大模型的附件上传，一般不会超过100M，如果想利用大模型的强项、对于一本体积大的电子书进行快速的阅读和总结，以了解其主要内容，则需要一些特殊处理。

本次MCP实现的主要功能包括：

1、对电子书按页面进行拆分和读取

2、支持主流的pdf、word、epub、chm、txt、mobi等格式

3、支持图像识别，用以电子书中的图片内容处理

4、对分块之后的电子书进行阅读总结并输出，当然大模型默认支持翻译

5、最终整合为一个整体阅读总结，并以html格式美化输出

老规矩，先看最终效果。

以“Foundation_of_LLMs.pdf”为例，全书分为6个章节，最终的效果如下：

当然总结的内容比较简单，主要是为了验证功能，如果希望得到更好的总结结果，需要调优Agent的Prompt。

转换为HTML之后的展示效果截图

原书目录索引截图

MCP+Agent+大模型的核心是，要分清楚各自的职能，哪些MCP实现、哪些Agent实现、哪些大模型实现。

MCP的原理，以及如何从零开发一个MCP Server和Client的教程详见上一篇文章，以下只介绍本次实现

以下是详细的实现过程

一、需求拆解和程序设计

1、大模型能干什么：对内容进行翻译、总结和输出

2、需要MCP干什么：根据不同格式、按页码读取文件内容，并输出

3、需要Agent干什么：串整个流程，根据需要调用不同的MCP tools或者大模型，完成不同任务，比如调用mcp完成文件拆分、调用大模型完成内容翻译和总结、调用mcp完成内容存储等。

4、功能要求：

1）能对电子书进行按块阅读，比如按章节进行拆分、按页面进行拆分等

2）支持主流的各种电子书格式

3）要将最终结果进行汇总并美化输出

5、工程设计：

1）新建mcp-server-readbooks的mcp server完成mcp的功能

2）新建mcp-client完成mcp-server的测试

3）在host中新建mcp和agent完成整体任务

4）在大模型聊天时调用mcp和agent，then have fun！

二、MCP的实现

1、工程目录如下：

mcp-server-readbooks/├── src/│   ├── core/│   │   ├── __init__.py│   │   ├── ebook_parser.py    # 主解析逻辑│   │   ├── ocr_engine.py      # OCR处理│   │   └── cache_manager.py   # 缓存管理│   ├── utils/│   │   ├── __init__.py│   │   └── file_convert.py    # 文件格式转换│   └── readbooks——server.py   # 服务入口├── tests/│   ├── test_parser.py         # 单元测试│   └── test_server.py         # 集成测试├── .env                       # 环境配置├── requirements.txt           # 依赖管理├── config.yaml                # 运行配置└── README.md                  # 文档说明

2、依赖的python包

fastmcp>=2.0.0pymupdf>=1.24.0python-docx>=0.8.11pychm>=0.8.6mobi>=0.3.0pytesseract>=0.3.10docx2pdf>=0.1.8python-dotenv>=1.0.0uv>=1.0.0Pillow>=10.0.0

3、readbooks_server.py是mcp server的核心代码

使用FastMCP.tools()注解完成工具代码的生成

同时支持sse和stdio模式（推荐，因为电子书都在本地）

4、ebook_parser.py解析并读取电子书的核心代码

调用fitz（公认的处理pdf最快的包）、mobi、chm等包完成相应格式的电子书的

针对需要orc的部分，调用orc程序进行内容识别

5、orc_engine.py解析并处理图像识别核心代码

调用pytesseract完成图像识别

6、file_convert.py完成word转pdf，剩下的交给pdf

7、cache_manager.py，缓存处理

三、MCP的配置（以Trae为例）

第二步的Client测试验证通过之后再进行，否则调试起来很麻烦，因为没有日志！都不知道哪里出错！

Host工具的选择：Trae（推荐）、CherryStudio、VS tools、coze都行。

1、以Trae为例，打开MCP界面

2、选择新建->手工新建，配置如下：

参数一定要根据实际情况修改：

command：python的路径

ags：mcp server的路径

PYTHONPATH：指向mcp server的路径

TRANSPORT_MODE: 默认stdio

{    "mcpServers": {      "mcp_server_readbooks": {        "command": "E:/envs/llm_learn/python",        "args": [          "d:/Server/mcp-server-readbooks/src/readbooks_server.py"        ],        "env": {          "PYTHONPATH": "d:/Server/mcp-server-readbooks/src",          "TRANSPORT_MODE": "stdio",          "PYTHONIOENCODING": "utf-8"        }      }    }  }

四、Agent的配置（以Trae为例）

Trae里的Agent可以串联调用一系列的mcp server和llm等完成特定任务，有点儿类似coze的工作流，但只不过是通过prompt来完成。

由于大模型的不确定性，所以prompt的好坏，则决定了完成任务的质量。

由于他不能像coze一样有明确的先后顺序，总是跳跃，导致有些步骤执行失败。

本次使用的Agent，前前后后调试了得有几十次！！！

本次Agent的设计：

1、根据用户输入的“本地电子书”附件，获取文件名，创建【文件名】子目录

2、调用电子书阅读工具，获取“目录”页，得到每章节的索引并保存到本地

3、按每个章节读取内容，并传递给大模型进行翻译、总结

4、将每章翻译总结的内容保存到本地

5、最后合并成一个文件，并输出为html

具体实现：

打开trae的Agent界面新建Agent

• 输入名字

• promots - 核心中的核心

• 把刚新建的mcp包含在内 - 别忘了

五、聊天中调用Agent，验证实际效果（以Trae为例）

在trae中打开聊天窗口，选中刚才建立的Agent，在聊天窗口拖入需要处理的电子书，剩下的就交给电脑吧。

注意：trae不支持外部直接上传附件，所以需要把“电子书”放到工程目录中，然后直接拖入聊天框即可。

执行过程截图：

过程文档内容截图

完成啦✅

好了，今天的MCP+Agent实现借助大模型进行大文件的阅读和总结就到这里了