BytesRouter

主题

LlamaParse 文档版本 跟随上游 源快照 0da0451e 更新于 2026-10-16

LlamaParse MCP 是一个模型上下文协议服务端，它把 LlamaParse 平台的文档处理能力（Parse、Classify、Extract、Split 与 Index）以工具的形式暴露出来，任何兼容 MCP 的 agent 都可以调用。你不必自己去对接 REST API 或 SDK，只要把 agent 连上这个 MCP 服务端一次，就能解析文档、抽取结构化数据、分类与切分文件，以及直接构建、刷新和检索你的索引。

该服务端是开源的，托管在 https://mcp.llamaindex.ai。

注意

mcp.llamaindex.ai 服务北美区域，mcp.eu.llamaindex.ai 服务欧洲。用哪一个取决于你的 LlamaCloud 账号所在的区域，而不是某个连接层面的设置：cloud.llamaindex.ai 上的账号使用北美服务端，cloud.eu.llamaindex.ai 上的账号使用欧洲服务端。某一区域签发的 token 会被另一区域拒绝，并返回指明正确端点的 401。区域端点的完整清单见 Regions。

身份认证

该 MCP 服务端接受两种凭据，二者最终都指向同一个账号、同一套权限。

OAuth 是多数 MCP 客户端采用的方式，也是本页所有配置的默认方式（除非你自己加请求头）。你在客户端里登录一次即可；首次使用时会自动完成认证，token 也会自动刷新，无需人工干预。

LlamaCloud API key 则适用于无法走浏览器登录的场合——无头 agent、CI 任务，以及不支持 OAuth 的客户端。添加服务端时把它作为 bearer token 发送：

终端窗口

claude mcp add --transport http llamaparse https://mcp.llamaindex.ai/mcp \
  --header "Authorization: Bearer $LLAMA_CLOUD_API_KEY"

创建方式见 API key 指南。

两者只有一处不同：getUploadUrl 不对 API-key 调用方开放，因为它会保存调用方的凭据供上传路由使用——对会过期的 token 来说是有界的，对长期密钥来说则是无界的。请改用 uploadFileByUrl，或者用 OAuth 连接。

连接 MCP 客户端

连接统一端点 https://mcp.llamaindex.ai/mcp，就能在一个服务端里获得整个平台的能力面（Parse、Classify、Extract、Split 与 Index）。

  • Cursor
  • VS Code
  • Claude Code
  • Claude
  • Codex

点击按钮即可一键添加该服务端：

在 Cursor 中打开

或者把该服务端手动加进 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "llamaparse": {
      "type": "http",
      "url": "https://mcp.llamaindex.ai/mcp"
    }
  }
}

点击按钮即可一键添加该服务端：

在 VS Code 中打开

或者把该服务端手动加进你的 settings.json：

{
  "mcp": {
    "servers": {
      "llamaparse": {
        "type": "http",
        "url": "https://mcp.llamaindex.ai/mcp"
      }
    }
  }
}

终端窗口

claude mcp add --transport http llamaparse https://mcp.llamaindex.ai/mcp

LlamaParse 是 Claude 连接器目录中已收录的连接器，因此无需任何配置。在 Claude 里进入 Customize → Connectors，搜索 LlamaParse 并连接即可。该目录在网页版 Claude、Claude Desktop 与 Claude 移动端之间共享，连接一次即全部生效。

在 Claude Desktop 中打开连接器

该条目连接的是北美服务端。要使用欧洲服务端，或固定某个产品专用端点，请自己在 Customize → Connectors 下添加，或编辑 Claude Desktop 的 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）、%APPDATA%\Claude\claude_desktop_config.json（Windows）。下面的配置使用北美统一端点——欧洲请把主机换成 https://mcp.eu.llamaindex.ai/mcp，或者把路径换成产品专用服务端，例如 /parse/mcp：

{
  "mcpServers": {
    "llamaparse": {
      "type": "http",
      "url": "https://mcp.llamaindex.ai/mcp"
    }
  }
}

打开 Codex 设置以添加该服务端：

在 Codex 中打开

或者通过命令行添加：

终端窗口

codex mcp add llamaparse --url https://mcp.llamaindex.ai/mcp

如果你用 OAuth 连接，那么 agent 首次使用某个工具时会提示你通过浏览器完成认证。

欧盟区域

欧洲区域的账号请改连 https://mcp.eu.llamaindex.ai/mcp。工具面与 OAuth 流程和北美完全一致——只有主机不同。Claude 连接器目录里的那条指向北美服务端，因此欧洲账号应手动添加服务端，而不是从目录安装。

点击按钮即可一键添加欧洲服务端：

在 Cursor 中打开 在 VS Code 中打开

或者手动添加服务端，文件位置与写法同上文你客户端所用的——对 Cursor 来说就是 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "llamaparse-eu": {
      "type": "http",
      "url": "https://mcp.eu.llamaindex.ai/mcp"
    }
  }
}

从命令行添加：

终端窗口

# Claude Code
claude mcp add --transport http llamaparse-eu https://mcp.eu.llamaindex.ai/mcp

# Codex
codex mcp add llamaparse-eu --url https://mcp.eu.llamaindex.ai/mcp

llamaparse-eu 这个名字能让欧洲服务端与指向北美的 llamaparse 条目区分开，于是两者可以并存安装。上面的一键按钮会以 llamaparse 之名安装，所以如果你已经配置了北美服务端，请把那条改个名字。

可用工具

服务端按产品对工具分组。下面的项目（project）与上传相关工具由每个端点承载——统一端点和各个产品专用端点都是如此——因为所有处理工具都需要一个文件 ID，而对于拥有多个项目的账号，还需要一个项目 ID。

项目与上传

  • getUserProjects —— 列出你账号可访问的项目，便于 agent 按名称解析出项目并把正确的 project ID 传给其他工具。
  • uploadFileByUrl —— 接受一个公开的文件 URL，抓取该文件并上传到平台。
  • getUploadUrl —— 返回一个临时的、需鉴权的上传端点，你的客户端可以用 multipart form data 把本地文件 POST 上去。

Parse

  • parseFile —— 针对某个文件运行一个 Parse 任务，返回干净的 markdown 或纯文本。
  • parseWithLiteParse —— 用 LiteParse 解析 PDF，这是一个不消耗 Parse 额度的快速解析器。仅支持 PDF，且在版式简洁、文字密集的文档上表现最好。
  • estimateFileComplexity —— 逐页为 PDF 打分，返回每页所需的 Parse 档位，或说明 LiteParse 已经够用。把它与 parseFile、parseWithLiteParse 搭配，就能只把确实需要的页面交给更重的档位。

Classify

  • classifyFile —— 使用 Classify 把文档归入你定义的某个类别。在统一端点与 Classify 端点上，类别是每次调用的必填参数，因此 agent 可以逐文件决定分类，而不必先创建保存好的配置。若固定使用 /classify/{configId}/mcp 端点，类别取自该配置，参数也不再提供。

Split

  • splitFile —— 使用 Split 把文档切分成逻辑章节。与 classifyFile 一样，它的类别是随调用传入的，固定使用 /split/{configId}/mcp 端点时除外。

Extract

比起让 agent 读完解析后的文档再从文本里挑字段，用结构化抽取的专用工具要可靠得多：大文档 agent 可能只拿到截断后的版本，而纯靠提示词的抽取也无法把输出 schema 定义清楚。

  • searchSchemaTemplates —— 在内置的起始 schema 目录（发票、合同、简历等）中检索，返回匹配项及其模板 ID。
  • getSchemaTemplate —— 按 ID 返回某个模板的完整 JSON schema，方便 agent 阅读并在使用前加以调整。
  • createExtractionConfigFromSchema —— 用模板 ID 或显式的 JSON schema 创建抽取配置，并返回配置 ID。正是这个工具让 agent 能够即时创建配置。
  • generateExtractionConfig —— 依据你对所需数据的描述，配合一个样例文件，生成 JSON schema 与抽取规则。同样返回配置 ID。
  • extractFile —— 使用某个抽取配置 ID 对文件执行抽取。

Index

Index 是 LlamaParse 平台提供的托管知识库，为智能体工作流而构建。除了语义检索，它还让 agent 能像访问文件系统一样读取底层文档。相关工具覆盖两个方面：构建索引与查询索引。

索引是基于一整个源文档目录构建的，因此构建流程是：上传文件、把它们放进一个目录、然后对该目录建索引：

  • createDirectory —— 创建一个目录，即索引所基于的那份源文档文件夹。
  • addFilesToDirectory —— 把已上传的文件加入目录，使用上传辅助工具返回的文件 ID。文件逐个添加，响应会报告哪些成功了，因此你只需重试失败的那些。
  • createIndex —— 对一个目录建立索引。索引在后台运行，在其报告就绪之前无法查询。
  • syncIndex —— 重新索引一个目录，以纳入上次运行之后新增或变更的文件。索引不会自行刷新，已有索引看到新文档靠的就是这个。
  • getIndexStatus —— 报告索引是否构建完成。查询尚未就绪的索引，与查询一个没有匹配文档的索引看起来是一样的，所以在 createIndex 与 syncIndex 之后要轮询此项。
  • listDirectories —— 列出某个项目中的目录，一次一页。
  • listDirectory —— 列出某个目录内的文件，一次一页。

检索与读取索引：

  • listIndexes —— 发现你可以查询的索引。
  • findFilesInIndex —— 在索引中定位相关文件。
  • readFileFromIndex —— 读取索引中某个文件的内容。
  • grepFileFromIndex —— 在已索引的文件中搜索模式匹配。
  • retrieveFromIndex —— 对索引执行混合（稀疏 + 稠密）检索。

API key

只有统一的 /mcp 端点承载它——各产品专用服务端并不暴露此工具。

  • createProjectApiKey —— 创建一个只作用于单个项目的 API key，可交给某个应用或同事使用。该 key 只能访问那一个项目，因此 agent 可以把某个项目的配置直接做完，而不必停下来向你要 key。密钥只返回一次、之后无法再读取——请在返回时立即保存，否则就得吊销它再建一个。此工具创建的每个 key 都会过期；90 天既是默认值，也是此工具能签发的最长期限。网页控制台提供更长的有效期，最高可到永不过期。

产品专用服务端

统一的 /mcp 端点暴露全部能力，非常适合探索性工作和较宽泛的文档处理任务。当你希望工具清单更聚焦时，可以直接连到某个产品专用服务端。缩小范围有助于 agent 更可靠地做工具选择决策，并能并行运行相互独立的任务。

服务端树状结构如下：

https://mcp.llamaindex.ai/
├── mcp                       # full platform: Parse, Classify, Extract, Split, Index
├── parse
│   └── /mcp
├── classify
│   ├── /mcp
│   └── /{configId}/mcp
├── extract
│   ├── /mcp
│   └── /{configId}/mcp
├── split
│   ├── /mcp
│   └── /{configId}/mcp
└── index
    └── /mcp

欧洲区域的账号在 https://mcp.eu.llamaindex.ai/ 下有同样的子路径。

每个产品专用服务端都带有 getUserProjects 与两个上传辅助工具，再加上自己的工具：

服务端共享辅助工具之外的工具
/parse/mcpparseFile、parseWithLiteParse、estimateFileComplexity
/classify/mcpclassifyFile
/split/mcpsplitFile
/extract/mcpsearchSchemaTemplates、getSchemaTemplate、createExtractionConfigFromSchema、generateExtractionConfig、extractFile
/index/mcp上文列出的全部 Index 工具

classify、extract 与 split 服务端还可以选择直接从路由继承一个配置 ID。当你连到 /{configId}/mcp 端点时，agent 就在该配置已有的上下文下工作：classifyFile 从它取类别，splitFile 从它取类别与切分策略，extractFile 从它取 schema——因此固定好的 extract 服务端只暴露 extractFile 一个工具，并把所有创建配置的工具都去掉了。

例如，让 agent 直接连到某个具体的分类配置：

{
  "mcpServers": {
    "classify-folder-1": {
      "type": "http",
      "url": "https://mcp.llamaindex.ai/classify/CONFIG_ID/mcp"
    }
  }
}

并同时，让另一个 agent 连到某个具体的抽取配置：

{
  "mcpServers": {
    "extract-folder-1": {
      "type": "http",
      "url": "https://mcp.llamaindex.ai/extract/EXTRACT_CONFIG_ID/mcp"
    }
  }
}

这种模块化模型让你可以用多个各司其职的服务端组装工作流，每个都负责一个定义清晰的任务，从而提升隔离性、支持更高的并行度，并让你对吞吐量拥有细粒度的控制。

如何选择配置

agent 如何选择配置取决于产品，因为 Classify 与 Split 的配置是随调用携带的，而 Extract 引用的是保存好的配置。

Classify 与 Split 的配置是内联传入的。 categories 是每次 classifyFile 与 splitFile 调用的必填参数，所以 agent 逐文件决定，无需先保存任何东西。下一次调用传入不同的类别，行为就随之改变。唯一的例外是下面要讲的固定服务端——它提供类别并去掉该参数。

Extract 按 ID 引用配置。 extractFile 需要一个 configurationId，因此调用前配置必须已存在。agent 有三种途径拿到它：

  • 从起始 schema 构建——先调 searchSchemaTemplates 找到模板，可选地调 getSchemaTemplate 阅读并调整它，再调 createExtractionConfigFromSchema 创建配置并取回其 ID。
  • 从样例文件构建——带上一个文件以及你对所需数据的描述，调用 generateExtractionConfig。
  • 复用已保存的——从网页控制台的 Extract Configurations 页面取一个现有配置的 ID，直接传给 extractFile。

或者把配置固定到连接上。 连到 /{configId}/mcp 端点后，该配置在整个会话中都在上下文里，agent 无需再做选择。当配置是固定的、你希望 agent 不要改动它时，就用这种方式。

目前没有工具可以列出项目里已保存的配置，所以 agent 要么在会话中创建一个，要么由你直接给它一个 ID。

示例工作流

  • 先分类，再抽取 —— agent 用分类服务端对某个文件夹里的文件做分类，把它们整理进按类别划分的子目录，然后对每个类别并行运行相匹配的抽取配置，并把结果存成 JSON 供下游分析。
  • 智能体式检索 —— agent 用 listIndexes 发现索引、用 findFilesInIndex 定位相关文件、用 readFileFromIndex 查看内容、用 grepFileFromIndex 搜索，并用 retrieveFromIndex 取回段落——像浏览文件系统一样导航 PDF、Office 文档、图像及其他非结构化文件。
  • 从零构建知识库 —— agent 用 uploadFileByUrl 或 getUploadUrl 上传一批文件，用 createDirectory 与 addFilesToDirectory 归类，调用 createIndex，轮询 getIndexStatus 直到索引就绪，然后开始查询。之后的运行把新文件加进同一个目录并调用 syncIndex 将其纳入。
  • 只解析真正需要的部分 —— agent 先对 PDF 运行 estimateFileComplexity，把需要更重档位的页面交给 parseFile，其余用 parseWithLiteParse 处理。

提示

原型的最佳起点是统一的 /mcp 服务端。当你已经明确工作流需要哪些能力、想要更紧的作用域或更高的并行度时，再改用产品专用服务端。

相关

  • 技能与插件 —— 用 llamaparse-mcp 插件一次安装 MCP 服务端与一个解析技能，或者只把技能装给编码 agent。
  • LlamaParse 平台的 n8n 节点 —— 在无代码工作流中以节点形式提供同样的能力。

友情链接

  • Agents.md面向 AI 编码助手的仓库说明文件规范
  • LangChainLangChain 是一个开放的Agent平台
  • LangSmithAgent 工程平台：可观测与评估、部署、Fleet、Engine 等
  • EmbabelEmbabel 是一个JVM平台Agent框架
  • SpringAISpringAI 是一个基于 Spring 的 AI 框架
  • MCPModel Context Protocol，连接 AI 应用与外部数据/工具的开放标准
  • LangChain4jJava 生态的 LLM 应用开发框架
  • LlamaIndex把数据接入 LLM 的框架与文档平台
  • LlamaParse智能体式 OCR 文档解析：把 PDF、扫描件变成 LLM 可用的文本与结构化数据
  • LiteParse本地优先、轻量的文档解析库，不需要 API key
  • CrewAI多智能体编排框架：以 Crew/Flow 组织自主协作的 AI Agent
  • MAFMicrosoft Agent Framework，企业级 .NET/Python 智能体框架

BytesRouter 是社区翻译站点，所有译文仅供参考，一切以官方英文原文为准。

© 2026 BytesRouter · 译文采用 CC BY 4.0 许可