文档处理

### 文档解析 Smart Document Full Parsing MCP 对上传的图片、PDF 或 Office 文档执行完整解析，包括： - 版面检测（Layout）：识别文本块、标题、图片、表格、公式、化学结构式等区域。 - OCR：提取区域中的文字内容。 - 结构化输出：返回页码、区域类型、OCR 内容、归一化坐标、置信度和可用的裁剪图链接。 - Markdown 输出：把整份文档汇总为适合摘要、问答、翻译或知识库入库的 Markdown。 本 MCP 只提供完整解析（Layout + OCR），不提供“仅 Layout、不做 OCR”的独立能力。 ### 专利文本翻译 这个 Server 把 **Hiro Translation API** 的流式翻译接口（`POST /compute/hiro_translation_api/translate`，operationId: `translateStream`）包装成 MCP Tool，在 Cursor / Claude Code 等客户端中翻译专利与技术文本；支持 **18 种语言互译**，以 SSE 滑动窗口顺序翻译，更强调整篇上下文一致性。

### 文档解析 - 从扫描件、图片或 PDF 中提取文字、表格、公式及图片区域。 - 将专利、论文、报告、演示文稿或表格文件转换成 Markdown。 - 同时获得 OCR 内容和页面区域坐标，保留文档结构。 - 提取化学结构式、插图、公式和表格的裁剪图链接。 - 为后续摘要、翻译、问答或知识库构建准备可机器处理的内容。 不适用于： - 只需要版面坐标、明确要求不执行 OCR 的请求。 - 超过 20 MB 或超过 200 页的单个文档。 - `odt`、`odp`、`ods`、`rtf` 等未公开支持的格式。 - 需要直接编辑、覆盖或保存源文档的场景。 - 对处理结果有毫秒级响应要求的实时场景。 ### 专利文本翻译 - 翻译专利摘要、权利要求、说明书等技术文本时 - 需要 `zh`↔`en` 专利翻译，或其它支持语向互译时 - 需要更高整篇上下文一致性、可接受流式分段返回时 - **不适用于**：版面 OCR、整文件解析、实时协同编辑

### 文档解析 - `file`：必填。待解析文件，使用 `multipart/form-data` 上传。 - `output_format`：可选，默认 `markdown`。 - `markdown`：只返回 Markdown；`results` 为空数组。 - `jsonl`：只返回结构化结果；不返回 `markdown` 字段。 - `both`：同时返回结构化结果和 Markdown。 公开支持的格式： `png`、`jpg`、`jpeg`、`pdf`、`doc`、`docx`、`ppt`、`pptx`、`xls`、`xlsx` 文档内容公开支持中文、英文和日文。 ### 专利文本翻译 与 Hiro Translation API 流式请求体对齐（MCP Tool 入参同名）： | 参数 | 必填 | 默认 | 说明 | |------|------|------|------| | `content` | 是 | — | 待翻译原文，不能为空；默认最大 **65,536** 字符 | | `sourceLanguageCode` | 是 | — | 源语言代码，如 `zh` | | `targetLanguageCode` | 是 | — | 目标语言代码，须与源语言不同 | 另需：可访问的 MCP 端点（Streamable HTTP）及环境要求的鉴权信息（如 Bearer Token）。 **支持的语言代码（18）：** `zh` `en` `ja` `ko` `de` `fr` `ru` `es` `pt` `it` `nl` `ar` `hi` `th` `vi` `id` `tr` `pl`

### 文档解析 成功响应使用统一响应包： ```json { "status": "success", "data": { "state": "success", "total_pages": 1, "file_type": "png", "results": [], "markdown": "..." }, "error_code": 0, "error_msg": "success" } ``` 主要字段： - `total_pages`：解析页数；响应头 `X-Openapi-Amount` 也返回本次解析页数。 - `file_type`：根据上传文件扩展名识别的文件类型。 - `results`：结构化区域列表。`page` 从 0 开始。 - `type`：Layout 模型返回的区域类型。 - `content`：OCR 识别内容；无文本时可为 `null`。 - `bbox`：`[x1, y1, x2, y2, confidence]`，每个值范围为 0 到 1。 - `url`：化学结构式、图片、公式或表格等区域的裁剪图签名链接；未生成时为 `null`。 - `markdown`：`output_format` 为 `markdown` 或 `both` 时返回。 常见错误码： - `INVALID_FILE_FORMAT` - `FILE_TOO_LARGE` - `OCR_FAILED` - `LAYOUT_DETECTION_FAILED` - `PDF_PARSE_FAILED` - `DOCUMENT_CONVERSION_FAILED` - `GATEWAY_TIMEOUT` - `INTERNAL_ERROR` ### 专利文本翻译 SSE 事件 `data: {json}`，单条载荷示例： ```json { "state": "success", "textOriginal": "一种低损耗换热器", "textTranslated": "A low-loss heat exchanger", "translatedCharacterCount": 25 } ``` 失败时返回 HTTP 错误或 `{"error": "..."}`（空文本、非法语言、超长、上游不可用等）。

### 文档解析 1. “解析这个 PDF，并用 Markdown 返回完整内容。” 2. “读取这张扫描图片，提取文字、表格、公式和图片。” 3. “同时返回这份专利文档的结构化区域和 Markdown。” 4. “把这份 Word 文档转换成 Markdown，保留标题和表格结构。” 5. “找出文档中的化学结构式，并返回识别文字、坐标和裁剪图链接。” ### 专利文本翻译 1. 「把这段权利要求从中文翻成英文」 2. 「Translate this abstract from English to Chinese」 3. 「用流式翻译这段长说明书，尽量保持上下文一致」

### 文档解析 - 单个文件不得超过 20 MB，单个文档不得超过 200 页。 - 单次处理超过 300 秒会返回 `GATEWAY_TIMEOUT`。 - 图片及区域裁剪链接为临时签名链接，有效期为 7 天；需要长期保存时应及时下载并转存。 - `page` 从 0 开始；调用方展示页码时通常需要加 1。 - `output_format=markdown` 时 `results` 为空数组是预期行为，不代表解析失败。 - 加密或损坏的 PDF、转换失败的 Office 文档会返回对应错误码。 - 10 并发建议 p95 验收标准： | 页数范围 | p95 建议上限 | 错误率建议上限 | |---|---:|---:| | `<5` | 18 秒 | `<0.5%` | | `5-10` | 25 秒 | `<0.5%` | | `10-15` | 35 秒 | `<0.5%` | | `15-20` | 45 秒 | `<0.5%` | | `20-50` | 70 秒 | `<1%` | | `50-100` | 120 秒 | `<3%` | | `>100` | 不作为常规 SLA | 专项压测并单独限流 | ### 专利文本翻译 - Tool 名称：`translation_text`（对应后端 operationId: `translateStream`）；参数与响应字段与 **hiro-translation-api** 流式接口一致（camelCase：`sourceLanguageCode` / `textTranslated` 等） - `zh`↔`en` 走专利模型；其它语向走 Google（失败可 LLM 兜底）——由上游路由，对调用方透明 - Stage 示例：`POST .../compute/hiro_translation_api/translate`；健康检查：`GET .../health`