| name | markitdown |
| description | Konwersja dowolnego dokumentu (PDF, Word, Excel, PowerPoint, HTML, EPUB, audio, obrazy, YouTube) na Markdown dla LLM. Użyj gdy użytkownik mówi "konwertuj PDF", "przerób Word na markdown", "zamień PPT na MD", "markdown z Excela", "wyciągnij tekst z PDF", albo daje plik Office/PDF do analizy. Microsoft MarkItDown (pip) + MCP server. |
| license | MIT |
| allowed-tools | ["Bash","Read","Write"] |
| data-residency | local |
| requires-human-approval | false |
| pii-egress | none |
MarkItDown - konwerter dokumentów do Markdown (PL)
Lightweight utility Microsoftu - zachowuje strukturę (nagłówki, listy, tabele, linki), nie wygląd. Pod LLM, nie pod human.
Instalacja (zrobione 2026-04-21)
python -m pip install --user markitdown markitdown-mcp
Wymaga Python 3.10+ (testowane na 3.14). CLI: python -m markitdown.
Wspierane formaty
- PDF (preferuj dla krótkich, standardowych PDF; dla złożonych/tabel - OpenDataLoader PDF)
- Office: Word (.docx), Excel (.xlsx), PowerPoint (.pptx)
- HTML, EPUB, CSV, JSON, XML
- Obrazy (EXIF + OCR jeśli zainstalowane
[all])
- Audio (EXIF + transkrypcja jeśli włączone)
- ZIP (iteruje zawartość)
- YouTube URL (napisy)
Użycie
CLI (single file)
python -m markitdown input.pdf > output.md
python -m markitdown input.pptx -o output.md
Batch (Obsidian Vault)
for f in "/c/Users/hp/Documents/Obsidian Vault/Konwerter"/*.pdf; do
python -m markitdown "$f" > "${f%.pdf}.md"
done
Python API
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("plik.docx")
print(result.text_content)
MCP server
Opcjonalnie - jeśli chcesz udostępnić Claude Code jako MCP tool:
markitdown-mcp
Kiedy użyć MarkItDown vs OpenDataLoader PDF
| Sytuacja | Narzędzie |
|---|
| Word/Excel/PPT | MarkItDown |
| Prosty PDF, tekst liniowy | MarkItDown (szybsze) |
| Złożony PDF z tabelami, reading order, papers naukowe | OpenDataLoader PDF (jakość) |
| Audio/transkrypcja | Whisper (mamy whisper-asr-pipeline) |
| Web page | Defuddle (mamy defuddle od Kepano) |
Integracja z vault
Output docelowo → Konwerter/ (folder w vault dla source-pdf → MD). Frontmatter: type: source-pdf, tags: [pdf, zrodlo]. Zobacz vault-rules.json → clippings.classification_rules.pdf_source.
Gotcha
markitdown[all] na Python 3.14/3.15 failuje (onnxruntime, youtube-transcript-api konflikt) - użyj zainstalowanego markitdown bez extras- Dla OCR obrazów / pełnego YouTube - Docker albo starszy Python (3.11/3.12)
- Nie używaj dla high-fidelity conversion dla human reading - tylko pod LLM
