Můžete převést PDF do formátu Markdown připraveného pro LLM buď nahráním do služby, vložením textu do chatu nebo požádáním svého agenta, aby na vašem počítači zavolal konverzní engine. Třetí cesta zachová nadpisy, tabulky a seznamy jako skutečný Markdown a nic neuploaduje. S GroupDocs.Conversion.Mcp serverem, Claude, Cursor nebo GitHub Copilot můžete spustit lokálně z jednoho příkazu:

Convert report.pdf to Markdown

Krok‑za‑krokem verze s konfigurací a řešením problémů je v dokumentaci: How to convert PDF to Markdown with an MCP server.

Proč rozhoduje krok s Markdownem o kvalitě vašeho RAG indexu?

Retrieval pipeline může indexovat jen to, co konverzní krok zachoval. Pokud je tabulka zploštěna na řadu čísel, úsek té tabulky neodpoví na žádnou otázku. Pokud nadpisy zmizí, chunker nemá žádné hranice sekcí, které by respektoval. Dokumenty, které nejčastěji chcete mít v privátní znalostní bázi, jsou často ty, které nejméně chcete posílat třetí straně: smlouvy, interní zprávy, záznamy pacientů nebo zákazníků. Volba cesty tedy najednou rozhoduje o dvou věcech: kolik struktury přežije a kam soubor putuje.

Způsob 1: Nahráváte PDF do online konvertoru nebo cloudového parsing API?

Jedná se o nejrychlejší cestu a zároveň o tu s největším kompromisem. Soubor opustí váš počítač a je zpracován na infrastruktuře, kterou nekontrolujete. Pro veřejné dokumenty to může být přijatelné. Pro cokoliv důvěrného je to krok, který bezpečnostní revize zastaví.

Používejte jen tehdy, když obsah není citlivý a akceptujete jednorázový průchod souborem přes cizí službu.

Způsob 2: Vložíte text PDF do chatu a požádáte model, aby jej naformátoval?

Tím udržíte proces na své straně, ale model nyní přepisuje obsah, ne převádí jej. Vidí jen text, který byl extrahován při vložení. Okraje tabulek, pořadí sloupců a geometrie stránky jsou již pryč a model doplňuje mezery hádáním. Dlouhé dokumenty také překročí kontextové okno dříve, než se dostanete na poslední stránku.

Použijte pro jednorázový odstavec, ne pro složku zpráv.

Způsob 3: Necháte agenta zavolat lokální konverzní engine?

Zde rozhoduje agent a engine provádí konverzi. Agent pošle název souboru a cílový formát nástroji convert a engine GroupDocs.Conversion zapíše soubor Markdown vedle vašich dokumentů. V volání nástroje je formát md:

{
  "name": "convert",
  "arguments": {
    "file": { "filePath": "report.pdf" },
    "format": "md"
  }
}

Tento JSON nikdy nepíšete ručně. Napište větu a agent vygeneruje volání. Struktura je zachována jako skutečné Markdown konstrukce: nadpisy se mění na # a ##, tabulky na pipe‑tabulky, seznamy na položky seznamu. To je formát, který embedding pipeline a LLM čtou nativně, a můžete soubor přímo předat svému chunkeru.

Výsledek vypadá takto. Níže uvedený obsah je jen ilustrativní, ne výstup z reálného běhu:

# Čtvrtletní zpráva

## Tržby podle regionu

| Region | Q1 | Q2 |
|---|---|---|
| Sever | 120 | 135 |
| Jih | 98 | 101 |

Komplexní rozvržení jsou místa, kde se engine zaměřený na věrnost dokumentu liší od základního textového extraktoru. Zda je to pro vaše dokumenty podstatné, otestujte na třech nejnáročnějších PDF před tím, než se zavážete.

Pokud je Markdown jediným výstupem, který potřebujete, GroupDocs má také dedikovaný server, GroupDocs.Markdown.Mcp. Jeho dokumentace ho popisuje jako převod PDF, Word, Excel, EPUB a více než 20 dalších formátů do čistého, strukturovaného Markdownu s kontrolou výběru stránek, obrázků a front matter. GroupDocs.Conversion.Mcp se hodí, když je Markdown jedním z mnoha cílových formátů ve stejném workflow. Srovnání zaměřené na RAG najdete v Your RAG pipeline starts with Markdown — keep that step local, a server je zdokumentován na docs.groupdocs.com/markdown/mcp.

Jak nastavit lokální cestu?

Zaregistrujte server ve svém klientovi jednou. Příklad pro Claude Desktop:

{
  "mcpServers": {
    "groupdocs-conversion": {
      "type": "stdio",
      "command": "dnx",
      "args": ["GroupDocs.Conversion.Mcp", "--yes"],
      "env": { "GROUPDOCS_MCP_STORAGE_PATH": "/path/to/documents" }
    }
  }
}

Vyžaduje .NET 10 SDK. Stejný záznam serveru funguje v Cursor, VS Code s GitHub Copilot a Claude Code; přesný konfigurační soubor pro každý klient je uveden v docs hub. Po úpravě klienta restartujte. V režimu evaluace nebo s licenčním souborem konverze nepotřebuje síť, jakmile je balíček stažen; metered licence hlásí využití a proto potřebuje odchozí přístup.

Fungující výzvy:

Turn every PDF in this folder into Markdown for my knowledge base.

Check how many pages whitepaper.pdf has, then convert it to Markdown.

Druhá výzva řetězí get_document_info, který vrací typ souboru, počet stránek a základní vlastnosti, před voláním convert.

Příklad relace

Jedná se o zkrácenou, ilustrativní relaci založenou na popisech nástrojů v dokumentaci, ne o snímek obrazovky.

You:    Check how many pages whitepaper.pdf has, then convert it to Markdown.
Agent:  [calls get_document_info with file.filePath = "whitepaper.pdf"]
Agent:  [calls convert with file.filePath = "whitepaper.pdf", format = "md"]
Agent:  Done. The Markdown file is saved as whitepaper.md in your output folder.

Jaká jsou omezení?

  • Skeny potřebují OCR nejprve. PDF obsahující jen obrázky nemá textovou vrstvu a OCR není součástí tohoto serveru, takže Markdown neobsahuje jeho slova. Proveďte OCR před konverzí, pokud jsou vaše PDF skeny.
  • Režim evaluace. Bez licence výstup nese vodotisk evaluace a jeden proces serveru může otevřít najednou maximálně 15 dokumentů. Zavolejte get_license_status před velkou ingestí, abyste potvrdili, který režim je aktivní.
  • Konverze, ne extrakce. Tento server převádí celý dokument do Markdownu. Pokud potřebujete konkrétní pole nebo typované hodnoty, použijte GroupDocs.Parser.Mcp (dodává se jen jako Docker image) a použijte oba, když pipeline vyžaduje obojí.

Často kladené otázky

Jak mohu převést PDF do Markdown pro RAG, aniž bych nahrával soubor?
Spusťte konverzní server na svém počítači a nechte agenta, aby jej volal. S GroupDocs.Conversion.Mcp nástroj convert zapíše soubor .md do vaší složky a žádný dokument není odeslán do cloudové služby.

Zůstávají tabulky zachovány, když se PDF změní na Markdown?
Ano, jako pipe‑tabulky v Markdownu. Nejprve otestujte své nejnáročnější tabulky, protože složitost rozvržení je místem, kde se konvertory liší.

Mohu později převést Markdown zpět na PDF nebo Word?
Ano. Ten samý server převádí Markdown na PDF a DOCX, což je popsáno v the export post.

Jděte hlouběji