Markdownify MCP 服务器

“Markdownify” MCP 服务器的作用是什么？

Markdownify MCP 服务器是一款模型上下文协议（MCP）服务器，旨在将各种文件类型和网页内容转换为 Markdown 格式。它充当 AI 助手与外部数据源之间的桥梁，简化了将文档、图片、音频和网页等内容转化为易于阅读和分享的 Markdown 文本的过程。通过提供一套工具，Markdownify 支持如从 PDF 提取文本、获取 YouTube 视频转录、音频文件转录等任务。这为开发工作流带来了规范化、可被机器读取的内容，让 AI 应用更容易使用、总结和处理复杂或非结构化的信息。

提示模板列表

(仓库或文档中未明确提及任何提示模板。)

资源列表

(仓库或文档中未明确详细列出 MCP 资源。)

工具列表

• youtube-to-markdown：提取并格式化 YouTube 视频转录内容为 Markdown。
• pdf-to-markdown：将 PDF 文档转换为 Markdown 文本。
• bing-search-to-markdown：将 Bing 搜索结果摘要为 Markdown。
• webpage-to-markdown：将网页内容转换为 Markdown 格式。
• image-to-markdown：将图片（含元数据）转换为 Markdown。
• audio-to-markdown：将音频文件转录为 Markdown。
• docx-to-markdown：将 Microsoft Word（DOCX）文件转换为 Markdown。
• xlsx-to-markdown：将 Excel（XLSX）文件转换为 Markdown 表格或文本。
• pptx-to-markdown：将 PowerPoint（PPTX）演示文稿转换为 Markdown。
• get-markdown-file：从指定目录检索已有 Markdown 文件（.md 或 .markdown 扩展名）。

本 MCP 服务器的应用场景

• 知识管理文档转换：轻松将 PDF、DOCX、PPTX、XLSX 文件转换为 Markdown，便于集成到文档系统、Wiki 或知识库，实现快速检索和编辑。
• 网页内容摘要：提取并标准化网页、Bing 搜索结果或 YouTube 视频转录内容，支持 AI 分析、摘要或报告。
• 音频与图片处理：将播客或会议录音转录为 Markdown，或将图片转换为 Markdown，提升内容的可访问性与数据复用。
• Markdown 检索与分享：安全地从中心化目录检索和分享现有 Markdown 文档，助力协作流程。
• AI 助手上下文丰富：让 AI 模型以一致格式访问多样化真实世界内容，提升回答和动作的质量与上下文相关性。

安装设置方法

Windsurf

1. 确保已安装 Node.js 和 pnpm。
2. 克隆仓库并安装依赖：

   git clone https://github.com/zcaceres/markdownify-mcp.git
   cd markdownify-mcp
   pnpm install
   

3. 构建项目：

   pnpm run build
   

4. 添加到 Windsurf 配置中：

   {
     "mcpServers": {
       "markdownify": {
         "command": "node",
         "args": [
           "/absolute/path/to/markdownify-mcp/dist/index.js"
         ],
         "env": {
           "UV_PATH": "/path/to/uv"
         }
       }
     }
   }
   

5. 保存配置并重启 Windsurf。可通过应用界面确认服务器运行状态。

API 密钥安全示例：

{
  "env": {
    "API_KEY": "${API_KEY}"
  },
  "inputs": {
    "api_key": "${API_KEY}"
  }
}

Claude

1. 安装 Node.js 和 pnpm。
2. 按上述步骤克隆并安装依赖。
3. 找到 Claude 的 MCP 服务器配置。
4. 添加 Markdownify：

   {
     "mcpServers": {
       "markdownify": {
         "command": "node",
         "args": [
           "/absolute/path/to/markdownify-mcp/dist/index.js"
         ],
         "env": {
           "UV_PATH": "/path/to/uv"
         }
       }
     }
   }
   

5. 保存、重启 Claude 并验证。

Cursor

1. 前置条件：Node.js、pnpm。
2. 克隆仓库并安装依赖。
3. 使用 pnpm run build 构建。
4. 编辑 Cursor 的 mcpServers 部分：

   {
     "mcpServers": {
       "markdownify": {
         "command": "node",
         "args": [
           "/absolute/path/to/markdownify-mcp/dist/index.js"
         ],
         "env": {
           "UV_PATH": "/path/to/uv"
         }
       }
     }
   }
   

5. 保存并重启 Cursor。

Cline

1. 安装 Node.js 和 pnpm，克隆仓库并按上述方式安装依赖。
2. 构建项目。
3. 添加 Markdownify MCP 服务器到 mcpServers 配置中：

   {
     "mcpServers": {
       "markdownify": {
         "command": "node",
         "args": [
           "/absolute/path/to/markdownify-mcp/dist/index.js"
         ],
         "env": {
           "UV_PATH": "/path/to/uv"
         }
       }
     }
   }
   

4. 保存、重启 Cline 并验证。

注意： 请通过环境变量安全管理 API 密钥（详见上方示例）。

在流程中如何使用本 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先添加 MCP 组件到流程中，并将其连接到 AI Agent：

点击 MCP 组件打开配置面板，在系统 MCP 配置部分，按如下 JSON 格式填写您的 MCP 服务器信息：

{
  "markdownify": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI Agent 即可使用该 MCP 作为工具，访问其全部功能。请将 “markdownify” 替换为实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

从上表可见，Markdownify MCP 服务器专注于实用的转换工具和部署指导，但在提示模板、资源、采样和 roots 等高级 MCP 特性上缺乏详细信息。文档对工具和安装说明较为清晰，但对底层 MCP 原语介绍不足。

我们的看法

Markdownify MCP 服务器在文档及内容转换场景中表现强大，支持文件类型丰富，部署文档完善。但缺少明确的提示模板、MCP 资源，以及对采样、roots 等高级特性的阐述，使其在更高级 MCP 集成方面得分有限。对于直接的文件转 Markdown 实用需求，它表现优异；在协议深度可扩展性方面则相对不足。

MCP 评分