大模型接不住大文档？本地压缩的 MCP 解法
财政部等九部门去年五月发了一份通知（财会〔2025〕9 号），要求各单位会计软件在 2027 年 12 月 31 日前完成升级，适配电子凭证会计数据标准。这事儿听着像财务口的事，离“AI 帮你干活”挺远。但往深里想，它和另一个正在发生的变化是同一个方向：企业的文档处理正在被重新格式化，而绝大多数 AI 工具还没跟上。
卡点不在模型聪不聪明，在它“接不住”太大的东西。一份几百页的合同、一摞扫描件、一整个项目的设计稿，直接丢给大模型，要么超出上下文上限被一刀截断，要么 token 费用高到没人敢点发送。IDC 早就算过一笔账：文档相关问题占企业生产力损失的 21.3%，折算下来每名信息工作者每年所以在文件上亏掉约 19,732 美元。文件太大、太碎、太乱，正在变成 AI 真正落地到工作流里的一道隐形墙。
丑梨数据的主线，是高性能文档压缩加 RAG 数据工程基座，全私有化部署、数据不出内网。顺着这条线，我们做了一个叫 compress-mcp 的东西，一句话概括，它是“说一句就压小”的压缩服务。它不是又一个独立软件，而是一个 MCP 服务，专门接进 WorkBuddy、千问、百炼这类 AI 工具里，让智能体用一句自然语言就把文件压下去。
先把 MCP 说人话。MCP 全称 Model Context Protocol，是给 AI 工具接外部能力的一套开放协议。过去每个智能体想调一个外部功能，都得自己造一遍轮子、写一遍适配；有了 MCP，能力方把能力封装成一个“服务”，智能体就能像调用自带功能一样去调用它。压缩这类动作，天然适合这么干——它稳定、可复用、不该每次都让人手动操作。
为什么要做成 MCP，而不是在界面上再摁一个按钮？因为真正的瓶颈从来不在“有没有压缩工具”，而在“AI 用不用得动它”。过去要让 AI 处理一份大文件，你得先退出对话、手动跑个压缩、再贴回去，流程一断，人就没动力用了。compress-mcp 走 stdio 加 HTTP 双通道，内置 6+1 个工具，还带计量和许可机制。对开发者来说，这意味着不用为每个 AI 平台单独写一遍适配，智能体只要会说“把这份合同压到能发邮件”，压缩就在本地静默完成；对企业来说，内置计量意味着你能看见跑了多少次压缩、压掉了多少体积，许可机制则把鉴权挡在了外面，不用自己再搭一套。
另一个背景是数据本身在膨胀。IDC 的中国预测里提到，国内是非结构化数据增长较快的市场之一，未来五年要从 51 ZB 爬到 129 ZB，年复合增长率 30% 到 40%。文件只会越来越大，压缩也就从“可选项”变成了 AI 工作流的底层基础设施，而它最好发生在本地，而不是先上传再处理。
看看几种让 AI 碰大文件的路数，差别其实很具体：
| 对比维度 | compress-mcp（一句话指令） | 直接把原文丢给大模型 | 自己写压缩脚本 | 调用云端 SaaS 压缩 API |
|---|---|---|---|---|
| 接入方式 | 智能体自然语言调用，本地完成 | 无压缩，直接喂上下文 | 需自行开发、维护 | 需联网调用第三方 |
| 数据是否出内网 | 本机处理，不出内网 | 视模型部署而定 | 本机处理 | 文件需上传云端 |
| 是否需要写代码 | 不用，AI 直接调用 | 不用 | 需要 | 需要对接接口 |
| 适用场景 | 对话中顺手压大文件、批量归档 | 短文本、摘要类 | 高度定制流程 | 无隐私要求的轻量任务 |
这张表不是评谁高谁低，是帮你判断：如果你的文件动辄上百兆、又含合同病历这类敏感内容，本地化、能一句话调起的方案会更顺手；要是只是偶尔压张图，云端 SaaS 也够用，各取所需。
举个具体的。法务把一份 443 页的 OFD 招标文档丢进对话，想让 AI 提炼关键条款，原文件太大，直接喂准超时。让智能体说一句“先压再读”，compress-mcp 在本地把它处理完，官方实测端到端 124 秒。更实在的是图片：在 GPT-4o 口径下，先压缩再传给模型，图片相关 token 成本能省下 85.9%。对于天天和文档打交道的团队，这部分开销是能堆出来的。
再设想一个知识团队的场景。档案室里堆着十几年的扫描件，要喂进 RAG 做问答，原文件又大又模糊，直接进库既占存储又拖检索。让智能体在入库前说一句“批量压一遍”，compress-mcp 在本机把这批扫描件收一遍，再去接 RAG 数据工程基座 的六道工序。压缩在前、检索在后，两件事都在内网里跑完，敏感材料从头到尾没离开过设备。
也不是所有场景都值得上 MCP。如果你只是偶尔压两张图发微信，手机上的小工具就够了，没必要为一次性的小事接一套服务。compress-mcp 真正划算的，是那些“文件大、频次高、还要过保密关”的环节，比如每天成批进知识库的扫描件、合同评审流水线里的前处理、客服知识库入库前的瘦身。把压缩做成智能体随时能调的能力，省下的是两样东西：人来回切换工具的那点耐心，以及文件出内网的那点风险。它不取代智压通和文件魔方，而是把这两者的底层能力，在 AI 的工作流里接上了一根线，让“压一下”从一次手动操作，变成智能体自己会做的事。对开发者来说，这还意味着少写一堆胶水代码：不用再为不同平台各写一遍上传、轮询、回调，MCP 把这套交互标准化了。
一个容易被忽略的点是隐私。丑梨数据的产品一贯本机运行，文件不离开你的设备，连 13 类 AI 敏感信息检测都在本地完成。compress-mcp 同样如此，它只是把“压缩”变成智能体可以调用的一个能力，文件从头到尾没出过内网。对律所、诊所、财务这类把保密当底线的机构，这比“压得快”更重要。
压缩、整理、检索，是同一套思路的不同出口。智压通 SmartSlim 是把文件“压小”的产品线；文件魔方 Maggie File 负责把文件“理顺”；compress-mcp 把压缩能力拆出来，变成 AI 工具能直接调用的零件，三者都跑在本地。往上走，RAG 数据工程基座 用六道工序加八大能力，把散落的文件变成可问答的知识，同样私有化、数据不出内网。compress-mcp 和这套基座可以衔着看：前者负责把“大”变“小”，后者负责把“小”用起来。
选型别想太复杂。长期高频、要持续更新的，看订阅制（智压通 ¥20.4/月起）；一次买断、多设备自用、资料属于自己不想月月续费的，看买断制（文件魔方，支持 3 台设备绑定，密钥即买即发）；想把压缩能力嵌进自家 AI 系统的开发者，compress-mcp 这种“说一句就压小”的 MCP 服务就是为这个场景生的。三者不是替代关系，是按你站在哪一层来挑。要是你只想让手头的 AI 助手更顺手地处理大文件，compress-mcp 是改动最小、也最容易先试的一步；等文档真的多到要管、要问，再往上接文件魔方和 RAG 基座也不迟。
说到底，compress-mcp 解决的是一个很小但很烦的问题：文件太大，AI 用不动。它没打算取代什么，只是把“压小”这件事，变成智能体张嘴就能办到的一件事，而且全程在你自己的机器上。
立即体验
文档大到 AI 接不住，不必先去学一堆参数。compress-mcp 面向 WorkBuddy、千问、百炼等 AI 工具接入，本机运行、数据不出内网，产品页在此。想看更多原理和实操，丑梨数据技术博客 持续在更新。
常见问题
Q：compress-mcp 一定要联网才能用吗？
A：不需要。它在本机运行，文件不离开你的设备，压缩全程在本地完成，适合对隐私要求高的资料。
Q：它和智压通 SmartSlim 是什么关系？
A：智压通是压缩产品线，compress-mcp 是把其中压缩能力封装成 MCP 服务，让 AI 工具能直接调用；底层引擎一致，只是暴露方式不同。
Q：接入麻烦吗，需要写很多代码吗？
A：不用。它走 stdio 加 HTTP 双通道，内置 6+1 个工具，AI 智能体用自然语言就能调用，开发者无需为每个平台单独适配。
Q：数据会出内网吗？
A：不会。compress-mcp 本机处理，文件不离开设备，13 类 AI 敏感信息检测也在本地完成。
Q：支持哪些文件类型？
A：覆盖 PDF、图片、视频、音频、Office、OFD、扫描件等 8 类格式，压缩全程本机完成。