anymd：本地文档转 Markdown 的 MCP 工具

项目简介

anymd 是一个用 Rust 编写的本地 MCP 服务器和命令行工具，把 PDF、Word、PowerPoint、Excel、EPUB、HTML/网页、图片、音频和视频转换成适合 AI Agent 阅读的 Markdown。它无需 API key，文件不会上传；项目前身为 pdf-reader-mcp。

主要功能

• 多格式统一读取：一个 read 工具即可处理上述格式，也接受网页 URL 和整个目录；search 可跨文件、目录和 URL 搜索。
• 版面与表格还原：版面引擎根据字形间距重建单词，把双栏论文按阅读顺序排列，并恢复表格（包括无边框表格），尽量保持原文文字。
• 面向 Agent 的输出：返回带引用锚点、简短 front-matter 和紧凑表格的 Markdown；支持 pages、max_tokens 和 cursor 控制大文档的上下文占用。
• 四个 MCP 工具：outline 浏览标题树；read 把文件、URL 或文件夹转成 Markdown；search 查找文本，精确匹配不到时回退到 BM25 排序；inspect 对 PDF 做渲染页面、区域提取、OCR、结构分析、比较等深入操作。
• CLI 转换：同一个二进制可作为命令行转换器，支持文件、多个文件、网页、标准输入和 OCR。
• 本地隐私：OCR 使用本机安装的 doc-VLM 模型或 tesseract，转录使用 ffmpeg 和随附的 Qwen3-ASR；OCR 安装和 ASR 模型下载需要显式确认。

在 AgentDocBench 的 38 份文档上，README 给出的 anymd 总耗时 11.5 秒、总体得分 96.4，表格单元格 F1 为 92.2，阅读顺序为 98.8；作为对比，docling 总耗时 2,432.4 秒、markitdown 75.6 秒。具体结果和复现方式见项目基准目录与文档。

安装与使用

通过 npm 运行需要 Node.js 18+。把 anymd 添加到本机所有支持的 MCP 客户端（Claude Code、Codex、Cursor、VS Code、Claude Desktop、Windsurf、Gemini CLI）：

npx -y @sylphx/anymd setup

可加 --dry-run 预览，--remove 撤销。手动配置时，所有 MCP 客户端统一使用命令 npx -y @sylphx/anymd。

安装 CLI：

npm install -g @sylphx/anymd

常用转换：

anymd report.pdf > report.md
anymd deck.pptx notes.docx budget.xlsx
anymd https://example.com/article
cat scan.png | anymd - --ocr
anymd paper.pdf --pages 1-3 --max-tokens 4000

OCR 需先一次性安装引擎与本地模型（约 2 GB）：

anymd setup ocr
anymd scan.png --ocr vlm

注意事项

• macOS、Linux 也可用 brew install sylphxai/tap/anymd，或从 crates.io 执行 cargo install anymd 本地编译；后者需要 Rust 1.95+、CMake 和 C++ 编译器。
• Python 包目前仍在等待 PyPI 发布，当前没有可用的 pip/uvx 安装方式。
• README 说明图片 OCR 的 OmniDocBench 分数是历史数据，并非当前 OCR 模型成绩；视频基准衡量内嵌字幕提取，不代表视觉理解或 ASR。
• 项目文档：https://sylphxai.github.io/anymd/

---

本作品整理自 GitHub 开源项目 SylphxAI/anymd，原作者 @SylphxAI，许可证 MIT。中文介绍由 AI 根据项目 README 整理，以原仓库为准。