You can turn a PDF into LLM-ready Markdown by uploading it to a service, by pasting its text into a chat, or by asking your agent to call a conversion engine on your own machine. The third route keeps headings, tables and lists as real Markdown and uploads nothing. With the GroupDocs.Conversion.Mcp server, Claude, Cursor or GitHub Copilot run it locally from one prompt:

Convert report.pdf to Markdown

The step-by-step version with config and troubleshooting is in the documentation: چگونه PDF را با یک سرور MCP به Markdown تبدیل کنیم.

چرا مرحله Markdown کیفیت شاخص RAG شما را تعیین می‌کند؟

یک خط لوله بازیابی فقط می‌تواند آنچه را که مرحله تبدیل نگه داشته است، ایندکس کند. اگر یک جدول به یک رشته از اعداد مسطح شود، بخشی از آن جدول به هیچ سوالی پاسخ نمی‌دهد. اگر عناوین ناپدید شوند، بخش‌بند (chunker) هیچ مرز بخشی برای احترام گذاشتن ندارد. اسنادی که بیشترین نیاز را به داشتن در یک پایگاه دانش خصوصی دارند، اغلب همان اسنادی هستند که کمترین تمایل را برای ارسال به شخص ثالث دارند: قراردادها، گزارش‌های داخلی، سوابق بیماران یا مشتریان. بنابراین انتخاب مسیر دو چیز را همزمان تعیین می‌کند: چه مقدار ساختار باقی می‌ماند و فایل به کجا می‌رود.

روش ۱: آیا PDF را به یک مبدل آنلاین یا یک API تجزیه‌گر ابری آپلود می‌کنید؟

این سریع‌ترین مسیر است و بزرگ‌ترین تعادل‑سود‑ضرر را دارد. فایل از دستگاه شما خارج می‌شود و بر روی زیرساختی که شما کنترلش ندارید پردازش می‌شود. برای اسناد عمومی ممکن است قابل قبول باشد. برای هر چیزی که محرمانه باشد، این مرحله‌ای است که بررسی امنیتی آن را متوقف می‌کند.

فقط زمانی این روش را انتخاب کنید که محتوا حساس نیست و شما پذیرای رفت‌و‑آمد یک فایل از طریق سرویس شخص دیگری هستید.

روش ۲: آیا متن PDF را در چت می‌چسبانید و از مدل می‌خواهید آن را قالب‌بندی کند؟

این فرآیند را در سمت شما نگه می‌دارد، اما مدل اکنون محتوا را بازنویسی می‌کند، نه تبدیل. فقط متنی که هنگام چسباندن استخراج شده را می‌بیند. مرزهای جدول، ترتیب ستون‌ها و هندسه صفحه قبلاً از بین رفته‌اند و مدل با حدس زدن خلاها را پر می‌کند. اسناد طولانی نیز قبل از رسیدن به آخرین صفحه، پنجره زمینه (context window) را پر می‌کنند.

برای یک پاراگراف یک‌بار استفاده کنید، نه برای یک پوشه از گزارش‌ها.

روش ۳: آیا اجازه می‌دهید عامل شما یک موتور تبدیل محلی را فراخوانی کند؟

در اینجا عامل تصمیم می‌گیرد و موتور تبدیل می‌کند. عامل نام فایل و فرمت هدف را به ابزار convert می‌فرستد و موتور GroupDocs.Conversion یک فایل Markdown در کنار اسناد شما می‌نویسد. در فراخوانی ابزار، فرمت md است:

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

شما هرگز این JSON را نمی‌نویسید. جمله را می‌نویسید و عامل فراخوانی را تولید می‌کند. ساختار به عنوان سازه‌های واقعی Markdown حفظ می‌شود: عناوین به # و ## تبدیل می‌شوند، جداول به جداول لوله‌ای (pipe tables) و فهرست‌ها به آیتم‌های لیست. این همان فرمت است که یک خط لوله تعبیه (embedding) و یک LLM به‌صورت بومی می‌خوانند و می‌توانید فایل را مستقیماً به بخش‌بند (chunker) خود بدهید.

شکل نتیجه به این صورت است. محتوای زیر صرفاً نمونه است، نه خروجی یک اجرای واقعی:

# Quarterly report

## Revenue by region

| Region | Q1 | Q2 |
|---|---|---|
| North | 120 | 135 |
| South | 98 | 101 |

چیدمان‌های پیچیده جایی هستند که یک موتور ساخته‌شده برای حفظ وفاداری سند، با یک استخراج‌کننده متن ساده متفاوت است. اینکه این برای اسناد شما مهم است یا نه، باید با سه PDF سخت‌تان قبل از تصمیم‌گیری تست شود.

اگر تنها خروجی مورد نیاز شما Markdown باشد، GroupDocs همچنین یک سرور اختصاصی به نام GroupDocs.Markdown.Mcp دارد. مستندات آن آن را به‌عنوان تبدیل PDF، Word، Excel، EPUB و بیش از ۲۰ فرمت دیگر به Markdown تمیز و ساختار یافته توصیف می‌کند، با کنترل بر انتخاب صفحات، تصاویر و متاداده پیش‌صفحه. GroupDocs.Conversion.Mcp زمانی مناسب است که Markdown یکی از چندین فرمت هدف در همان گردش کار باشد. مقایسه متمرکز بر RAG در خط لوله RAG شما با Markdown شروع می‌شود — این مرحله را به‌صورت محلی نگه دارید آمده است و سرور در docs.groupdocs.com/markdown/mcp مستند شده است.

چگونه مسیر محلی را تنظیم کنید؟

سرور را یک‌بار در کلاینت خود ثبت کنید. یک ورودی برای Claude Desktop:

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

این به .NET 10 SDK نیاز دارد. همان ورودی سرور در Cursor، VS Code با GitHub Copilot و Claude Code کار می‌کند؛ فایل پیکربندی دقیق برای هر کلاینت در مرکز مستندات فهرست شده است. پس از آن کلاینت را ریستارت کنید. در حالت ارزیابی یا حالت فایل‌مجوز، تبدیل پس از دانلود بسته نیازی به شبکه ندارد؛ گزارش‌گیری مجوز متری استفاده را می‌سنجد و بنابراین به دسترسی خروجی نیاز دارد.

دستورات زیر کار می‌کنند:

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

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

دومین دستور get_document_info را زنجیره می‌کند که نوع فایل، تعداد صفحات و ویژگی‌های پایه را برمی‌گرداند، سپس convert.

جلسه نمونه

این یک جلسه مختصر و نمونه است که بر پایه توصیف ابزارها در مستندات ساخته شده، نه یک اسکرین‌شات.

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.

محدودیت‌ها چیست؟

  • اسکن‌ها ابتدا نیاز به OCR دارند. یک PDF فقط‑تصویری لایه متنی ندارد و OCR بخشی از این سرور نیست، بنابراین Markdown شامل کلمات آن نخواهد بود. قبل از تبدیل، اگر PDFهای شما اسکن هستند، OCR اجرا کنید.
  • حالت ارزیابی. بدون مجوز، خروجی دارای واترمارک ارزیابی است و یک فرآیند سرور حداکثر می‌تواند ۱۵ سند را باز کند. قبل از یک بارگذاری بزرگ get_license_status را فراخوانی کنید تا حالت فعال را تأیید کنید.
  • تبدیل، نه استخراج. این سرور یک سند کامل را به Markdown تبدیل می‌کند. اگر به فیلدهای خاص یا مقادیر تایپ‌شده نیاز دارید، از GroupDocs.Parser.Mcp (فقط به‌صورت تصویر Docker ارائه می‌شود) استفاده کنید و هر دو را زمانی که یک خط لوله به هر دو نیاز دارد، به‌کار ببرید.

پرسش‌های متداول

چگونه PDF را برای RAG به Markdown تبدیل کنم بدون آپلود فایل؟
یک سرور تبدیل را روی ماشین خود اجرا کنید و اجازه دهید عامل شما آن را فراخوانی کند. با GroupDocs.Conversion.Mcp ابزار convert فایل .md را در پوشه شما می‌نویسد و هیچ سندی به سرویس ابری ارسال نمی‌شود.

آیا جداول هنگام تبدیل PDF به Markdown حفظ می‌شوند؟
بله، به‌صورت جداول لوله‌ای Markdown. ابتدا پیچیده‌ترین جداول خود را تست کنید، زیرا پیچیدگی چیدمان جایی است که مبدل‌ها متفاوت عمل می‌کنند.

آیا می‌توانم بعداً Markdown را به PDF یا Word تبدیل کنم؟
بله. همان سرور Markdown را به PDF و DOCX تبدیل می‌کند که در پست خروجی پوشش داده شده است.

عمیق‌تر بروید