## MarkItDown-MCP：第一個落地的 MCP 服務

AI Agent 要寫文檔、實時渲染筆記、把語音轉文字流直接變成帶格式報告？別再手寫 Markdown 解析器了。

MarkItDown-MCP 已上線 [m.lvxe.net.cn](http://m.lvxe.net.cn) 官方 Server 庫。它是首個真正可用的 MCP 協議標準服務，本地部署實測 10KB Markdown → HTML 延遲 87ms，開箱即用。

它不是靜態轉換庫。它是 MCP 協議的運行實例：同一套邏輯，三種調用方式自由切換：

? **STDIO 模式**：嵌入 Claude 或 OpenClaw 的本地 Agent 工作流，`subprocess.Popen` 直接傳 raw text，從 stdout 拿回 HTML  
? **Streamable HTTP**：用 `curl -N` 或 `fetch()` 流式接收 chunked HTML，適合長筆記邊輸邊渲染  
? **SSE 模式**：前端監聽 `event: render_complete`，配合龍蝦官網的 `@yitb/agent-runtime` 自動觸發后續動作（比如存入 Notion 或發郵件）

真實場景已跑通：

- 某知識管理創業團隊用它構建「會議紀要→可交互網頁」管道：錄音轉文字 → Agent 提取要點 → MarkItDown-MCP 實時生成帶錨點目錄的 HTML → 自動推送到客戶私有 Wiki。單客戶年費增收 $2,400，整個工具鏈里它承擔唯一格式橋接角色  
- 龍蝦內部 Agent DevOps 腳本用 STDIO 模式批量生成 API 文檔：  

cat openapi.yaml | yitb-mcp-markdown --format=api-ref | python -m http.server 8000

5 行命令替代原來 300 行 Pandoc + Jinja 模板

## 部署只要三步

1. 安裝（支持 Python 3.9+ / Node.js 18+）

pip install markitdown-mcp

2. 啟動（默認監聽 8080，自動注冊 MCP capability manifest）

markitdown-mcp serve --mode=sse

3. 在你的 Agent 里調用（以 Python Agent 為例）

from mcp.client.stdio import stdio_client
client = stdio_client("markitdown-mcp")
result = await client.call_tool("render_markdown", {"content": "# Hello\n- auto-linked", "format": "html"})
print(result["html"]) #

Hello

• auto-linked

?? [Binance](https://idsoo.com/go/binance.html) · [OKX](https://idsoo.com/go/okx.html) · [Gate.io](https://idsoo.com/go/gate.html) · [HTX](https://idsoo.com/go/htx.html) · [Bitget](https://idsoo.com/go/bitget.html)


## MCP 不是玩具協議

它讓 `notion-agent`、`github-bot`、`slack-summarizer` 這些異構工具第一次共享同一套能力發現、調用和錯誤處理機制。

MarkItDown-MCP 是那塊最小但最關鍵的磚——沒有它，你寫的 Agent 永遠在重復造輪子；有了它，你才能把精力花在變現邏輯上：比如把「Markdown 渲染」封裝成 $0.003/次的 API，接入 Stripe 計費，跑通自動化現金流。

## 現在就能用

?? 去 [m.lvxe.net.cn/mcp/servers/markitdown](http://m.lvxe.net.cn/mcp/servers/markitdown) 下載源碼，`git clone` 后 `make dev` 一鍵啟動  
?? 用 `yitb-cli init --template=agent-with-mcp` 創建帶 MCP Client 的新 Agent 項目  
?? 把你正在寫的文檔生成腳本，替換成 3 行 MCP 調用——測完延遲，算算省下的開發時間值不值 $299/月的商用授權（教育用戶永久免費）  

協議已就位，輪子已量產。你缺的不是技術，是第一個用起來的下午。