工具集

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。

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。

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。

Nous Research 出品的自我改进型 Agent：内置记忆与从经验中自动生成技能的学习循环，可接任意模型供应商；hermes 命令提供终端界面，也能经网关接入 Telegram、Slack 等渠道并定时执行任务。

高吞吐的大模型推理与服务引擎：vllm serve 一条命令启动兼容 OpenAI 与 Anthropic 接口的服务，支持 Hugging Face 上 200 多种模型架构、量化与分布式推理。主要面向 NVIDIA、AMD 等 GPU 环境。

为 agent 提供当前时间查询与 IANA 时区换算，自动识别系统时区，无需 API Key。MCP 官方参考服务器，Python 实现。

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。

从 PDF、Word、网页等资料生成原生可编辑的 PPTX，输出原生形状、数据图表与母版版式，也可套用自有模板填充内容、为成品添加动画与旁白；需要 Python 3.10+ 并安装依赖。

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。

基于 faster-whisper 的快速语音转写，提供词级时间戳与说话人分离，适合会议纪要与字幕制作；说话人分离需 Hugging Face Token，GPU 加速需 CUDA。

阿里 ModelScope 开源的工业级语音识别工具包，自带面向 agent 的 funasr 命令：一条命令把音频转成文本、JSON 或 SRT 字幕，支持说话人分离与时间戳，中文识别效果好。需先安装 PyTorch。

非官方 Python 库与 CLI，让 agent 操控 Google NotebookLM（现更名 Gemini Notebook）：批量导入资料、基于来源带引用问答，生成播客、视频、幻灯片、测验与闪卡并批量下载，自带 agent skill。依赖未公开接口，需登录 Google 账号。

用 YAML 编写简历，命令行渲染成排版规范的 PDF：多套主题，页边距、配色、字体可细调，字段严格校验并支持多语言；另提供配套 agent skill。需要 Python 3.12+。

多语言 git hook 管理框架：在 .pre-commit-config.yaml 里声明格式化、lint、密钥扫描等钩子，提交前自动运行，也可用 pre-commit run --all-files 让 agent 提交前自检。

把 60 多个全栈专家技能打包成一个插件：Python、TypeScript、Go、Rust、Java 等 12 种语言专家，以及 React、Django、Spring Boot 等框架专家，按请求自动激活；另含对接 Jira / Confluence 的项目工作流命令（需 Atlassian MCP）。

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。

用 HTML 与 CSS 排版并导出 PDF 的渲染引擎，支持分页等打印样式标准，适合批量生成统计报告、发票与票据。Python 实现，依赖系统的 Pango 库。

把 dig、ps、ls、ifconfig 等上百种命令的输出及常见文件格式转换成 JSON，便于 agent 用 jq 或脚本可靠解析；也可作为 Python 库使用。

把 PaddleOCR 模型转成 ONNX 的轻量 OCR，默认识别中英文，纯 CPU 即可运行；命令行 rapidocr 能识别截图、拍照件和扫描页图片中的文字，适合把纸质材料、票据图片转成文本。需 Python 环境，首次运行联网下载模型，之后可离线使用；PDF 需先转成图片。

在 Apple Silicon Mac 上离线运行的语音工具：命令行把文字合成语音（支持中文与声音克隆）、把录音转写成文字，可为课件和讲解视频配音、整理讲座与访谈录音，数据不出本机。需要 M 系列芯片 Mac 与 Python 3.10+，导出 MP3 需装 ffmpeg，首次运行会下载模型。

社区维护的 Jira 与 Confluence MCP：用 JQL/CQL 搜索，创建和更新工单、页面与评论，同时支持云版与 Server/Data Center 私有部署；需要 API Token 或个人访问令牌。

让 agent 操作 Home Assistant 智能家居：控制设备、查询状态与历史，创建并调试自动化、编辑仪表盘，共 80 多个工具。社区维护（非官方），需自有 Home Assistant 实例，uvx 方式运行还需长期访问令牌。