在 Claude 里「读文档」这件事，我测了 5 个 MCP 工具

本文基于真实测试数据，对比 MinerU MCP、MarkItDown MCP、pdf-mcp、PaddleOCR MCP、pdf-reader-mcp 五个工具在 Claude Agent 场景下的实际表现，适合正在搭建文档 AI 工作流的开发者和产品同学阅读。

一、背景：一个反复踩坑的问题

用 Claude 做文档相关任务，大多数人第一反应是直接把 PDF 拖进去。

这能用，但很快你就会碰到几个问题：

• 文档稍微长一点，Claude 就开始"忘记"后半部分

• 表格提取出来是错的，行列对不上

• 有公式的学术文献，变成了一堆乱码符号

• 同一个文档，两次对话给的结果不一样

这些不是 Claude 变蠢了。是文档解析这一层出了问题。

MCP（Model Context Protocol）的出现，让 Claude 可以通过工具调用来处理文档——理论上，找一个好的文档解析 MCP Server，上面这些问题都能解决。但现在 MCP 市场上文档解析类的工具乱得很，随便搜就能找到十几个。

花了两天，把最有代表性的 5 个都跑了一遍，以下是真实结论。

---

二、被测工具一览

工具	底层技术	定位	安装难度
MinerU MCP	上海 AI 实验室 MinerU 引擎	学术/专业文档高精度解析	⭐ 最简（uvx 一行）
MarkItDown MCP	微软 MarkItDown	通用格式转 Markdown	⭐ 简单
pdf-mcp	PyMuPDF + SQLite 缓存	轻量快速文本提取	⭐⭐ 普通
PaddleOCR MCP	PaddleOCR + PP-StructureV3	OCR + 复杂版面解析	⭐⭐⭐⭐ 重（需下载 GB 级模型）
pdf-reader-mcp	pdfplumber + 并行处理	生产级大文件处理	⭐⭐ 普通

---

三、如何接进 Claude Desktop

先说配置，这是很多人卡住的第一步。

MinerU MCP（无需本地安装任何依赖）

{ "mcpServers": { "mineru": { "command": "uvx", "args": [ "--from", "mineru-open-mcp-test", "--index-url", "https://test.pypi.org/simple/", "--extra-index-url", "https://pypi.org/simple/", "mineru-open-mcp" ] } } }

MarkItDown MCP

{ "mcpServers": { "markitdown": { "command": "uvx", "args": ["markitdown-mcp"] } } }

pdf-mcp

{ "mcpServers": { "pdf-mcp": { "command": "uvx", "args": ["pdf-mcp"] } } }

PaddleOCR MCP（需要本地 Python 环境）

pip install paddleocr paddlepaddle paddleocr-mcp


{ "mcpServers": { "paddleocr": { "command": "python", "args": ["-m", "paddleocr_mcp.server", "--mode", "local-cpu"] } } }

PaddleOCR 首次启动需下载数 GB 模型，请在网络稳定的环境下配置。MinerU / MarkItDown / pdf-mcp 都支持 uvx 一行启动，无需预先安装。

---

四、用同一批文档测，看真实差距

用了 3 类典型文档：

📄 学术论文双栏布局、数学公式、参考文献

📊 财务报表密集表格、中文数字

🖨️ 扫描版合同无文本层，纯图片 PDF

场景 A：学术论文（含公式 + 双栏）

给 Claude 配上各工具后，问：「帮我提取这篇论文的核心方法和关键公式」

MinerU MCP 解析结果（片段）：

def layout_detection(image):
    preprocess(image) # 使用CLAHE增强对比度
    return CNN.predict(image) # 基于YOLOv8模型
 

公式完整还原为 LaTeX，双栏文字顺序正确，标题层级清晰。Claude 拿到这个输入，可以直接做公式推导和方法对比。

pdf-mcp 的同一份文档：

3.1 Layout DetectionGiven input document image I ∈ RH×W×3, our layout detector outputs bounding boxescategory labels {ci} formula: [图形对象，无法提取]

文字粘连、公式变成占位符。Claude 拿到这个输入，只能靠自己"脑补"，结果不可信。

MarkItDown MCP 表现介于两者之间——文字基本正确，但公式被转成 [FORMULA] 占位，双栏顺序偶尔串行。

场景 B：财务报表（多行表格，中文）

这是最能拉开差距的场景。

MinerU MCP 输出的表格（直接可用）：

| 指标 | Q1 2025 | Q2 2025 | Q3 2025 | Q4 2025 | |------|---------|---------|---------|---------| | 营收(万元) | 1,200 | 1,350 | 1,180 | 1,560 | | 净利润(万元) | 216 | 256 | 201 | 312 | | 净利率(%) | 18.0 | 19.0 | 17.0 | 20.0 |

给 Claude 之后，可以直接让它做计算、趋势分析，数字完全正确。

pdf-mcp 输出：

指标 Q1 2025营收(万元) 1,200 Q2 2025 1,350净利润(万元) 216 256...

表格结构丢失，行列被打平。Claude 收到这个只能看文字，完全无法做数值分析。

PaddleOCR MCP 在表格上表现相当好——PP-StructureV3 专门针对版面分析优化，表格还原度接近 MinerU，但对于有文本层的普通 PDF，处理速度比 MinerU 慢 2-3 倍。

场景 C：扫描版 PDF（无文本层）

工具	扫描 PDF 支持
MinerU MCP	✅ 自动检测，触发 OCR 管道
MarkItDown MCP	⚠️ 部分支持（依赖系统 tesseract）
pdf-mcp	❌ 返回空内容（无文本层）
PaddleOCR MCP	✅ 核心能力，支持最强
pdf-reader-mcp	❌ 纯文本提取，扫描失效

扫描文档是 pdf-mcp 这类基于 PyMuPDF 纯文本提取工具的天然盲区。

五、在 Claude Agent 里，调用链路长什么样

这是很多人没想清楚的地方：文档解析 MCP 在 Agent 里不是独立工作的，它是 Claude 思考链上的一个环节。

以「帮我分析这份研报，找出风险点」为例：

暂时无法在飞书文档外展示此内容

MinerU MCP 真实 tool_call 返回结构：

{
  "status": "success",
  "results": [
    {
      "filename": "report.pdf",
      "status": "success",
      "content": "# 2026年第一季度财务报告\n\n## 核心业绩指标...",
      "content_chars": 9192,
      "truncated": false
    }
  ],
  "summary": {
    "total_files": 1,
    "success_count": 1,
    "error_count": 0
  }
}
 

结构清晰，status 明确，Claude 知道成功还是失败、内容是否完整。对比 pdf-mcp 的直接文本 dump，没有状态码、没有截断标记，Claude 只能假装收到了完整文档。

六、性能数据对比（Flash 模式实测）

基于我在同一环境下的真实测试：

测试场景	MinerU	pdf-mcp	MarkItDown	PaddleOCR	pdf-reader-mcp
学术论文（公式+双栏）	✅ 完整	❌ 公式丢失	⚠️ 占位符	✅ 较好	❌ 公式丢失
财务表格（中文）	✅ 完整	❌ 结构丢失	⚠️ 部分	✅ 较好	⚠️ 部分
扫描版 PDF	✅ 自动 OCR	❌ 空内容	⚠️ 依赖环境	✅ 最强	❌ 空内容
返回结构化状态码	✅	❌	❌	✅	❌
本地部署（数据不出境）	❌ 走云端	✅ 本地	✅ 本地	✅ 本地	✅ 本地
无 API key 免费使用	✅ Flash 模式	✅	✅	✅	✅

七、一个我踩过的坑

用 MinerU MCP Flash 模式时，超过 20 页的 PDF 必须指定 pages 参数，否则直接报错：

// ❌ 这样会报错（PDF > 20 页时） {"file_sources": ["big_report.pdf"]} // ✅ 正确写法 {"file_sources": [{"source": "big_report.pdf", "pages": "1-20"}]}

Claude 配置好 MCP 之后，在对话里直接说就行：

「帮我解析 /Users/xxx/report.pdf 的第 1 到 15 页，重点看财务数据部分」

Claude 会自动把 pages: "1-15" 填进 tool_call，不需要手动写 JSON。

八、选哪个？场景速查

日常使用：pdf-mcp只需要快速总结结构简单的 PDF，两行配置秒上手，适合 95% 的「帮我看看这个文档」场景

严肃文档工作：MinerU MCP科研论文、财务报表、法律文件——需要精确结构、公式完整、表格可信。Flash 模式免费，uvx 一行启动

大量扫描文档：PaddleOCR MCP本地部署，数据不出境，手写文字、印章、水印都能处理。代价是配置重、首次启动慢

多格式混合：MarkItDown MCPWord、Excel、PowerPoint、HTML 全覆盖（29 种格式），一个工具统一管理，解析深度一般

九、小结

文档解析这层做好了，Claude 在 Agent 任务里的表现会有质的提升。不是模型更聪明了，是它终于拿到了干净的输入。

垃圾进，垃圾出——这条规律，在 AI 时代依然成立。

相关项目地址

• MinerU MCP：github.com/opendatalab/MinerU（Apache 2.0，免费商用）

• MarkItDown MCP：github.com/microsoft/markitdown

• pdf-mcp：github.com/jztan/pdf-mcp

• PaddleOCR MCP：paddlepaddle.github.io/PaddleOCR