Library Doc Extractor

MCP文档知识

提供方 Can-Sami

文档知识 stdio · 本地进程 无需鉴权 社区 / 第三方 VS Code
查看接入方式

Meta-Librarian (Ollama Edition) 是一个本地优先的命令行工具,用于发现PyPI/npm文档URL,抓取少量文档页面,将其转换为Markdown,并使用本地Ollama模型提取结构化API上下文。

一句话选型结论

按资料字段整理

Library Doc Extractor 属于文档知识类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 VS Code,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类文档知识 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 3 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

文档知识
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量3暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

文档处理Python本地部署API提取本地运行命令行工具Markdown转换

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -e .

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 3 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
文档检索问答

在你的文档库里按问题找答案。

知识库读写

把新资料写进知识库,随用随取。

内容整理

把零散资料归纳成结构化笔记。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 3 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 VS Code,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在文档知识场景里让模型直接调用外部能力的人。
  • 已经在用 VS Code 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Library Doc Extractor当前 3 stdio · 本地进程 本地部署 有 2026-05-17
dify 未标注 stdio · 本地进程 本地部署 有 2026-04-11
open-webui 未标注 stdio · 本地进程 本地部署 有 2026-04-11
JeecgBoot 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Cherry Studio 未标注 未标注 未标注 无 2026-05-17
mempalace 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

文档知识
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Can-Sami上游标注的维护方 Can-Sami
分类文档知识本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

2.3 KB
来自项目仓库与上游目录的原文,未做删改

元图书馆员(Ollama版)

一个本地优先的CLI,可以发现PyPI/npm文档URL,抓取一小部分文档页面,将其转换为Markdown,并使用本地Ollama模型(例如。 qwen3:8b)以提取结构化的API上下文。

前提条件

  • Python 3.10+
  • Ollama正在运行(OpenAI兼容端点): http://localhost:11434/v1
  • 已安装Playwright浏览器: python -m playwright install

安装(可编辑)```bash

pip install -e .


开发(测试):```bash
pip install -e ".[dev]"

用法

快速入门(Windows/PPowerShell)

  1. 启动Ollama(单独)
  • 确保Olama在本地运行 http://localhost:11434.
  1. 激活venv
  • ./.venv/Scripts/Activate.ps1
  1. 查看您已经拥有哪些型号
  • python -m meta_librarian.cli models
  1. 运行分析(选择已安装的模型)
  • python -m meta_librarian.cli analyze pip requests --model qwen3:8b --max-pages 3 --max-depth 1

输出被写入 out/ 文件夹为JSON和 .llms.txt.

如果你想尝试自动拉取缺失的模型:

  • python -m meta_librarian.cli analyze pip requests --model qwen2.5:8b --pull

如果拉取失败,请使用以下所示的已安装型号标签之一重新运行 models.

VS代码(MCP)

此仓库包含一个MCP服务器,因此您可以从VS Code调用Meta Librarian工具。

  1. 安装deps(一次)
  • pip install -e .
  1. 确保Ollama在本地运行。

  2. 从VS代码启动MCP服务器

  • 此仓库在以下位置提供了一个工作区配置 .vscode/mcp.json.
  • 在VS Code中,打开命令面板并运行 MCP: List Servers,然后开始 meta-librarian.

暴露的MCP工具:

  • ollama_models(ollama_base_url=...)
  • analyze_pip(name, model='qwen3:8b', max_pages, max_depth, out_dir, pull, ...)
  • analyze_npm(name, model='qwen3:8b', max_pages, max_depth, out_dir, pull, ...)

分析PyPI包:```bash
meta-librarian analyze pip pandas --max-pages 6 --out ./out


分析一个npm包:```bash
meta-librarian analyze npm axios --max-pages 6 --out ./out

如果 meta-librarian 脚本不在PATH中(在Windows上很常见),请运行:```bash
python -m meta_librarian.cli analyze pip pandas --max-pages 6 --out ./out


模拟运行(无LLM调用;仅限fetch+markdown):```bash
meta-librarian analyze pip requests --dry-run

输出

写道:

  • ./out/--.llms.txt
  • ./out/--.json

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Library Doc Extractor 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

Library Doc Extractor 怎么在 VS Code 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Library Doc Extractor 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Library Doc Extractor 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Library Doc Extractor 支持哪些客户端?

资料标注支持 VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Library Doc Extractor 能提供哪些能力?

资料显示约 3 个工具;能力标签包括 文档处理、本地运行、Python、VS Code、命令行工具。具体工具清单以官方文档为准。

Library Doc Extractor 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Library Doc Extractor 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。