微软开源了一个文档转换神器，名叫 MarkItDown。目前它在 GitHub 上已经斩获了 58K+ 的 Star，热度相当高。微软出品的转换工具，天然就有底子——毕竟 Office 格式就是他们家定义的标准。比起其他大厂，微软对 Office 的理解显然更深一层。那这个开源的格式转换工具到底强不强？从项目名字就能猜个大概：它可以把绝大多数常见文档格式，一键转成清爽可编辑的 Markdown 文件。

具体支持哪些格式呢？看下面这张清单：

• Word
• Excel
• PPT
• PDF
• 图片
• 语音
• HTML
• EPUB
• JSON/XML 等

上述格式都能一键转换成 Markdown。如果输入是图片，还会自动调用 OCR 识别图中的文字，并生成一个清晰易读的 Markdown 文档。转换成 Markdown 之后，最大的好处就是方便 AI 大模型解析。像豆包、Kimi 这些大模型，在解读 PDF 时，背后通常也是先转成 Markdown，再喂给模型做分析总结。

和微信的“提取文字”不太一样，MarkItDown 的项目介绍里强调：它会保留文档的重要结构和内容，比如标题、列表、表格、链接等，并以 Markdown 格式呈现。当然，理想和现实之间总有些差距——实测效果怎么样，咱们往下看。

看看实际效果

实测下来，输出结果通常清晰易读，适合人工查看，但它的主要定位还是作为中间介质，供 AI 大模型或文本分析工具使用。如果对阅读体验要求极高，格式还原效果要严苛到像素级，那 MarkItDown 可能未必适合你。

① 运行下面命令安装：

pip install 'markitdown[all]'

之后可以在命令行中直接调用，或者用 Python API 来转换。比如转换一个 PDF 文件，左边是源文件，右边是转换后的 Markdown。发现一个问题：标题并没有被保留下来？

再看一个表格类型的 PDF。如果上传的 PDF 是下面这种带大量合并单元格的表格样式，转换出来的 Markdown 效果就比较差了：

如果是标准的 Excel 表格，效果倒还不错。左边是源文件：

再来看看 PPT 文件的转换效果：

最后测试一个标准的 PDF 文档。不知道是不是操作的问题，说好的保留标题、表格样式呢……

支持 MCP

前不久发了一个国产 OCR 开源神器的帖子，有读者问那个项目是否支持 MCP。微软开源的 MarkItDown 倒是原生支持 MCP 协议，它提供了一个轻量级的 STDIO、Streamable HTTP 和 SSE MCP 服务器，用来调用 MarkItDown。

公开了一个工具：convert_to_markdown(uri)，其中的 uri 可以是任何 http:、https:、file: 或 data: URI。

安装 MCP 服务：

pip install markitdown-mcp

运行 MCP 服务时，可以使用下面两个命令之一。第一个是 STDIO，第二个是 Streamable HTTP 和 SSE MCP：

markitdown-mcp --http --host 127.0.0.1 --port 3001

如果想在 Docker 中运行，可以参考下面的步骤。配置好之后，就能在 Cursor 等 MCP 客户端里使用这个服务了，流程很简单。

拿 Cursor 客户端举例：打开设置 → MCP → 添加一个 MCP 服务器。把下面这段 JSON 复制进去，后面就能直接调用了。

{
  "mcpServers": {
    "markitdown": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "-v",
        "/home/user/data:/workdir",
        "markitdown-mcp:latest"
      ]
    }
  }
}