文档分析 MCP 服务器

要解决什么问题

在 MCP 客户端里直接「读文件、看结构、做统计」时，常见痛点是：编码不一致导致乱码、CSV/JSON 只能肉眼扫、长文缺少可复用的摘要与大纲，数值列也缺少描述统计与异常检测。mcp-doc-analyzer 把这类能力拆成 21 个工具，通过 MCP 以 Markdown 字符串返回结果，便于在对话里串联成流水线。

技能如何工作

能力按模块划分，可组合使用：

• 文档读取（reader.py）：纯文本（.txt/.md/.log，UTF-8/GBK/GB2312/Latin-1）、CSV 列信息与预览、JSON 结构递归分析；另支持文件头尾快读、带 glob 的目录列表。
• 文本分析（analyzer.py）：jieba 词频与 TF-IDF 关键词（jieba.analyse + sklearn）、句子长度与可读性（含中文改编与英文 Flesch-Kincaid）、情感词典与语言检测。
• 摘要生成（summarizer.py）：TextRank 抽取式摘要、阅读时间估算、改进 Jaccard 的相似句检测、Markdown 标题 + 要点的大纲。
• 数据统计（statistics.py）：15 项描述统计、分箱频率、Pearson/Spearman/Kendall 相关与显著性、线性回归与移动平均、IQR/Z-score 异常值。

典型路径示例：读取 CSV → 描述统计与频率分布 → 异常检测；或读日志尾部 → 词频 → 结合统计工具做探索。

适用边界与注意点

• 输出统一为 Markdown 文本，适合展示与二次引用，不是二进制或图表文件导出（频率分布会带柱状图描述，仍以文本为主）。
• 中文分词与关键词依赖 jieba；英文可读性走标准公式，混合文本的语言检测基于 Unicode 范围，边界样本可能判为「混合」。
• 情感与可读性属于规则/词典与经典指标，适合粗粒度判断，不宜当作唯一决策依据。