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: How to convert PDF to Markdown with an MCP server.

Почему шаг с Markdown определяет качество вашего RAG‑индекса?

Retrieval‑pipeline может индексировать только то, что сохранил шаг конвертации. Если таблица сплющена в ряд чисел, фрагмент этой таблицы не отвечает ни на один вопрос. Если заголовки исчезают, у chunker‑а нет границ разделов, которые он мог бы учитывать. Документы, которые вам чаще всего нужны в приватной базе знаний, часто являются теми, которые вы меньше всего хотите отправлять третьим сторонам: контракты, внутренние отчёты, записи пациентов или клиентов. Выбор маршрута поэтому одновременно решает две задачи: сколько структуры сохраняется и куда файл отправляется.

Способ 1: Вы загружаете PDF в онлайн‑конвертер или облачный API парсинга?

Это самый быстрый путь и одновременно путь с наибольшим компромиссом. Файл покидает ваш компьютер и обрабатывается на инфраструктуре, которой вы не управляете. Для публичных документов это может быть приемлемо. Для любой конфиденциальной информации такой шаг будет остановлен проверкой безопасности.

Выбирайте его только тогда, когда содержание не чувствительно и вы согласны на круговой проход файла через сервис стороннего провайдера.

Способ 2: Вы вставляете текст PDF в чат и просите модель отформатировать его?

Это оставляет процесс на вашей стороне, но модель теперь переписывает содержимое, а не конвертирует его. Она видит только тот текст, который был извлечён при вставке. Границы таблиц, порядок колонок и геометрия страниц уже исчезли, и модель заполняет пробелы, угадывая. Длинные документы также могут превысить окно контекста до того, как вы дойдёте до последней страницы.

Выбирайте этот способ для единичного абзаца, а не для целой папки отчётов.

Способ 3: Вы позволяете вашему агенту вызвать локальный движок конвертации?

Здесь агент принимает решение, а движок выполняет конвертацию. Агент отправляет имя файла и целевой формат в инструмент convert, и движок GroupDocs.Conversion записывает Markdown‑файл рядом с вашими документами. В вызове инструмента формат указывается как md:

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

Вы никогда не пишете этот JSON вручную. Вы вводите предложение, а агент формирует вызов. Структура сохраняется как реальные конструкции Markdown: заголовки становятся # и ##, таблицы — pipe‑таблицами, списки — элементами списков. Это формат, который natively понимают embedding‑pipeline и LLM, и вы можете сразу передать файл в ваш chunker.

Выгляд результата выглядит так. Ниже приведён иллюстративный пример, а не реальный вывод:

# Quarterly report

## Revenue by region

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

Сложные макеты — это то, где движок, построенный для сохранения точности документа, отличается от простого текстового извлекателя. Насколько это важно для ваших документов, стоит проверить на трёх самых сложных PDF перед тем, как принимать решение.

Если вам нужен только Markdown, у GroupDocs есть отдельный сервер — GroupDocs.Markdown.Mcp. Его документация описывает его как средство преобразования PDF, Word, Excel, EPUB и более 20 форматов в чистый, структурированный Markdown с возможностью выбора страниц, изображений и front‑matter. GroupDocs.Conversion.Mcp подходит, когда Markdown является одним из множества целевых форматов в одном рабочем процессе. Сравнение, ориентированное на RAG, находится в статье Your RAG pipeline starts with Markdown — keep that step local, а сервер описан на странице docs.groupdocs.com/markdown/mcp.

Как настроить локальный маршрут?

Зарегистрируйте сервер в клиенте один раз. Пример записи для Claude Desktop:

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

Для этого требуется .NET 10 SDK. Та же запись сервера работает в Cursor, VS Code с GitHub Copilot и Claude Code; точный файл конфигурации для каждого клиента перечислен в docs hub. После изменения перезапустите клиент. В режиме оценки или при использовании лицензионного файла конвертация не требует сети после загрузки пакета; лицензия с учётом потребления сообщает о использовании и поэтому нуждается во внешнем доступе.

Примеры запросов, которые работают:

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

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

Во втором запросе сначала вызывается get_document_info, который возвращает тип файла, количество страниц и базовые свойства, а затем вызывается convert.

Пример сеанса

Это сокращённый, иллюстративный сеанс, основанный на описаниях инструментов в документации, а не скриншот.

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.

Каковы ограничения?

  • Сканы требуют OCR сначала. PDF, состоящий только из изображений, не имеет текстового слоя, а OCR не входит в состав этого сервера, поэтому Markdown не будет содержать его слова. Выполните OCR перед конвертацией, если ваши PDF — сканы.
  • Режим оценки. Без лицензии вывод содержит водяной знак оценки, и один процесс сервера может открыть не более 15 документов одновременно. Вызовите get_license_status перед массовой загрузкой, чтобы подтвердить активный режим.
  • Конвертация, а не извлечение. Этот сервер конвертирует весь документ в Markdown. Если нужны отдельные поля или типизированные значения, используйте GroupDocs.Parser.Mcp (доступен только как Docker‑образ) и комбинируйте оба сервера, когда конвейер требует и то, и другое.

Часто задаваемые вопросы

Как конвертировать PDF в Markdown для RAG без загрузки файла?
Запустите сервер конвертации на своей машине и позвольте агенту вызвать его. С GroupDocs.Conversion.Mcp инструмент convert записывает файл .md в вашу папку, и ни один документ не отправляется в облачный сервис.

Сохраняются ли таблицы при преобразовании PDF в Markdown?
Да, в виде pipe‑таблиц Markdown. Сначала протестируйте самые сложные таблицы, потому что именно сложность макета различает конвертеры.

Можно ли позже конвертировать полученный Markdown обратно в PDF или Word?
Да. Тот же сервер умеет конвертировать Markdown в PDF и DOCX, что описано в the export post.

Подробнее