PPT Generator MCP

把已经分页的中文标书、技术方案或汇报正文，稳定转换成经过逐页 QA 的 A4 横向 HTML 展示页。

它会理解每页内容、选择兼容模板、提出图片需求、接收 Agent 生成的图片，并在真实 Chromium 中检查溢出、字号、碰撞、对比度、图片和事实覆盖。最终交付是可独立打开的自包含 final.html，不要求生成 .pptx。

• 第一次使用或不熟悉技术：完整非技术用户指南

• 需要了解算法、数据结构、安全和扩展方式：架构与实现原理

• 需要维护现有模板：green-infographic 模板说明

5 分钟上手

路径 A：已有支持 MCP 的 Agent

如果 Agent 已经连接 ppt-generator，准备好编号正文，复制下面的提示词即可。更省心的方式是直接让 Agent 调用 generate-bid-deck 技能（在支持技能的项目内运行 /generate-bid-deck，或要求 Agent 遵循技能说明）；完全没有图片 API 时，可用一键脚本自动生成带主题占位图的完整交付件：

请使用 ppt-generator MCP，把下面的编号正文生成正式标书风格的 HTML 展示页。

1. 校验 <page N> 和 pageNumbers，不要自动分页。
2. 调用 plan_deck，documentType=bid，templateDiversity=balanced。
3. 保留原文事实、数字、日期、范围、否定和责任关系。
4. 如果返回 assets，只按原资产 ID 和 prompt 生成图片；没有图片 API 时使用当前 Agent 的图片生成能力。
5. 调用 generate_deck；needs_assets 时补齐素材并复用同一个 requestId。
6. 逐页检查 QA 和整套 consistency。只有 deck 和每页均为 delivered 才交付。
7. 使用 get_deck 取回每页 final.html、quality.json 和整套 consistency.json。

正文：
[在这里粘贴完整编号正文]

详细的 Agent 提示词、验收表和常见问题见非技术用户指南。

路径 B：从零安装和启动

要求 Node.js 22 或更高版本。首次安装：

git clone https://github.com/SUSTechWLA/ppt-generator-mcp.git
cd ppt-generator-mcp
npm install
npx playwright install chromium
npm run check

把下面配置加入支持 stdio MCP 的 Agent 或客户端，并将 cwd 改为项目的真实绝对路径：

{
  "mcpServers": {
    "ppt-generator": {
      "command": "node",
      "args": ["dist/src/server.js"],
      "cwd": "/您的绝对路径/ppt-generator-mcp"
    }
  }
}

保存后重启客户端。Agent 能看到 plan_deck、generate_deck 和 get_deck，即表示连接成功。项目也提供了可直接调整的 .mcp.json。完整安装排查见从零安装说明。

Related MCP server: Quick Design

正文必须长什么样

上游必须先完成分页。每个 <page N> 独占一行，页码严格递增；每页至少有一个标签化标题，随后是 正文： 和实际内容。

<page 59>
一级标题：第一分节：优势与有利条件分析
二级标题：2.1 项目需求深度理解
三级标题：2.1.1 项目背景与采购需求解读
正文：
项目服务覆盖三个业务区域，要求在合同生效后30日内完成首轮建档。
项目团队须建立7×24小时响应机制，并按月提交质量分析报告。

<page 60>
一级标题：第一分节：优势与有利条件分析
二级标题：2.2 服务方案
三级标题：2.2.1 实施路径
正文：
实施过程分为启动准备、全面执行、持续优化三个阶段。

调用 plan_deck 时，pageNumbers 必须是 [59, 60]。59、60 只是上游编号示例，不参与模板特判；高层 workflow 不猜页码，也不自动重新分页。

正文中的 ；；、；。 等重复或冲突标点会统一规范化，但数字、比例、日期、范围、否定和责任关系仍作为来源证据保留。格式规则和错误示例见准备正文。

推荐 workflow

flowchart LR
    A["编号正文"] --> B["plan_deck：规划页面和模板"]
    B --> C{"需要图片？"}
    C -- "是" --> D["外部 Agent 按资产 ID 生成"]
    C -- "否" --> E["generate_deck"]
    D --> E
    E --> F["逐页 QA 与定向修复"]
    F --> G["整套一致性检查"]
    G --> H["get_deck：取回 HTML 和报告"]

1. plan_deck 固化正文事实、页面内容、模板选择和图片提示词，返回 deckPlanId。

2. 若返回 assets，调用方只按原 ID 和 prompt 生成图片，并转换为 PNG、JPEG 或 WebP data URL（不接受 SVG：其内部脚本对校验层不透明）。

3. generate_deck 按不可变计划注入素材、生成页面，并独立执行 Chromium QA。

4. 返回 needs_assets 时补齐 missingAssetIds，复用同一个生成 requestId 继续。

5. 只有整套 status=delivered 且每页均为 delivered 才能正式交付。

6. get_deck 按返回的 UUID 读取每页 final.html、quality.json 和整套 consistency.json。含内嵌图片的 final.html 通常超过公共文本上限，get_deck 会返回 html_unavailable 并给出相对运行根目录的路径（如 <runId>/final.html），本地 Agent 直接按该路径读取即可。

规划示例：

{
  "sourceText": "<page 59>\n一级标题：第一分节\n二级标题：2.1 服务理解\n三级标题：2.1.1 采购需求解读\n正文：\n这里是已经分页的事实正文。",
  "pageNumbers": [59],
  "documentType": "bid",
  "templateDiversity": "balanced",
  "audience": "招标评审专家与项目业主",
  "quality": { "minScore": 90, "maxAttempts": 3 },
  "requestId": "proposal-plan-20260731"
}

生成示例：

{
  "deckPlanId": "plan_deck 返回的 UUID",
  "externalAssets": [
    { "id": "p59-img-001", "dataUrl": "data:image/png;base64,真实图片内容" }
  ],
  "requestId": "proposal-run-20260731"
}

没有图片需求时，externalAssets 传空数组。MCP 不会在规划阶段偷偷调用图片服务；没有图片 API 时，可由 Agent 使用自身图片能力生成后注入。完整操作过程见一次完整生产流程。

运行结果在哪里

整套状态：

每个页面都有独立 runId。通过 get_deck 读取该页的 final.html、quality.json 和 manifest.json；通过整套 deckRunId 读取 manifest 和 consistency.json。

本机默认目录是 output/runs：

output/runs/
├── <page-runId>/
│   ├── final.html
│   ├── final.png
│   ├── quality.json
│   ├── manifest.json
│   └── assets/
├── decks/
│   ├── plans/<deckPlanId>/plan.json
│   └── runs/<deckRunId>/
│       ├── manifest.json
│       └── consistency.json
└── template-knowledge/

高层 MCP 接口只按 UUID 和白名单产物名读取，不接受任意路径。状态解释和验收方式见如何判断是否可以交付。

它怎样选择模板

先做硬门禁，再考虑多样性：

1. 每个模板独立证明能够容纳本页事实、语义角色、文字容量、图片数量、最低字号和文档类型；

2. 失败候选直接淘汰；

3. 只有接近本页最佳质量的成功候选，才参与整套组合选择；

4. 整套选择奖励不同版式、惩罚连续重复，同时保持确定性和可复现。

templateDiversity 提供四种模式：

如果某页只有一个完整成功候选，重复模板就是正确结果。这个选择器不是强化学习：没有训练、探索或在线奖励更新；相同正文、模板目录和参数会得到相同结果。更详细的选择顺序和质量带见架构文档。

核心能力

• 严格分页协议，不猜页码，不自动切页；

• 中文重复和冲突标点规范化；

• 事实、数字、日期、范围、否定与责任关系覆盖；

• 卡片与信息图组件使用来源正文派生的真实主题词，而不是通用角色标签；

• 高密度双栏文字版式与图文版式由模板多样性自动交替，整套页面版式不单调；

• 通用模板能力匹配，不针对页码、正文或模板名写特例；

• 整套页面的确定性模板多样性选择；

• 稳定图片 ID 和外部素材注入；

• 每页独立 Chromium QA，最多三轮定向修复；

• 中文页面硬门禁：系统无可用中文字体时拒绝交付（避免缺字方框通过 QA）；

• 整套一致性检查、幂等恢复和脱敏产物读取；

• 从参考 HTML、截图或通用蓝图沉淀模板知识；

• 文本、图片和复核 Provider 均为可选。

基本原理的非技术解释见为什么结果更稳定，完整实现见架构与实现原理。

主要 MCP 工具

普通多页生产只需要下面六个高层工具：

plan_slide、generate_slide、get_run、generate_image 和原子模板工具用于兼容、诊断或受控开发。部分高级工具可接收物理路径、远程地址、输出目录或调用方 provider 配置，属于 trusted-local surface，不应直接开放给不可信 Agent。完整边界见安全设计。

模板知识 workflow

模板学习提取的是网格、层级、色板、间距、组件和视觉比例，不复制参考页正文、Logo、水印、品牌或整页截图。

1. 对内联 HTML 先调用 inspect_template。

2. 调用 create_template_from_reference，每次只传 HTML、受限图片 data URL 或合规 blueprint 中的一种。

3. 截图在没有视觉分析器时会返回 needs_analysis；Agent 按提示生成通用 blueprint 后再次提交。

4. 只有通过模板目录校验和真实 Chromium QA 的结果才成为 approved 知识。

5. 使用 list_template_knowledge 查看记录；经人工晋升并重启 Server 后，才参与生产模板选择。

完整步骤见从优秀页面沉淀模板知识。

配置

复制 .env.example 并按需设置。高层 deck workflow 在没有任何 Provider 时也能完成确定性规划、HTML 生成和 Chromium QA。

• PPT_LLM_BASE_URL / API_KEY / MODEL：可选 OpenAI-compatible 文本模型，主要服务低层规划路径；

• PPT_IMAGE_BASE_URL / API_KEY / MODEL：可选低层图片工具；

• PPT_REVIEW_BASE_URL / API_KEY / MODEL：可选多模态复核；

• PPT_OUTPUT_ROOT：运行目录，默认 output/runs；

• PPT_MAX_CONCURRENCY、PPT_REQUEST_TIMEOUT_MS、PPT_MAX_IMAGE_BYTES：资源限制。

推荐高层工具不接受调用方 API Key，Provider 密钥只从 Server 环境读取。若选中的模板需要图片而 Agent 又无法生成，流程会停在 needs_assets，不会伪造图片或静默换模板。

项目结构

.
├── src/                          # MCP 工具、workflow、模板编译、渲染和 QA
├── templates/
│   └── green-infographic/        # A4 横向模板、能力档案、样式与图标
├── docs/
│   ├── user-guide.md             # 非技术用户完整操作指南
│   ├── architecture.md           # 生产架构、数据流和扩展边界
│   └── superpowers/              # 设计、实施计划与验证记录
├── .mcp.json                     # MCP stdio 配置
├── .env.example                  # 可选 Provider 与运行限制
├── package.json
└── tsconfig.json

dist/、output/ 和 node_modules/ 都是可再生成目录，不属于源码交付。

开发与验证

npm test
npm run check

开发时可运行 npm run dev。新增或晋升模板必须提供唯一 slug、自包含 A4 横向 HTML 和严格能力 profile，并通过目录校验、自动测试、生产构建和真实 Chromium QA。

License

MIT