doc2mcp將API文件轉為AI可呼叫的MCP服務

如果你經常用 AI 程式設計助手，一定遇到過它們瞎猜 API 引數的情況——明明文件裡寫得清清楚楚，模型卻自顧自地編造引數名。doc2mcp 就是來解決這個問題的：它把任意文件 URL（Stripe、你自己的 API、內部 Wiki）變成一個託管、令牌安全的 MCP 伺服器，整個過程只需要幾秒鐘。

什麼是 MCP，為什麼值得關注？

MCP（Model Context Protocol）是 Anthropic 提出的一種開放協議，讓 AI 模型能夠直接呼叫外部工具和資料來源。doc2mcp 相當於一個自動轉換器：你給一個文件連結，它把每一頁的標題、段落、程式碼示例變成結構化的工具，然後暴露給支援 MCP 的客戶端——比如 Cursor、Claude Desktop、Windsurf 和 VS Code 的 Copilot。這些工具可以搜尋和引用你文件裡的具體內容，而不是靠模型訓練時的記憶去猜。

舉個具體的場景：你在開發中遇到 Stripe 的某段 API 呼叫，只需要在聊天框裡輸入「根據 Stripe 文件最新版，建立訂閱的 Python 程式碼」，AI 就會自動去你部署好的 MCP 伺服器裡查詢，返回帶引用的準確程式碼段。聽起來挺玄，但實際跑一遍就懂——答案來自真實文件，而不是幻覺。

兩種用法：Web 介面 vs 命令列

• Web 介面：開啟 doc2mcp.site，貼上文件 URL，選幾個選項（比如是否要包含導航側欄內容），點選生成。系統會給你一個 HTTPS 端點和一個令牌，直接配置到你的 AI 工具裡。
• 命令列：如果你更習慣終端，直接用 npx doc2mcp 一句命令完成同樣的操作，還能用引數控制快取、爬蟲深度等細節。

兩種方式生成的 MCP 伺服器都是令牌驗證的，只有你授權的 AI 工具才能訪問，不必擔心文件內容洩漏。而對於內部 Wiki 或私有 API 文件，doc2mcp 支援通過 Basic Auth 或 Header 認證去抓取，安全性做得比較務實。

幾點值得注意的地方

第一，它只處理純文字內容，那些全屏 JavaScript 渲染的單頁應用（比如用 React 寫的複雜文件站）可能會解析不完整。第二，託管服務目前是免費的（npx 方式也是免費），但開發者已經透露未來可能會對高頻訪問或企業級部署收費，畢竟伺服器成本擺在那。第三，所有 AI 工具要真正用上 MCP，得先支援這個協議——目前 Cursor、Claude、Windsurf 和 VS Code 都有原生或外掛方式支援，但像 Copilot Chat 還需要一些配置。

對獨立開發者或小團隊來說，doc2mcp 最直接的價值是減少除錯時間。你不再需要手動在文件和編輯器之間來回切換，AI 助手直接幫你讀了。對於團隊內部，把私有知識庫（比如 Confluence 或 Notion 的匯出頁）變成一個 MCP 伺服器，實習生也能快速上手複雜的內部系統。

和其他方案對比

之前也有一些工具能把文件餵給 AI，比如 LangChain 的文件載入器，或者直接複製貼上。但它們要麼需要寫程式碼，要麼上下文視窗受限。doc2mcp 的核心思路是按需搜尋而非全量載入——AI 模型需要什麼就搜什麼頁，既節省 token，又保持回答的實時性。而且它不需要你懂任何模型訓練或向量資料庫知識，填個 URL 就能用。

當然，它也有侷限性：不支援動態生成的文件（比如需要登入後根據使用者角色展示不同內容），對圖片、表格、流程圖基本忽略。如果你的文件裡大量依賴圖表，那 doc2mcp 目前幫不上什麼忙。

核心思路：將靜態文字文件轉化為 AI 可用的結構化工具，而不是映象整個網站。

適合誰用？

• 用 Cursor/Claude/VS Code 寫程式碼的開發者，尤其是經常對接第三方 API 或維護內部 SDK 的人。
• 團隊想給 AI 助手接入技術文件，但不想自己搭建 RAG 系統。
• 喜歡在終端裡折騰的開發運維人員——一句 npx 搞定，乾淨利落。

一點實用建議

如果你只是快速試水，直接從 Web 介面生成一個 Stripe 或 GitHub API 的 MCP 伺服器，看看效果。如果覺得好用，再用 npx 命令去控制更細的抓取選項。注意：不要直接把整個 API 參考文件（幾百頁）一次性交給它，建議拆分成子模組，否則 MCP 伺服器的搜尋索引會過於巨大，反而影響響應速度。還有，記得定期更新快取的文件，因為 API 會變。

總的來說，doc2mcp 不花哨，但很實用。它切中了一個很具體的痛點：AI 程式設計助手依賴準確文件。如果你已經入了 MCP 生態的坑，這東西幾乎是必需品。