整的表格数据
特点:
- 使用pandas和openpyxl提供高质量的表格数据处理
- 支持多工作表处理
- 自动处理数据类型转换

5. CSV文件处理

使用parse_csv工具可以解析CSV文件，提供完整的数据分析和预览功能。

用法: parse_csv /path/to/data.csv
功能: 解析CSV文件并提供数据分析
参数:
- file_path - CSV文件的本地路径
- encoding - 文件编码格式（可选，默认自动检测）
返回:
- 文件基本信息（文件名、行数、列数）
- 列名列表
- 数据预览（前5行）
- 描述性统计信息
特点:
- 自动编码检测
- 支持多种编码格式（UTF-8、GBK等）
- 提供数据统计分析
- 智能数据类型处理

6. Markdown文件解析

使用parse_markdown工具可以解析Markdown文件，提取文本内容、标题结构和列表等信息。

用法: parse_markdown /path/to/document.md
功能: 解析Markdown文件并提取标题结构、列表和文本内容
参数: file_path - Markdown文件的本地路径
返回:
- 文件基本信息（文件名、大小、修改时间等）
- 标题结构层级展示
- 内容元素统计（代码块、列表、链接、图片、表格等）
- 原始Markdown内容
特点:
- 自动识别各级标题和结构
- 智能统计内容元素
- 完整的标题层级展示

7. 网页内容获取

使用url工具可以获取任何网页的内容。

用法: url https://example.com
参数: url - 要获取内容的网站URL
返回: 网页的文本内容
特点:
- 完整的HTTP错误处理
- 超时管理
- 自动编码处理

8. MaxKB AI对话

使用maxkb工具可以与MaxKB API进行交互，实现智能对话功能。

用法: maxkb "您的问题或指令"
功能: 发送消息到MaxKB API并获取AI回复
参数:
- message - 要发送的消息内容（必需）
- re_chat - 是否重新开始对话（可选，默认false）
- stream - 是否使用流式响应（可选，默认true）
返回: AI的回复内容
特点:
- 支持流式响应
- 自动重试机制
- 完整的错误处理
- 60秒超时保护
- 保持连接配置优化

技术特点

本框架采用了多种技术来优化文件处理性能：

智能文件类型识别
- 自动根据文件扩展名选择合适的处理工具
- 提供统一的文件处理接口
高效的文档处理
- PDF处理：支持快速预览和完整解析两种模式
- Word处理：精确提取文本、表格和图片
- Excel处理：高效处理大型表格数据
强大的MCP工具扩展能力
- 插件化架构设计，易于扩展
- 统一的工具注册和调用接口
- 支持同步和异步工具开发
- 丰富的工具开发API和辅助函数
内存优化
- 使用临时文件管理大型文件
- 自动清理临时资源
- 分块处理大型文档
错误处理
- 完整的异常捕获和处理
- 详细的错误信息反馈
- 优雅的失败处理机制

项目结构

本框架采用模块化设计，便于扩展和维护：

mcp_tool/
├── tools/
│   ├── __init__.py        # 定义工具基类和注册器
│   ├── loader.py          # 工具加载器，自动加载所有工具
│   ├── file_tool.py       # 综合文件处理工具
│   ├── pdf_tool.py        # PDF解析工具
│   ├── word_tool.py       # Word文档解析工具
│   ├── excel_tool.py      # Excel文件处理工具
│   ├── csv_tool.py        # CSV文件处理工具
│   ├── markdown_tool.py   # Markdown文件解析工具
│   ├── url_tool.py        # URL工具实现
│   └── maxkb_tool.py      # MaxKB AI对话工具
├── __init__.py
├── __main__.py
└── server.py              # MCP服务器实现

开发指南

如何开发新工具

在tools目录下创建一个新的Python文件，如your_tool.py
导入必要的依赖和基类
创建一个继承自BaseTool的工具类
使用@ToolRegistry.register装饰器注册工具
实现工具的execute方法

工具模板示例

import mcp.types as types
from . import BaseTool, ToolRegistry

@ToolRegistry.register
class YourTool(BaseTool):
    """您的工具描述"""
    name = "your_tool_name"  # 工具的唯一标识符
    description = "您的工具描述"  # 工具的描述信息，将显示给用户
    input_schema = {
        "type": "object",
        "required": ["param1"],  # 必需的参数
        "properties": {
            "param1": {
                "type": "string",
                "description": "参数1的描述",
            },
            "param2": {
                "type": "integer",
                "description": "参数2的描述（可选）",
            }
        },
    }
  
    async def execute(self, arguments: dict) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
        """执行工具逻辑"""
        # 参数验证
        if "param1" not in arguments:
            return [types.TextContent(
                type="text",
                text="Error: Missing required argument 'param1'"
            )]
          
        # 获取参数
        param1 = arguments["param1"]
        param2 = arguments.get("param2", 0)  # 获取可选参数，提供默认值
      
        # 执行工具逻辑
        result = f"处理参数: {param1}, {param2}"
      
        # 返回结果
        return [types.TextContent(
            type="text",
            text=result
        )]

部署指南

环境变量配置

在.env文件中配置以下环境变量：

# Server Configuration
MCP_SERVER_PORT=8000        # 服务器端口
MCP_SERVER_HOST=0.0.0.0     # 服务器主机

# 鉴权配置
MCP_AUTH_URL=http://170.106.105.206:4000/users  # 鉴权服务地址

# MaxKB配置
MAXKB_HOST=http://host.docker.internal:8080  # MaxKB API主机地址
MAXKB_CHAT_ID=your_chat_id_here              # MaxKB聊天ID
MAXKB_APPLICATION_ID=your_application_id_here # MaxKB应用ID
MAXKB_AUTHORIZATION=your_authorization_key    # MaxKB授权密钥

# 调试模式
DEBUG=false                 # 是否启用调试模式

# 用户代理
MCP_USER_AGENT="MCP Test Server (github.com/modelcontextprotocol/python-sdk)"

# 本地目录挂载配置
HOST_MOUNT_SOURCE=/path/to/your/local/directory  # 本地目录路径
HOST_MOUNT_TARGET=/host_files                    # 容器内挂载路径

本地目录挂载

框架支持将本地目录挂载到容器中，以便工具可以访问本地文件。配置方法：

在.env文件中设置HOST_MOUNT_SOURCE和HOST_MOUNT_TARGET环境变量
HOST_MOUNT_SOURCE是你本地机器上的目录路径
HOST_MOUNT_TARGET是容器内的挂载路径（默认为/host_files）

使用工具时，可以直接引用本地文件路径，框架会自动将其转换为容器内的路径。例如：

# 使用PDF工具处理本地文件
pdf "/Users/username/Documents/example.pdf"

# 框架会自动将路径转换为容器内路径
# 例如："/host_files/example.pdf"

这样，你就可以在不修改工具代码的情况下，轻松访问本地文件。

Docker部署（推荐）

初始设置：

# 克隆仓库
git clone https://github.com/aigo666/mcp-framework.git
cd mcp-framework

# 创建环境文件
cp .env.example .env

使用Docker Compose：

# 构建并启动
docker compose up --build -d

# 查看日志
docker compose logs -f

# 管理容器
docker compose ps
docker compose pause
docker compose unpause
docker compose down

访问服务：
- SSE端点: http://localhost:8000/sse
Cursor IDE配置：

设置 → 功能 → 添加MCP服务器
类型: "sse"
URL: http://localhost:8000/sse?token=<your-token> (替换 <your-token> 为您的 JWT Token)

鉴权配置

点击展开查看详细的鉴权配置信息

SSE 服务现在支持 API 鉴权机制，每个请求都需要携带有效的认证信息：

配置鉴权服务地址：
- 在 .env 文件中设置 MCP_AUTH_URL 环境变量（默认为 http://170.106.105.206:4000/users 该鉴权地址仅供测试，不保证长期稳定，建议使用以下项目自行部署）
客户端配置：
- 在 Cursor 插件中配置时，需要在 URL 中添加 token 查询参数
- 格式为 http://your-server:8000/sse?token=<your-token>
- 服务器会自动将 token 转换为 Bearer <your-token> 格式发送到鉴权服务
鉴权流程：
- 当 SSE 服务收到请求时，会从 URL 中提取 token 参数
- 然后向配置的鉴权地址发送请求，并传递 Authorization: Bearer <your-token> 头
- 只有鉴权成功（返回 200 状态码）的请求才会被处理
- 鉴权失败的请求会收到 401 Unauthorized 响应
推荐JWT鉴权服务：
- 我们推荐使用Jason Watmore的Node.js JWT鉴权服务作为参考实现
- 详细文档和示例代码：https://jasonwatmore.com/nodejs-jwt-authentication-tutorial-with-example-api
- 该实现提供了完整的用户注册、登录、令牌生成和验证功能
- 可以无缝集成到本框架的鉴权流程中

部署方式

传统Python部署

安装系统依赖：

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install -y poppler-utils tesseract-ocr tesseract-ocr-chi-sim

# macOS
brew install poppler tesseract tesseract-lang

# Windows
# 1. 下载并安装Tesseract: https://github.com/UB-Mannheim/tesseract/wiki
# 2. 将Tesseract添加到系统PATH

安装Python依赖：

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
.\venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

启动服务：

python -m mcp_tool

依赖项

主要依赖：

mcp: Model Context Protocol实现
PyMuPDF: PDF文档处理
python-docx: Word文档处理
pandas和openpyxl: Excel文件处理
httpx: 异步HTTP客户端
anyio: 异步I/O支持
click: 命令行接口

贡献指南

Fork仓库
创建功能分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add some amazing feature')
推送到分支 (git push origin feature/amazing-feature)
打开Pull Request

许可证

本项目采用MIT许可证 - 详情请参阅LICENSE文件。

MCP开发框架

🔥 最新特性：文档图片内容显示与理解

最新版本现在支持在PDF和Word文档处理中，直接返回原始图片内容并进行OCR识别，使大语言模型能够同时理解文档中的文本和图像内容：

图片内容直接显示：文档中的图表、图像等可以直接在对话中显示，无需额外工具
OCR文本识别：自动提取图片中的文字内容，支持中英文多语言
图片内容理解：大模型可以"看到"文档中的图片，并基于图片内容进行分析和回答
完整文档内容返回：真正实现文档的全内容理解，包括文本、表格和图像

这使得AI模型能够更全面地理解和分析文档内容，特别是对于包含图表、表单、流程图或其他可视化信息的文档尤为有价值。

主要功能

点击展开查看框架提供的核心功能

本框架提供了以下核心功能：

1. 综合文件处理

使用parse_file工具可以自动识别文件类型并选择合适的处理方式，支持PDF、Word、Excel、CSV和Markdown文件。

用法: parse_file /path/to/document
支持格式:
- PDF文件 (.pdf)
- Word文档 (.doc, .docx)
- Excel文件 (.xls, .xlsx, .xlsm)
- CSV文件 (.csv)
- Markdown文件 (.md)
参数: file_path - 文件的本地路径
返回: 根据文件类型返回相应的处理结果

2. PDF文档处理

使用parse_pdf工具可以处理PDF文档，支持两种处理模式：

用法: parse_pdf /path/to/document.pdf [mode]
参数:
- file_path - PDF文件的本地路径
- mode - 处理模式（可选）：
  - quick - 快速预览模式，仅提取文本内容
  - full - 完整解析模式，提取文本、图片内容和OCR文本（默认）
返回:
- 快速预览模式：文档的文本内容
- 完整解析模式：文档的文本内容、原始图片和OCR识别结果

3. Word文档解析

使用parse_word工具可以解析Word文档，提取文本、表格和图片信息。

用法: parse_word /path/to/document.docx
功能: 解析Word文档并提取文本内容、表格和图片
参数: file_path - Word文档的本地路径
返回: 文档的文本内容、表格和原始图片
特点: 同时提供文档内嵌图像的显示和分析功能

4. Excel文件处理

使用parse_excel工具可以解析Excel文件，提供完整的表格数据和结构信息。

用法: parse_excel /path/to/spreadsheet.xlsx
功能: 解析Excel文件的所有工作表
参数: file_path - Excel文件的本地路径
返回:
- 文件基本信息（文件名、工作表数量）
- 每个工作表的详细信息：
  - 行数和列数
  - 列名列表
  - 完整的表格数据
特点:
- 使用pandas和openpyxl提供高质量的表格数据处理
- 支持多工作表处理
- 自动处理数据类型转换

5. CSV文件处理

使用parse_csv工具可以解析CSV文件，提供完整的数据分析和预览功能。

用法: parse_csv /path/to/data.csv
功能: 解析CSV文件并提供数据分析
参数:
- file_path - CSV文件的本地路径
- encoding - 文件编码格式（可选，默认自动检测）
返回:
- 文件基本信息（文件名、行数、列数）
- 列名列表
- 数据预览（前5行）
- 描述性统计信息
特点:
- 自动编码检测
- 支持多种编码格式（UTF-8、GBK等）
- 提供数据统计分析
- 智能数据类型处理

6. Markdown文件解析

使用parse_markdown工具可以解析Markdown文件，提取文本内容、标题结构和列表等信息。

用法: parse_markdown /path/to/document.md
功能: 解析Markdown文件并提取标题结构、列表和文本内容
参数: file_path - Markdown文件的本地路径
返回:
- 文件基本信息（文件名、大小、修改时间等）
- 标题结构层级展示
- 内容元素统计（代码块、列表、链接、图片、表格等）
- 原始Markdown内容
特点:
- 自动识别各级标题和结构
- 智能统计内容元素
- 完整的标题层级展示

7. 网页内容获取

使用url工具可以获取任何网页的内容。

用法: url https://example.com
参数: url - 要获取内容的网站URL
返回: 网页的文本内容
特点:
- 完整的HTTP错误处理
- 超时管理
- 自动编码处理

8. MaxKB AI对话

使用maxkb工具可以与MaxKB API进行交互，实现智能对话功能。

用法: maxkb "您的问题或指令"
功能: 发送消息到MaxKB API并获取AI回复
参数:
- message - 要发送的消息内容（必需）
- re_chat - 是否重新开始对话（可选，默认false）
- stream - 是否使用流式响应（可选，默认true）
返回: AI的回复内容
特点:
- 支持流式响应
- 自动重试机制
- 完整的错误处理
- 60秒超时保护
- 保持连接配置优化

技术特点

本框架采用了多种技术来优化文件处理性能：

智能文件类型识别
- 自动根据文件扩展名选择合适的处理工具
- 提供统一的文件处理接口
高效的文档处理
- PDF处理：支持快速预览和完整解析两种模式
- Word处理：精确提取文本、表格和图片
- Excel处理：高效处理大型表格数据
强大的MCP工具扩展能力
- 插件化架构设计，易于扩展
- 统一的工具注册和调用接口
- 支持同步和异步工具开发
- 丰富的工具开发API和辅助函数
内存优化
- 使用临时文件管理大型文件
- 自动清理临时资源
- 分块处理大型文档
错误处理
- 完整的异常捕获和处理
- 详细的错误信息反馈
- 优雅的失败处理机制

项目结构

本框架采用模块化设计，便于扩展和维护：

mcp_tool/
├── tools/
│   ├── __init__.py        # 定义工具基类和注册器
│   ├── loader.py          # 工具加载器，自动加载所有工具
│   ├── file_tool.py       # 综合文件处理工具
│   ├── pdf_tool.py        # PDF解析工具
│   ├── word_tool.py       # Word文档解析工具
│   ├── excel_tool.py      # Excel文件处理工具
│   ├── csv_tool.py        # CSV文件处理工具
│   ├── markdown_tool.py   # Markdown文件解析工具
│   ├── url_tool.py        # URL工具实现
│   └── maxkb_tool.py      # MaxKB AI对话工具
├── __init__.py
├── __main__.py
└── server.py              # MCP服务器实现

开发指南

如何开发新工具

在tools目录下创建一个新的Python文件，如your_tool.py
导入必要的依赖和基类
创建一个继承自BaseTool的工具类
使用@ToolRegistry.register装饰器注册工具
实现工具的execute方法

工具模板示例

import mcp.types as types
from . import BaseTool, ToolRegistry

@ToolRegistry.register
class YourTool(BaseTool):
    """您的工具描述"""
    name = "your_tool_name"  # 工具的唯一标识符
    description = "您的工具描述"  # 工具的描述信息，将显示给用户
    input_schema = {
        "type": "object",
        "required": ["param1"],  # 必需的参数
        "properties": {
            "param1": {
                "type": "string",
                "description": "参数1的描述",
            },
            "param2": {
                "type": "integer",
                "description": "参数2的描述（可选）",
            }
        },
    }
  
    async def execute(self, arguments: dict) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
        """执行工具逻辑"""
        # 参数验证
        if "param1" not in arguments:
            return [types.TextContent(
                type="text",
                text="Error: Missing required argument 'param1'"
            )]
          
        # 获取参数
        param1 = arguments["param1"]
        param2 = arguments.get("param2", 0)  # 获取可选参数，提供默认值
      
        # 执行工具逻辑
        result = f"处理参数: {param1}, {param2}"
      
        # 返回结果
        return [types.TextContent(
            type="text",
            text=result
        )]

部署指南

环境变量配置

在.env文件中配置以下环境变量：

# Server Configuration
MCP_SERVER_PORT=8000        # 服务器端口
MCP_SERVER_HOST=0.0.0.0     # 服务器主机

# 鉴权配置
MCP_AUTH_URL=http://170.106.105.206:4000/users  # 鉴权服务地址

# MaxKB配置
MAXKB_HOST=http://host.docker.internal:8080  # MaxKB API主机地址
MAXKB_CHAT_ID=your_chat_id_here              # MaxKB聊天ID
MAXKB_APPLICATION_ID=your_application_id_here # MaxKB应用ID
MAXKB_AUTHORIZATION=your_authorization_key    # MaxKB授权密钥

# 调试模式
DEBUG=false                 # 是否启用调试模式

# 用户代理
MCP_USER_AGENT="MCP Test Server (github.com/modelcontextprotocol/python-sdk)"

# 本地目录挂载配置
HOST_MOUNT_SOURCE=/path/to/your/local/directory  # 本地目录路径
HOST_MOUNT_TARGET=/host_files                    # 容器内挂载路径

本地目录挂载

框架支持将本地目录挂载到容器中，以便工具可以访问本地文件。配置方法：

在.env文件中设置HOST_MOUNT_SOURCE和HOST_MOUNT_TARGET环境变量
HOST_MOUNT_SOURCE是你本地机器上的目录路径
HOST_MOUNT_TARGET是容器内的挂载路径（默认为/host_files）

使用工具时，可以直接引用本地文件路径，框架会自动将其转换为容器内的路径。例如：

# 使用PDF工具处理本地文件
pdf "/Users/username/Documents/example.pdf"

# 框架会自动将路径转换为容器内路径
# 例如："/host_files/example.pdf"

这样，你就可以在不修改工具代码的情况下，轻松访问本地文件。

Docker部署（推荐）

初始设置：

# 克隆仓库
git clone https://github.com/aigo666/mcp-framework.git
cd mcp-framework

# 创建环境文件
cp .env.example .env

使用Docker Compose：

# 构建并启动
docker compose up --build -d

# 查看日志
docker compose logs -f

# 管理容器
docker compose ps
docker compose pause
docker compose unpause
docker compose down

访问服务：
- SSE端点: http://localhost:8000/sse
Cursor IDE配置：

设置 → 功能 → 添加MCP服务器
类型: "sse"
URL: http://localhost:8000/sse?token=<your-token> (替换 <your-token> 为您的 JWT Token)

鉴权配置

点击展开查看详细的鉴权配置信息

SSE 服务现在支持 API 鉴权机制，每个请求都需要携带有效的认证信息：

配置鉴权服务地址：
- 在 .env 文件中设置 MCP_AUTH_URL 环境变量（默认为 http://170.106.105.206:4000/users 该鉴权地址仅供测试，不保证长期稳定，建议使用以下项目自行部署）
客户端配置：
- 在 Cursor 插件中配置时，需要在 URL 中添加 token 查询参数
- 格式为 http://your-server:8000/sse?token=<your-token>
- 服务器会自动将 token 转换为 Bearer <your-token> 格式发送到鉴权服务
鉴权流程：
- 当 SSE 服务收到请求时，会从 URL 中提取 token 参数
- 然后向配置的鉴权地址发送请求，并传递 Authorization: Bearer <your-token> 头
- 只有鉴权成功（返回 200 状态码）的请求才会被处理
- 鉴权失败的请求会收到 401 Unauthorized 响应
推荐JWT鉴权服务：
- 我们推荐使用Jason Watmore的Node.js JWT鉴权服务作为参考实现
- 详细文档和示例代码：https://jasonwatmore.com/nodejs-jwt-authentication-tutorial-with-example-api
- 该实现提供了完整的用户注册、登录、令牌生成和验证功能
- 可以无缝集成到本框架的鉴权流程中

部署方式

传统Python部署

安装系统依赖：

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install -y poppler-utils tesseract-ocr tesseract-ocr-chi-sim

# macOS
brew install poppler tesseract tesseract-lang

# Windows
# 1. 下载并安装Tesseract: https://github.com/UB-Mannheim/tesseract/wiki
# 2. 将Tesseract添加到系统PATH

安装Python依赖：

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
.\venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

启动服务：

python -m mcp_tool

依赖项

主要依赖：

mcp: Model Context Protocol实现
PyMuPDF: PDF文档处理
python-docx: Word文档处理
pandas和openpyxl: Excel文件处理
httpx: 异步HTTP客户端
anyio: 异步I/O支持
click: 命令行接口

贡献指南

Fork仓库
创建功能分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add some amazing feature')
推送到分支 (git push origin feature/amazing-feature)
打开Pull Request

许可证

本项目采用MIT许可证 - 详情请参阅LICENSE文件。

MCP Development Framework

README Documentation

MCP开发框架

主要功能

1. 综合文件处理

2. PDF文档处理

3. Word文档解析

4. Excel文件处理

5. CSV文件处理

6. Markdown文件解析

7. 网页内容获取

8. MaxKB AI对话

技术特点

项目结构

开发指南

如何开发新工具

工具模板示例

部署指南

环境变量配置

本地目录挂载

Docker部署（推荐）

鉴权配置

部署方式

传统Python部署

依赖项

贡献指南

许可证

Quick Actions

Key Features

MCP Development Framework

README Documentation

MCP开发框架

主要功能

1. 综合文件处理

2. PDF文档处理

3. Word文档解析

4. Excel文件处理

5. CSV文件处理

6. Markdown文件解析

7. 网页内容获取

8. MaxKB AI对话

技术特点

项目结构

开发指南

如何开发新工具

工具模板示例

部署指南

环境变量配置

本地目录挂载

Docker部署（推荐）

鉴权配置

部署方式

传统Python部署

依赖项

贡献指南

许可证

Quick Actions

Key Features