Документы через AI-агента: MarkItDown, docx и PDF
Чтобы агент читал и собирал документы, есть MCP-серверы и скиллы: перевод PDF и Word в Markdown, распознавание текста с картинок, сборка презентаций. Собрали, что для этого уже есть в каталоге.
Содержание4 раздела
Агенту удобнее работать с текстом, а документы приходят в PDF, Word и Excel. Инструменты каталога решают три задачи: перевести документ в формат, который агент читает, распознать текст с картинок и собрать документ обратно.
Перевод документов в Markdown
MarkItDown это утилита Microsoft и MCP-сервер, которые переводят PDF, Word, Excel и другие форматы в Markdown. Это базовый инструмент: агент получает чистый текст вместо бинарного файла. Официальные Скиллы Anthropic тоже умеют работать с docx, pdf, pptx и xlsx.
Распознавание текста с картинок
Если документ это скан или картинка, нужен OCR. Скиллы PaddleOCR распознают текст с изображений и переводят страницы в структурированные данные.
Сборка документов и презентаций
PPT Master собирает редактируемые PPTX-презентации из PDF и других источников.
Что выбрать
- Прочитать Word, PDF или Excel: MarkItDown или Скиллы Anthropic.
- Скан или картинка: Скиллы PaddleOCR с распознаванием текста.
- Собрать презентацию: PPT Master.
Вопросы и ответы
Как дать агенту прочитать Word или PDF?
Через MarkItDown: он переводит документ в Markdown, и агент работает с текстом. Как MCP-сервер он подключается к любому агенту.
Что делать со сканами?
Нужен OCR. Скиллы PaddleOCR распознают текст с картинок и сканов.
Можно ли собрать презентацию из документа?
Да, PPT Master собирает редактируемые PPTX из PDF и других источников.
Инструменты из статьи
4 записи каталогаОб авторе
