工具集

把 PDF、Word、Excel、PPT、HTML、图片、音频等文件转成保留标题、列表与表格结构的 Markdown，供大模型读取与分析。微软官方维护，需要 Python 3.10 以上。

微软官方出品：把 PDF、Word、Excel、PPT、HTML 等文件或网址转换为 Markdown，便于 agent 阅读与检索；只有一个 convert_to_markdown 工具，支持 STDIO 与本地 HTTP。

读取与提取 PDF 文本和表格，合并、拆分、旋转页面，加水印、填写表单，并能对扫描件做 OCR。驱动 Claude 文档能力的 Anthropic 官方技能，源码可见但非开源。

飞桨 PaddleOCR 官方 MCP：对图片和 PDF 做文字识别与版面解析（PP-OCR、PP-StructureV3、PaddleOCR-VL），输出文本或 Markdown；可本地推理，也可调用官方 API、千帆或自建服务。

解析 PDF、DOCX、PPTX、XLSX、HTML、图片与音频等格式，还原版面、阅读顺序、表格与公式，导出 Markdown、HTML 或无损 JSON。IBM Research 发起，现由 LF AI & Data 基金会托管，可完全本地运行。

CLI-Anything 里的 MuseScore 4 命令行封装：让 agent 给乐谱转调、提取分谱、增删乐器、查看乐谱信息，并导出 PDF、MIDI、MusicXML、MP3、盲文谱等格式，适合音乐老师批量准备教学乐谱。需先安装 MuseScore 4 桌面软件与 Python 3.10+。

把 PDF、图片、PPTX、DOCX、XLSX、EPUB 等文档转换为 Markdown、JSON 或 HTML，能还原表格、公式与版面结构，可选接入大模型提升精度。需 Python 3.10+ 与 PyTorch；模型权重大规模商用需付费授权。

给扫描版 PDF 加上可搜索、可复制的文字层，可自动纠偏、旋转并优化体积，默认输出 PDF/A。基于 Tesseract，支持 100 多种语言，完全本地运行。

精确读取电子版 PDF 中每个字符、线条和表格框的位置：命令行可导出保留版面的文字或 CSV / JSON 明细，Python 接口还能抽取表格和表单字段，适合从发票、对账单、报表里取数。需 Python 环境，本地运行；不适合扫描件，需先 OCR。

从 PDF 中抽取表格的开源工具，自带 camelot 命令行，可把财报、银行对账单、统计报表里的表格导出为 Excel、CSV 或 Markdown，并给出识别准确度。需要 Python 3.10+；默认只处理能选中文字的 PDF，扫描件需另装 ml 与 ocr 扩展；结果建议人工核对。

统一检索 arXiv、PubMed、bioRxiv、Semantic Scholar、OpenAlex 等 20 多个学术源，去重后返回标准化结果，并优先通过开放获取渠道下载、读取论文全文。多数来源无需 API Key。

从 PDF 发票中按 YAML/JSON 模板抽取开票方、金额、日期、票号等字段，导出 CSV、JSON 或 XML；内置多种文本抽取后端，支持扫描件 OCR 与可选的 AI 兜底。

法德电子发票标准 Factur-X（即 ZUGFeRD 2.x）的 Python 库，自带命令行：把普通 PDF 发票和 XML 合成为 Factur-X 发票、从发票 PDF 中取出 XML，并按官方 XSD 校验；也支持 Order-X 订单与 UBL 格式。需本机安装 Python 3。

MinerU 官方 MCP：调用 mineru.net 云端接口把 PDF、Word、PPT 与图片解析为 Markdown，保留表格与公式；免 Key 的 Flash 模式可直接使用，配置 Token 可解锁更高额度与更多格式。