xberg-io/xberg

项目概览

xberg 涵盖 97+ 种格式的统一提取核心，并原生提供 MCP 服务端能力，支持将本地多源非结构化文档接入 RAG 管道和 AI 智能体工作流。

项目类型

MCP · RAG 与知识库 · 文档处理

应用场景

文档办公 · 知识问答 · 数据分析

部署方式

查看项目说明

License

MIT

适合谁

• 希望通过包管理器直接集成文档解析能力，为下游 RAG 或 AI 数据分析管道提供标准化输入的后端开发者与 AI 工程师。
• 需要在本地环境快速集成文档读取能力到 Claude Desktop 或 Cursor 等 IDE 代理中的提示词工程师和研究员。

核心能力

• 作为核心能力，该引擎能够从 PDF、Office 文档、图像、HTML、电子邮件和压缩归档等 97+ 种文件格式中提取干净的文本、表格和元数据，为下游数据管道提供原始素材。
• 可作为 MCP 服务器运行，向 Claude Desktop 或 Cursor 等 IDE 代理暴露 9 种提取工具、3 个提示词和 4 类资源，允许 AI 智能体读取并解析支持的文件。
• 可作为 REST API 服务端运行，通过单个 POST 端点统一处理所有支持的文件格式，并支持大文件流式传输，方便企业级应用通过标准 HTTP 接口集成。
• 提供配套的文档增强功能，支持在提取文本的同时或之后执行命名实体识别 (NER)、敏感信息脱敏、摘要生成、翻译、二维码检测、页面分类和关键词提取等高级操作。

限制与风险

• 若需启用基于大模型的高级功能（如托管式 Embedding 生成、复杂结构化提取或基于 VLM 的 OCR），系统可选择性地接入 OpenAI、Anthropic 或 Google 的外部服务，这需要网络连接及 API 密钥，并可能产生商业费用。
• 若需在离线、本地环境下执行文档嵌入或重排序任务，则需要额外配置和管理 ONNX 模型。

如何开始

• 多数主流语言环境提供了简单的安装命令，例如通过 pip、npm、cargo 安装，或使用 Homebrew (brew install xberg-io/tap/xberg) 完成安装。
• 安装完成后，即可使用内置 CLI 命令（如 xberg extract document.pdf）直接测试提取效果，完成首次文档解析体验。

核验依据

• GitHub 项目简介: A polyglot document intelligence framework with a Rust core. Extract text, metadata, images, and structured information from PDFs, Office documents, images, and 97+ formats. Avail…
• README: pip install xberg
• README: Extract from 97 formats | PDFs, Office, images, HTML, email, archives, scientific publications, and code — intelligent MIME detection, streaming for large files.
• README: Extract clean text, tables, and structured data from documents and code — no format detection, no OCR setup, no stitched-together libraries. One engine, 15 language bindings, runs…
• README: brew install xberg-io/tap/xberg

内容核验时间：