Document MCP

ChatGPT-ähnlicher Chatbot plus ein Document MCP-Server. Sie registrieren Ordnerpfade und ein lokales LiteLLM-Modell in den Einstellungen. Fragen gehen an LiteLLM mit MCP-Tools; der Server liest nur diese Ordner, unter Verwendung von pywin32 COM für Word / Excel / PowerPoint (gleicher Office-Pfad wie Model Council).

Chat UI  →  LiteLLM /v1/chat/completions (+ tools)
              ↑ tool_calls (search_documents, read_document, …)
MCP host     →  Document MCP (stdio JSON-RPC)
                    →  allowlisted folders
                    →  win32com Word / Excel / PowerPoint

Claude Desktop, Claude Code und Cursor verbinden sich mit dem gleichen MCP-Server und der gleichen Ordnerliste.

Schnellstart

1. Führen Sie Ihren LiteLLM-Proxy aus.

2. Doppelklicken Sie auf start.bat.

3. Öffnen Sie http://127.0.0.1:7860.

4. Einstellungen → LiteLLM: Fügen Sie die Basis-URL (z. B. http://localhost:4000), den API-Schlüssel ein, Modelle laden oder Modell hinzufügen, dann Speichern.

5. Einstellungen → Ordner: Fügen Sie Windows-Ordnerpfade ein. sample_docs ist beim ersten Start registriert.

6. Fragen Sie alles, was diese Dateien beantworten können.

Manuell

python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
copy .env.example .env
python -m app

Related MCP server: file-analysis-mcp

Einstellungen

URLs können als http://host:4000, http://host:4000/v1 oder .../v1/chat/completions eingefügt werden – sie werden wie bei Model Council normalisiert.

Wie LiteLLM + MCP hier funktionieren

Aus Model Councils In-App-MCP-Schleife übernommen:

1. Host ruft MCP tools/list auf und konvertiert Schemata in OpenAI-Tools.

2. Host sendet POST chat/completions an LiteLLM mit diesen Tools (tool_choice: auto).

3. Wenn das Modell tool_calls zurückgibt, führt der Host MCP tools/call (stdio) aus.

4. Tool-JSON wird als role: tool angehängt und die Schleife wiederholt sich, bis eine normale Antwort erfolgt.

Das Modell sieht niemals Dateien, es sei denn, es ruft ein Tool auf. Roots sind in der Positivliste. Office-Dateien bevorzugen COM, sodass Windows-entsperrte / IRM-Dateien weiterhin gelesen werden können.

MCP-Tools

Prompt: ask_documents.

Claude Desktop / Claude Code / Cursor

Im Chatbot: Einstellungen → Claude MCP → Zu Claude Desktop hinzufügen (schreibt %APPDATA%\Claude\claude_desktop_config.json). Claude neu starten, dann bitten Sie es, Document MCP zu pingen.

Oder kopieren Sie diese Vorlage (Pfade werden in den Einstellungen ausgefüllt):

{
  "mcpServers": {
    "document-mcp": {
      "command": "D:\\\\AntigravityCodes\\\\Document-MCP\\\\.venv\\\\Scripts\\\\python.exe",
      "args": ["-m", "document_mcp"],
      "cwd": "D:\\\\AntigravityCodes\\\\Document-MCP",
      "env": {
        "PYTHONUTF8": "1",
        "DOCUMENT_MCP_ROOTS": "D:\\\\AntigravityCodes\\\\Document-MCP\\\\data\\\\folders.json"
      }
    }
  }
}

Claude Code:

claude mcp add-json document-mcp "{...stdio server json from Settings...}"

Cursor: Repo mcp.json, oder Einstellungen → Claude MCP Cursor-Snippet kopieren.

HTTP (LiteLLM MCP-Gateway):

start_mcp_http.bat

Dann fügen Sie http://127.0.0.1:8765/mcp hinzu.

pywin32 / Office

• Word.Application → .doc / .docx

• Excel.Application → .xls / .xlsx / .xlsm

• PowerPoint.Application → .ppt / .pptx

Fallback: python-docx / openpyxl / python-pptx. PDFs: PyMuPDF. Legacy binäres Office benötigt weiterhin Microsoft Office.

python -m document_mcp.reader sample_docs\mena_rhq_overview.md

Layout

app/                 FastAPI chat host (MCP client + UI)
document_mcp/        FastMCP server, COM readers, Claude install helper
sample_docs/         Starter files
data/                folders.json, settings, extract cache (local)