Jak platformové týmy používají GroupDocs.Parser k propojení nástrojů pro dokumenty do MCP klientů na .NET

💡 Kompletní funkční příklad dostupný na GitHubu: parser-mcp-document-tools-dotnet

Výzva platformy: Proč nástroje pro dokumenty zůstávají u MCP hranic

Docker‑backed nástroje pro dokumenty pro MCP klienty jsou nasazovací vzor GroupDocs.Parser.Mcp na .NET, který spojuje kontejnerový obraz s offline kontrolami knihovny pro get_document_info, extract_text a extract_tables. Platformové inženýrské týmy, které dodávají nástroje pro asistenty, se zřídka potýkají s otázkou „můžeme parsovat DOCX?“. Bojují s ostřejším omezením: MCP server se musí objevit v konfiguracích klienta jako pojmenovaný seznam nástrojů, zatímco parsovací engine je tak velký, že GroupDocs.Parser.Mcp je distribuován jen jako kontejnerový obraz, ne jako NuGet balíček.

Když produktový tým požaduje informace o dokumentu, čistý text a tabulky připravené pro chat uvnitř MCP klienta, platformní tým získává dvě dráhy. Dráha první je provoz: docker run s volume na /data, připnuté tagy jako :26.9.0 a stabilní položka mcpServers. Dráha druhá je verifikace: dokázat, že GroupDocs.Parser pro .NET vrací stejné údaje, jaké by vrátily nástroje, ještě před tím, než kdokoli závisí na živém handshake. Pokud některou dráhu vynecháte, selhání se projeví jako prázdné odpovědi MCP klienta místo selhaného unit testu.

Co tyto týmy potřebují, je explicitní: útržek registrace, který mohou vložit do MCP klientů, plus offline C# volání, která zapisují JSON, text a Markdown artefakty k revizi. Setkal jsem se s tím, když partner požadoval extract_tables v chatu před tím, než byl Docker schválen na vývojářských laptopech – knihovní zrcadla udržela dodávku v chodu, zatímco bezpečnost dokončovala revizi kontejneru.

Industry snapshot: GroupDocs.Parser.Mcp je publikován na ghcr.io/groupdocs-parser/parser-net-mcp a dokumentuje distribuci pouze pro Docker, protože engine překračuje limity velikosti NuGet. Lokální demo proto ověřují API ekvivalentní nástrojům bez nutnosti živé MCP relace (MCP docs).

Proč obecné přístupy zde selhávají

Týmy obvykle před přijetím dedikovaného MCP serveru pro dokumenty zkusí jeden z těchto přístupů:

  • Ad‑hoc shell skripty kolem desktopových konvertorů: křehké napříč DOCX a XLSX a nepředstavují pojmenované MCP nástroje.
  • Volání Parseru jen v soukromém API: funguje v‑processu, ale MCP klienti nikdy nevidí get_document_info ani extract_text jako nástroje první třídy.
  • Čekání na NuGet MCP balíček: není k dispozici pro tento server; publikovaná cesta je kontejnerový obraz.

GroupDocs.Parser uzavírá mezeru spárováním Docker MCP serveru se stejnými Parser API, která vaše .NET služby již používají.

Řešení: GroupDocs.Parser v platformním MCP workflow

GroupDocs.Parser pro .NET se stává ověřovací polovinou MCP příběhu. Parser.GetDocumentInfo, Parser.GetText, GetFormattedText(Markdown) a GetTables zrcadlí nástroje, které GroupDocs.Parser.Mcp vystavuje MCP klientům. Ukázkové úložiště zapisuje Result/mcp-server.example.json pro registraci a poté testuje tři nejčastěji používané nástroje na zabalených DOCX a XLSX souborech, aby operátoři mohli kontrolovat výstupy pod Result/.

Abyste mohli sledovat implementaci níže, budete potřebovat:

  • SDK .NET 8
  • GroupDocs.Parser 26.10.0 (dočasná licence)
  • Vzorkové dokumenty (repo zahrnuje sample.docx, sample.xlsx, sample.pdf)
  • Docker Engine pouze při spouštění živého MCP serveru
dotnet add package GroupDocs.Parser --version 26.10.0

Implementace MCP nástrojů krok za krokem

Zde je návod, jak zaregistrovat GroupDocs.Parser.Mcp a ověřit API ekvivalentní nástrojům. Scénář odpovídá platformnímu týmu, který zavádí nástroje pro dokumenty pro asistenty na .NET 8.

Krok 1 – Vytvoření registrace Docker MCP

Zapište položku mcpServers, která spustí kontejner interaktivně a připojí složku s dokumenty hosta na /data. Připněte tagy ve sdílených konfiguracích.

// JSON for MCP clients: docker run --rm -i -v <host>:/data <image>
string normalizedHost = hostDocumentsPath.Replace('\\', '/');
var payload = new
{
    mcpServers = new
    {
        groupdocs_parser = new
        {
            command = "docker",
            args = new[]
            {
                "run", "--rm", "-i",
                "-v", $"{normalizedHost}:/data",
                McpImage
            }
        }
    },

Pokračujte se seznamem nástrojů a zapište UTF‑8 JSON pro import klienta:

    tools = new[]
    {
        "extract_text",
        "extract_tables",
        "extract_metadata",
        "extract_images",
        "extract_barcodes",
        "get_document_info",
        "get_license_status"
    },
    notes = "Pin the image tag in shared configs "
        + "(for example :26.9.0) instead of :latest."
};
var json = JsonSerializer.Serialize(
    payload,
    new JsonSerializerOptions { WriteIndented = true });
File.WriteAllText(outputPath, json, Encoding.UTF8);

Krok 2 – Zrcadlení get_document_info pro předběžné kontroly

MCP klienti často volají get_document_info před těžšími nástroji. Zrcadlete tuto smlouvu pomocí Parser.GetDocumentInfo, aby schémata zůstala stabilní.

using var parser = new Parser(sourcePath);
var info = parser.GetDocumentInfo();

var payload = new
{
    fileName = Path.GetFileName(sourcePath),
    fileType = info?.FileType?.ToString(),
    pageCount = info?.PageCount,
    sizeBytes = info?.Size
};

File.WriteAllText(
    outputPath,
    JsonSerializer.Serialize(
        payload,
        new JsonSerializerOptions { WriteIndented = true }),
    Encoding.UTF8);

Proč jsou tyto pole důležité pro platformní operace:

  • fileType: Potvrzuje, že parser rozpoznal formát před spuštěním textových nástrojů
  • pageCount: Levný signál pro dimenzování rozpočtů kontextu MCP klienta
  • sizeBytes: Podporuje kvóty a kontrolu anomálií při příchozích nahrávaných souborech

Na zabaleném sample.docx zaznamenaný běh hlásí typ Microsoft Word Open XML, 2 stránky a 15214 bajtů.

Krok 3 – Zrcadlení extract_text pro výstup čitelný asistentem

using var parser = new Parser(sourcePath);
using TextReader? reader = parser.GetText();
if (reader == null)
{
    File.WriteAllText(outputPath, string.Empty, Encoding.UTF8);
    return 0;
}

string text = reader.ReadToEnd();
File.WriteAllText(outputPath, text, Encoding.UTF8);
return text.Length;

Vrácení počtu znaků poskytuje CI a konzolám měřitelný úspěšný signál, který odpovídá tomu, co operátoři očekávají od MCP nástroje extract_text.

Krok 4 – Zrcadlení extract_tables jako Markdown pro chatové UI

Preferujte formátovaný Markdown, pak se vracejte k pipe‑tabulkám z GetTables, aby chatoví klienti měli konzistentní renderovací cestu.

using var parser = new Parser(sourcePath);

using (TextReader? formatted = parser.GetFormattedText(
           new FormattedTextOptions(FormattedTextMode.Markdown)))
{
    if (formatted != null)
    {
        string markdown = formatted.ReadToEnd();
        File.WriteAllText(outputPath, markdown, Encoding.UTF8);
        int rows = 0;
        using var sr = new StringReader(markdown);
        string? line;
        while ((line = sr.ReadLine()) != null)
        {
            if (line.Contains('|', StringComparison.Ordinal))
                rows++;
        }
        return rows > 0
            ? rows
            : (string.IsNullOrWhiteSpace(markdown) ? 0 : 1);
    }
}

Když není k dispozici formátovaný Markdown, zkontrolujte funkce a strukturu tabulek:

if (!parser.Features.Tables)
{
    File.WriteAllText(
        outputPath,
        "_Tables extraction is not supported for this file._\n",
        Encoding.UTF8);
    return 0;
}

IEnumerable<PageTableArea>? tables = parser.GetTables();
if (tables == null)
{
    File.WriteAllText(outputPath, "_No tables returned._\n", Encoding.UTF8);
    return 0;
}

Systémy v downstreamu mohou archivovat Markdown vedle zdrojového XLSX, nebo posílat pipe‑tabulky přímo do chatových panelů MCP klienta bez druhého konvertoru.

Proč by platformové týmy měly udržovat jak Docker MCP, tak knihovní zrcadla?

Udržujte Docker MCP, když MCP klienti musí volat pojmenované nástroje proti souborům pod /data přes ghcr.io/groupdocs-parser/parser-net-mcp. Udržujte knihovní zrcadla, když PR musí prokázat get_document_info, extract_text a extract_tables bez živého handshake. Tento dvojitý přístup odděluje politiku kontejnerů od regresí parsování. Připněte produkční tag a spusťte .NET zrcadla v CI při každém zvýšení verze Parser balíčku, jak ukazuje ukázkové úložiště.

Skutečný workflow: Začlenění nástrojů pro dokumenty do sdílené flotily MCP klientů

Platformní tým podporující tři produktové čtveřice udržuje jednu základní konfiguraci MCP klienta. Každá čtveřice vkládá DOCX politiky a XLSX ceníky do sdíleného svazku dokumentů. Před propagací nového tagu parser-net-mcp tým spustí .NET konzolového hosta: JSON registrace se regeneruje, document-info.json se porovná se zlatými hodnotami (2 stránky / 15214 bajtů pro testovací DOCX), počty znaků textu se zaznamenají a Markdown z listů Sheet1/Sheet2 vzorku XLSX se zkontroluje na strukturu pipe‑tabulky.

Tento workflow mapuje přímo na výše uvedené kroky. Krok 1 je konfigurace flotily. Kroky 2‑4 jsou offline brány. Teprve po jejich úspěšném projití se připnutý kontejnerový obraz nasadí na hosty MCP klientů. Pro selhání specifická pro Docker operátoři používají MCP troubleshooting guide.

Obchodní dopad: Co se tím mění

Metrika Před (ad‑hoc) Po (GroupDocs.Parser + MCP)
Registrace klienta Manuální poznámky, odchylky na každém laptopu Zavedený JSON mcpServers
Kontroly smluv nástrojů Teprve po selhání živých volání MCP Offline JSON/text/Markdown fixury
Dodání tabulek do chatu Vlastní CSV konvertory Markdown sladěný s extract_tables
Distribuce balíčků Očekávání NuGet MCP Jasný Docker‑only server + NuGet knihovna
Posun obrazu Plovoucí :latest Připnuté tagy jako :26.9.0
Auditní stopa Pouze chatové logy Artefakty Result/ po každém běhu

Kombinovaný efekt je rychlejší onboarding MCP klientů a méně překvapení v produkci, když se politika kontejnerů a chování parsování posouvají různými hodinami.

Další platformové scénáře, kde to zapadá

Jakmile jsou registrace a zrcadla na místě, stejné API podporují:

  • Před‑ingest brány: Odmítnout nahrávání, když pageCount nebo sizeBytes spadají mimo politiku před spuštěním MCP klientů
  • Přehledy v tabulkách: Posílat Markdown tabulky z XLSX do standup botů
  • Multi‑formátové testovací balíčky: Udržovat DOCX, XLSX a PDF vzorky vedle MCP konfigurace pro týdenní regresní testy
  • Sidecar nasazení: Spouštět GroupDocs.Parser.Mcp vedle .NET API, které stále používá in‑process Parser pro interní úlohy

Začínáme ve vašem platformovém prostředí

Viděli jste, jak GroupDocs.Parser řeší MCP nástroje pro dokumenty pro platformní týmy na .NET. Další kroky:

Zdroje