Cordoc — мощный парсер закрытых офисных форматов (HWP, PDF, DOCX и др.) в Markdown через MCP, сохраняющий структуру и стиль документов для удобного анализа и автоматизации. Инструмент легко интегрируется, минимизирует ручные настройки и обеспечивает корпоративную безопасность.
kordoc: парсим HWP, PDF, DOCX в Markdown через MCP
наведи и нажми на цифру — раскроется глава
полный разбор ролика · 5 глав ↓
Введение и проблема
Современные языковые модели плохо работают с проприетарными офисными форматами, так как они созданы для визуального отображения, а не для построчного чтения. Прямое копирование текста разрушает структуру, что усложняет анализ.
Решение — перевод таких форматов в Markdown с сохранением логики и структуры таблиц, что позволяет нейросетям эффективно работать с документами.
Знакомство с Cordoc
Cordoc — полноценный CLI-инструмент и MCP-сервер, конвертирующий HWP, PDF, XLSX, DOCX и другие форматы в структурированный Markdown с сохранением стиля, заголовков и сносок.
Создан бывшим госслужащим с 7-летним опытом работы с бюрократическими документами, что гарантирует практическую эффективность и надёжность инструмента.
Интеграция через MCP
Настройка занимает около 30 секунд, требует Node.js 18+, и полностью автоматизирована — Cordoc сам определяет окружение и конфигурирует MCP без ручных правок.
Особенно важно, что инструмент обходится без сложных мануальных действий и проблем с политиками безопасности, что снижает риски ошибок при запуске.
Инструменты и функции Cordoc
Cordoc умеет корректно парсить сложные таблицы, включая объединённые ячейки, выдавая их в HTML без потерь структуры.
Есть инструмент сравнения версий документов и поддержка множества форматов, включая государственные стандарты и сложные PDF с невидимыми границами.
Практика и ограничения
Автозаполнение пустых форм с сохранением оригинального оформления сокращает ручной труд и ошибки в документах.
Ограничения: DRM-защищённые файлы обрабатываются только на Windows с Handcom Office, вложенные таблицы упрощаются, извлечение изображений не идеальное.
Встроенная защита от XML-атак и контроль памяти обеспечивают безопасность при работе с внешними файлами.