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。

OpenDataLab 出品的文档解析工具，把 PDF、图片与 Office 文档转成 Markdown 或 JSON，擅长表格、公式与复杂版面，支持 agent 按页续读与引用定位。默认本地解析，需要 Python 3.10 以上。

进程内分析型 SQL 数据库，命令行可直接用 SQL 查询 CSV、Parquet、JSON 文件，无需导入或启动服务，适合 agent 抽样与聚合大文件。官方维护。

Google 官方开源的数据库 MCP 服务器，预置 PostgreSQL、MySQL、BigQuery、Spanner、MongoDB 等数十种数据源的查表与执行 SQL 工具，也能用 tools.yaml 定义受控的自定义查询。

自适应网页抓取框架：scrapling extract 一条命令即可把网页抓成 Markdown、纯文本或 HTML，支持 CSS 选择器与浏览器渲染动态页面，另有 MCP 服务（需装 ai 扩展）。需 Python 3.10+，首次使用需安装浏览器。

自适应 Python 爬虫框架 Scrapling 内置的 MCP 服务：支持普通 HTTP 请求、浏览器渲染与隐身抓取，可用 CSS 选择器只把目标内容交给 AI，节省 token 并过滤提示注入内容。

百度飞桨官方的 OCR 与文档解析工具：paddleocr 命令可识别图片文字，并把 PDF、扫描件解析成 Markdown 或 JSON，支持中文等 100 多种语言，模型可在本地运行。

Astral 出品的 Python 包与项目管理器，用 Rust 编写、速度极快，可替代 pip、pipx、poetry、pyenv 等；支持锁文件与多版本 Python，uvx 可免安装直接运行 Python 工具。

开源的 LLM 友好网页爬虫，把网页转成干净的 Markdown 供 RAG 与 agent 使用；自带 crwl 命令行，支持深度爬取与按问题抽取数据（抽取需配置大模型 Key）。可免费自托管。

经典开源 OCR 引擎与命令行工具，识别图片中的文字并输出纯文本、hOCR、可搜索 PDF 或 TSV，支持 100 多种语言；中文等语言需安装对应的语言数据。

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。

「面向云存储的 rsync」：在 S3、Google Drive、OneDrive、阿里云 OSS 等数十种云存储之间同步、复制文件，支持加密与挂载。使用前需用 rclone config 配置远端存储。

港大 CLI-Anything 项目为 QGIS 做的命令行封装：新建和编辑 .qgz 工程、创建 GeoPackage 图层并录入要素、制作打印版面并导出 PDF 或图片，调用 QGIS 自带处理算法，结果以 JSON 返回。需先装 QGIS 桌面版，并用能导入 PyQGIS 的 Python 安装。

为 Claude Code 接入 Pyright 语言服务器，给 Python 代码提供静态类型检查与代码智能。需先用 npm、pip 或 pipx 安装 pyright。Anthropic 官方插件。

轻量的多协议命令行下载工具，可从多个来源分段并行下载，支持 HTTP(S)、FTP、SFTP、BitTorrent 与 Metalink，能断点续传、从文本文件批量读取链接，并提供 JSON-RPC 接口供脚本或 agent 远程管理下载任务。

wshobson/agents 市场里的数据工程插件：含数据工程师子代理、数据管道命令，以及 Airflow DAG、dbt 转换、Spark 调优与数据质量等技能，辅助搭建 ETL 与数仓。

wshobson/agents 市场里的 MLOps 插件：提供数据科学家、ML 工程师、MLOps 工程师三个子代理，用 /ml-pipeline 命令分阶段编排从数据分析、训练到部署与监控的 ML 流水线，另含 ML 流水线与推荐系统架构两个技能。

用 Zig 从零编写、面向 AI agent 与自动化的无头浏览器，官方基准显示比无头 Chrome 更省内存、更快；fetch 命令可把网页直接转成 Markdown，也能作为 CDP 或 MCP 服务运行。默认开启遥测（可用环境变量关闭），Windows 需经 WSL。

以结构化数据为核心的跨平台 shell：管道里传的是表格而不是纯文本，可以直接打开并查询 JSON、CSV、TOML 等文件；默认构建自带 nu --mcp 模式，可作为 MCP 服务给 agent 调用。

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。

轻量的命令行 JSON 处理器，用简洁的过滤表达式切片、筛选、映射与转换 JSON，零运行时依赖，是 agent 解析接口返回与日志的常用工具。

Anthropic 官方数据技能，指导 agent 在 Snowflake、BigQuery、Databricks、PostgreSQL 等主流数仓方言下编写、翻译和优化 SQL，涵盖 CTE、窗口函数与聚合分析查询。

数据分析插件：按各家 SQL 方言写查询、探查数据集、做统计检验、用 Python 出图并搭建交互式 HTML 看板，分享前复核方法与结论。可连接 Snowflake、BigQuery 等数仓。Anthropic 官方。

Google 官方技能库，以 Google Cloud 为主：gcloud、Cloud Run、GKE、BigQuery、IAM、监控与日志、架构完善框架等上百个技能，另含 Ads 与 Analytics。