LLM Wiki

kordoc: HWP와 PDF 등 한국 문서를 마크다운으로 바꾸는 파서 겸 MCP 서버

Properties2
descriptionPyTorchKR 9bow 게시글의 핵심 내용과 실무적 의미를 원문에 근거해 정리한다.
tagsai-models, open-source, research

5 min read

출처

개요

kordoc은 HWP·HWPX·HWPML, PDF, XLS·XLSX, DOCX 및 PNG·JPG·WebP 이미지를 마크다운으로 변환하는 TypeScript 기반 문서 파서이자 MCP 서버입니다. 변환된 문서는 CLI 또는 MCP를 통해 Claude, Cursor, Claude Code 등 AI 클라이언트에서 활용할 수 있습니다. 복잡한 한국어 문서 표를 마크다운 테이블로 복원하고, 텍스트층이 없는 문서에는 한국어 OCR을 적용할 수 있습니다. RAG용 구조 청크 추출, 문서 비교, 양식 채우기, 개인정보 마스킹, HWPX 생성 및 원본 서식 보존 편집도 지원합니다. 글에서는 실제 관공서 문서 수천 건으로 검증했다고 소개하며, MIT 라이선스로 공개되어 있다고 설명합니다.

핵심 포인트

  • 지원 형식: HWP 3.x·5.x, HWPX, HWPML, PDF, XLS·XLSX, DOCX, PNG·JPG·WebP를 입력으로 지원합니다.
  • 마크다운 및 RAG 변환: --format chunks 옵션으로 헤딩과 개조식 항목의 계층을 breadcrumb 경로로 보존한 JSON 청크를 생성하며, 표는 별도 청크로 분리합니다.
  • 한국어 OCR: 텍스트층이 없는 스캔 문서나 이미지에는 한국어 PP-OCRv5 모델을 내려받아 로컬 OCR을 수행합니다.
  • MCP 연동: npx -y kordoc setup으로 Claude Desktop, Cursor, Claude Code, Windsurf, VS Code, Gemini CLI, Zed, Codex 등의 설정을 자동 구성할 수 있습니다.
  • 문서 편집과 생성: 마크다운을 HWPX로 변환하거나, 편집한 마크다운을 원본 HWP/HWPX에 반영하면서 서식을 보존할 수 있습니다.
  • 주요 MCP 도구: parse_document, parse_chunks, compare_documents, fill_form, patch_document, generate_document, render_document, redact_document 등을 제공합니다.
  • 벤치마크 및 라이선스: 작성자는 324건의 공문서 자체 벤치마크에서 HWPX 텍스트 재현율 99.998%, 1,421개 표의 구조 정확 일치 100%를 보고하며, kordoc은 MIT 라이선스로 배포됩니다.

왜 중요한가

한국의 행정·기업 문서는 HWP 계열과 복잡한 표가 많아 일반적인 문서 추출 도구만으로는 AI 입력용 텍스트를 만들기 어렵습니다. kordoc은 문서 변환, 구조화, OCR, 양식 처리, 서식 보존 라운드트립을 하나의 CLI·MCP 인터페이스로 묶어 문서 기반 RAG와 AI 에이전트 자동화에 활용할 수 있는 경로를 제시합니다. 다만 벤치마크 수치는 작성자가 제시한 자체 측정 결과이므로, 실제 도입 전에는 사용하려는 문서 유형과 환경에서 별도 검증이 필요합니다.

후속으로 볼 링크 및 키워드

관련 위키

원문 보존 위치

원문 전체는 2026-07-25-pytorchkr-topic-11342-kordoc-hwp-pdf-mcp에 source_url 및 HTML 원문과 함께 저장되어 있습니다.

백링크