Skip to main content
Glama

shuck-file

PyPI MCP Registry License: MIT

Cualquier archivo entra, Markdown sale: lee solo lo que importa.

shuck-file convierte documentos a Markdown limpio para agentes de IA y LLMs. Los archivos pequeños se emiten directamente; los archivos grandes devuelven un mapa del documento con resúmenes de secciones, recuentos de tokens y próximos pasos accionables, para que los agentes solo extraigan lo que necesitan.

¿Por qué shuck-file?

Los agentes de IA necesitan un puente que sea consciente del contexto:

  • Archivo pequeño → shuck report.docx → Markdown completo en stdout

  • Archivo grande → shuck report.docx → mapa del documento con secciones y opciones de extracción

  • Extracción específica → shuck report.docx --sections s1,s3 → solo lo que necesitas

  • Búsqueda → shuck report.docx --grep "revenue" → encuentra sin leerlo todo

Related MCP server: document-parser

Formatos admitidos

Formato

Extensión

Biblioteca

Lo que se conserva

Word

.docx

python-docx

Encabezados, negrita/cursiva, listas, tablas

PDF

.pdf

pdfplumber

Contenido de texto, saltos de página

Excel

.xlsx

openpyxl

Todas las hojas como tablas Markdown

PowerPoint

.pptx

python-pptx

Títulos, texto, tablas, notas del orador

CSV

.csv

stdlib

Todas las filas/columnas como tabla

Instalación

Mediante pip (recomendado)

pip install shuck-file

Esto instala el comando CLI shuck y el servidor MCP.

Desde el código fuente

git clone https://github.com/Shan-Zhu/shuck-file.git
cd shuck-file
pip install -e .

Inicio rápido

# Convert a document
shuck report.docx

# Force full output (bypass map mode)
shuck large-report.pdf --all

# Search within a document
shuck report.pdf --grep "revenue"

Uso

Enrutamiento automático (predeterminado)

Los archivos pequeños se emiten directamente; los archivos grandes devuelven un mapa del documento.

# Small file → direct Markdown output
shuck document.pdf

# Large file → document map with sections table + next steps
shuck large-report.pdf

Opciones de extracción

# Force full output (bypass map mode)
shuck report.pdf --all

# Extract specific sections
shuck report.pdf --sections s1,s3

# Tables only
shuck report.pdf --tables-only

# Search within document
shuck report.pdf --grep "revenue"

# Token budget (smart compression)
shuck report.pdf --budget 4000

# Combinations work
shuck report.pdf --sections s2,s3 --budget 2000

Específico para Excel/CSV

# Column headers and types
shuck data.xlsx --schema-only

# Headers + first N rows
shuck data.xlsx --sample 5

Subcomandos para usuarios avanzados

# Force map mode (even on small files)
shuck probe document.docx

# Force full extraction (alias for --all)
shuck pull document.docx

Control de salida

# Write to file
shuck document.pdf -o output.md

# Write to directory (auto-named)
shuck document.pdf -d ./converted/

# Skip YAML frontmatter
shuck document.pdf --no-frontmatter

# List supported formats
shuck --formats

Salida del modo mapa

Cuando un archivo es grande, shuck devuelve un mapa del documento:

# Document Map: quarterly-report.pdf

**6 pages | ~12,400 tokens | 6 sections**

## Sections

| # | Title | Type | Tokens | Density |
|---|-------|------|--------|---------|
| s1 | Executive Summary | narrative | 450 | high |
| s2 | Q3 Financial Results | mixed | 2,800 | high |
| s3 | Revenue Breakdown | tabular | 3,200 | high |
| ...

## Next Steps

- `shuck quarterly-report.pdf --all` -- full document (~12,400 tokens)
- `shuck quarterly-report.pdf --sections s1,s2` -- high-density (~3,250 tokens)
- `shuck quarterly-report.pdf --grep "..."` -- search for keywords

Servidor MCP

shuck-file incluye un servidor MCP (Model Context Protocol), lo que lo hace disponible para cualquier herramienta de IA compatible con MCP.

Claude Code

claude mcp add shuck-file -- shuck-file

O añádelo al .mcp.json de tu proyecto:

{
  "mcpServers": {
    "shuck-file": {
      "command": "shuck-file",
      "args": []
    }
  }
}

Cursor

Añádelo a ~/.cursor/mcp.json:

{
  "mcpServers": {
    "shuck-file": {
      "command": "shuck-file",
      "args": []
    }
  }
}

Windsurf

Añádelo a tu configuración de MCP:

{
  "mcpServers": {
    "shuck-file": {
      "command": "shuck-file",
      "args": []
    }
  }
}

Cualquier cliente MCP

shuck-file se registra como servidor MCP mediante el punto de entrada mcp.servers. Herramientas expuestas:

  • shuck — Convierte un documento a Markdown con todas las opciones (mode, sections, grep, budget, etc.)

  • list_formats — Lista los formatos de documento admitidos.

Plugin de Claude Code

Instálalo como plugin de Claude Code para la habilidad /shuck:

claude plugin add /path/to/shuck-file

Arquitectura

src/shuck_file/
├── cli.py                # CLI entrypoint
├── server.py             # MCP Server (FastMCP)
├── core/
│   ├── router.py          # Auto-routing logic
│   ├── segmenter.py       # Document segmentation
│   ├── mapper.py          # Map mode renderer
│   ├── budget.py          # Smart compression
│   ├── grep.py            # In-document search
│   ├── frontmatter.py     # YAML frontmatter
│   └── models.py          # Data models
├── extractors/
│   ├── base.py            # Base extractor ABC
│   ├── docx_ext.py        # Word extractor
│   ├── pdf_ext.py         # PDF extractor
│   ├── xlsx_ext.py        # Excel extractor
│   ├── pptx_ext.py        # PowerPoint extractor
│   └── csv_ext.py         # CSV extractor
plugin/                    # Claude Code plugin wrapper
tests/
├── test_extractors.py
├── test_router.py
├── test_segmenter.py
├── test_budget.py
└── test_grep.py

Licencia

MIT

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    D
    maintenance
    Enables AI agents to search, deep-read, and build knowledge bases from Markdown, PDF, DOCX, and PPTX documents via MCP tools for retrieval, document navigation, and ingestion.
    12 npm
    638
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    Provides AI agents with comprehensive document parsing capabilities including PDF text extraction, OCR, HTML-to-markdown conversion, table extraction, and summarization, optimized for agent workflows.
    63 npm
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    Converts documents (PDF, DOCX, XLSX, EPUB, etc.) to clean, structured Markdown, and retrieves document info, for use with AI agents.
    MIT