doc2mcp将API文档转为AI可调用的MCP服务

如果你经常用 AI 编程助手，一定遇到过它们瞎猜 API 参数的情况——明明文档里写得清清楚楚，模型却自顾自地编造参数名。doc2mcp 就是来解决这个问题的：它把任意文档 URL（Stripe、你自己的 API、内部 Wiki）变成一个托管、令牌安全的 MCP 服务器，整个过程只需要几秒钟。

什么是 MCP，为什么值得关注？

MCP（Model Context Protocol）是 Anthropic 提出的一种开放协议，让 AI 模型能够直接调用外部工具和数据源。doc2mcp 相当于一个自动转换器：你给一个文档链接，它把每一页的标题、段落、代码示例变成结构化的工具，然后暴露给支持 MCP 的客户端——比如 Cursor、Claude Desktop、Windsurf 和 VS Code 的 Copilot。这些工具可以搜索和引用你文档里的具体内容，而不是靠模型训练时的记忆去猜。

举个具体的场景：你在开发中遇到 Stripe 的某段 API 调用，只需要在聊天框里输入“根据 Stripe 文档最新版，创建订阅的 Python 代码”，AI 就会自动去你部署好的 MCP 服务器里查找，返回带引用的准确代码段。听起来挺玄，但实际跑一遍就懂——答案来自真实文档，而不是幻觉。

两种用法：Web 界面 vs 命令行

• Web 界面：打开 doc2mcp.site，粘贴文档 URL，选几个选项（比如是否要包含导航侧栏内容），点击生成。系统会给你一个 HTTPS 端点和一个令牌，直接配置到你的 AI 工具里。
• 命令行：如果你更习惯终端，直接用 npx doc2mcp 一句命令完成同样的操作，还能用参数控制缓存、爬虫深度等细节。

两种方式生成的 MCP 服务器都是令牌验证的，只有你授权的 AI 工具才能访问，不必担心文档内容泄漏。而对于内部 Wiki 或私有 API 文档，doc2mcp 支持通过 Basic Auth 或 Header 认证去抓取，安全性做得比较务实。

几点值得注意的地方

第一，它只处理纯文本内容，那些全屏 JavaScript 渲染的单页应用（比如用 React 写的复杂文档站）可能会解析不完整。第二，托管服务目前是免费的（npx 方式也是免费），但开发者已经透露未来可能会对高频访问或企业级部署收费，毕竟服务器成本摆在那。第三，所有 AI 工具要真正用上 MCP，得先支持这个协议——目前 Cursor、Claude、Windsurf 和 VS Code 都有原生或插件方式支持，但像 Copilot Chat 还需要一些配置。

对独立开发者或小团队来说，doc2mcp 最直接的价值是减少调试时间。你不再需要手动在文档和编辑器之间来回切换，AI 助手直接帮你读了。对于团队内部，把私有知识库（比如 Confluence 或 Notion 的导出页）变成一个 MCP 服务器，实习生也能快速上手复杂的内部系统。

和其他方案对比

之前也有一些工具能把文档喂给 AI，比如 LangChain 的文档加载器，或者直接复制粘贴。但它们要么需要写代码，要么上下文窗口受限。doc2mcp 的核心思路是按需搜索而非全量加载——AI 模型需要什么就搜什么页，既节省 token，又保持回答的实时性。而且它不需要你懂任何模型训练或向量数据库知识，填个 URL 就能用。

当然，它也有局限性：不支持动态生成的文档（比如需要登录后根据用户角色展示不同内容），对图片、表格、流程图基本忽略。如果你的文档里大量依赖图表，那 doc2mcp 目前帮不上什么忙。

核心思路：将静态文本文档转化为 AI 可用的结构化工具，而不是镜像整个网站。

适合谁用？

• 用 Cursor/Claude/VS Code 写代码的开发者，尤其是经常对接第三方 API 或维护内部 SDK 的人。
• 团队想给 AI 助手接入技术文档，但不想自己搭建 RAG 系统。
• 喜欢在终端里折腾的开发运维人员——一句 npx 搞定，干净利落。

一点实用建议

如果你只是快速试水，直接从 Web 界面生成一个 Stripe 或 GitHub API 的 MCP 服务器，看看效果。如果觉得好用，再用 npx 命令去控制更细的抓取选项。注意：不要直接把整个 API 参考文档（几百页）一次性交给它，建议拆分成子模块，否则 MCP 服务器的搜索索引会过于巨大，反而影响响应速度。还有，记得定期更新缓存的文档，因为 API 会变。

总的来说，doc2mcp 不花哨，但很实用。它切中了一个很具体的痛点：AI 编程助手依赖准确文档。如果你已经入了 MCP 生态的坑，这东西几乎是必需品。