MCP ドキュメントサーバー
Docling ライブラリを使用してドキュメント処理機能を提供する MCP サーバー。
インストール
pip を使用してパッケージをインストールできます。
Related MCP server: MarkItDown MCP Server
使用法
stdio (デフォルト) または SSE トランスポートのいずれかを使用してサーバーを起動します。
# Using stdio transport (default)
mcp-server-lls
# Using SSE transport on custom port
mcp-server-lls --transport sse --port 8000
uv を使用している場合は、インストールせずにサーバーを直接実行できます。
# Using stdio transport (default)
uv run mcp-server-lls
# Using SSE transport on custom port
uv run mcp-server-lls --transport sse --port 8000
利用可能なツール
サーバーは次のツールを公開します。
convert_document : URL またはローカルパスからマークダウン形式にドキュメントを変換します
source : ドキュメントへの URL またはローカルファイルパス (必須)
enable_ocr : スキャンしたドキュメントのOCRを有効にするかどうか（オプション、デフォルト: false）
ocr_language : OCRの言語コードのリスト、例: ["en", "fr"] (オプション)
convert_document_with_images : ドキュメントを変換し、埋め込まれた画像を抽出する
source : ドキュメントへの URL またはローカルファイルパス (必須)
enable_ocr : スキャンしたドキュメントのOCRを有効にするかどうか（オプション、デフォルト: false）
ocr_language : OCRの言語コードのリスト（オプション）
extract_tables : ドキュメントから表を構造化データとして抽出する
convert_batch : 複数のドキュメントをバッチモードで処理する
sources : ドキュメントへのURLまたはファイルパスのリスト（必須）
enable_ocr : スキャンしたドキュメントのOCRを有効にするかどうか（オプション、デフォルト: false）
ocr_language : OCRの言語コードのリスト（オプション）
qna_from_document : URL またはローカル パスから YAML 形式で Q&A ドキュメントを作成します
source : ドキュメントへの URL またはローカルファイルパス (必須)
no_of_qnas : 予想されるQ&Aの数（オプション、デフォルト: 5）
注: このツールでは、IBM Watson X の資格情報を環境変数として設定する必要があります。
get_system_info : システム構成と加速ステータスに関する情報を取得します
ラマスタックの例
https://github.com/user-attachments/assets/8ad34e50-cbf7-4ec8-aedd-71c42a5de0a1
このサーバーをLlama Stackと併用することで、LLMアプリケーションにドキュメント処理機能を提供できます。Llama Stackサーバーが稼働していることを確認し、 INFERENCE_MODELを設定してください。
from llama_stack_client.lib.agents.agent import Agent
from llama_stack_client.lib.agents.event_logger import EventLogger
from llama_stack_client.types.agent_create_params import AgentConfig
from llama_stack_client.types.shared_params.url import URL
from llama_stack_client import LlamaStackClient
import os
# Set your model ID
model_id = os.environ["INFERENCE_MODEL"]
client = LlamaStackClient(
base_url=f"http://localhost:{os.environ.get('LLAMA_STACK_PORT', '8080')}"
)
# Register MCP tools
client.toolgroups.register(
toolgroup_id="mcp::docling",
provider_id="model-context-protocol",
mcp_endpoint=URL(uri="http://0.0.0.0:8000/sse"))
# Define an agent with MCP toolgroup
agent_config = AgentConfig(
model=model_id,
instructions="""You are a helpful assistant with access to tools to manipulate documents.
Always use the appropriate tool when asked to process documents.""",
toolgroups=["mcp::docling"],
tool_choice="auto",
max_tool_calls=3,
)
# Create the agent
agent = Agent(client, agent_config)
# Create a session
session_id = agent.create_session("test-session")
def _summary_and_qna(source: str):
# Define the prompt
run_turn(f"Please convert the document at {source} to markdown and summarize its content.")
run_turn(f"Please generate a Q&A document with 3 items for source at {source} and display it in YAML format.")
def _run_turn(prompt):
# Create a turn
response = agent.create_turn(
messages=[
{
"role": "user",
"content": prompt,
}
],
session_id=session_id,
)
# Log the response
for log in EventLogger().log(response):
log.print()
_summary_and_qna('https://arxiv.org/pdf/2004.07606')
キャッシング
サーバーは、繰り返しのリクエストのパフォーマンスを向上させるために、処理済みのドキュメントを~/.cache/mcp-docling/にキャッシュします。