본문으로 건너뛰기
PromptQuorum인간을 위해 설계. AI를 위해 구조화.
홈/고급 로컬 LLM
RAG & Document Chat

Docling 리뷰: 오픈소스 문서 파서 (RAG용)

·6분 읽기 저 · PromptQuorum 창립자 · 오픈 웨이트·오픈소스 AI 디스커버리 엔진

Docling(70,000+ GitHub 스타)은 PDF·DOCX·PPTX·XLSX·HTML·EPUB·이미지를 RAG 및 LLM 파이프라인을 위한 Markdown·JSON·HTML로 변환합니다. 문서 파싱은 사용자의 컴퓨터에서 실행되고, MCP 서버는 별도 패키지 docling-mcp로 제공되며, 코드는 MIT 라이선스로 무료입니다. 모델 가중치는 처음 사용할 때 Hugging Face에서 내려받습니다. Python 3.10 이상에서 쓰는 Python 라이브러리 및 CLI 도구이며 pip install docling으로 설치합니다.

핵심 요점

  • 코드는 MIT 라이선스; 70,000+ GitHub 스타; IBM Research 취리히가 시작, LF AI & Data Foundation이 호스팅.
  • pip install docling — Python 3.10 이상(pyproject.toml 기준 3.10~3.14) 필요, Java 불필요.
  • Markdown·JSON(바운딩 박스 포함)·HTML·DocLang·DocTags 출력.
  • MCP 서버는 별도 패키지 docling-mcp: uvx --from=docling-mcp docling-mcp-server.
  • 표 추출 및 바운딩 박스는 공식 README에 문서화.

📍 한 문장으로

Docling은 IBM Research 취리히가 시작하고 LF AI & Data Foundation이 호스팅하는 오픈소스 Python 라이브러리로, PDF·DOCX·PPTX·XLSX·HTML·EPUB·이미지를 RAG/LLM 파이프라인용 Markdown·JSON·HTML로 변환하며 문서를 사용자의 컴퓨터에서 처리합니다. MCP 서버는 별도 패키지 docling-mcp로 제공됩니다.

💬 쉽게 말하면

문서 파일을 전달하면 제목·표·텍스트 블록 구조를 읽어 LLM이나 RAG 시스템이 사용할 수 있는 형식으로 출력합니다. 파일은 업로드되지 않으며, 모델 가중치는 처음 사용할 때 Hugging Face에서 내려받습니다.

📌참고: PromptQuorum은 Docling을 직접 테스트하지 않았습니다. 모든 정보는 2026년 11월 15일에 github.com/docling-project/docling과 docling-project.github.io/docling에서 확인했습니다.

Docling은 IBM Research 취리히가 시작하고 LF AI & Data Foundation이 호스팅하는 오픈소스 문서 파싱 라이브러리로, PDF·DOCX·PPTX·XLSX·HTML·EPUB·이미지를 RAG 및 LLM 파이프라인을 위한 Markdown·JSON·HTML 등의 구조화된 형식으로 변환합니다. MCP 서버는 별도 패키지 docling-mcp로 제공됩니다. 본 리뷰는 Docling GitHub 저장소와 docling-project.github.io/docling를 기반으로 하며, 2026년 11월 15일에 확인했습니다. PromptQuorum은 직접 설치하거나 실행하지 않았습니다.

Docling 리뷰: 오픈소스 문서 파서 (RAG용)

Docling이 하는 일

  • 입력 형식: PDF·DOCX·PPTX·XLSX·HTML·EPUB·이미지.
  • 출력 형식: Markdown·JSON(좌표 포함)·HTML·DocLang·DocTags.
  • OCR: 스캔된 PDF 및 이미지 기반 문서 처리.
  • 표 추출: 표를 감지하고 구조를 보존.
  • 바운딩 박스: JSON 출력에 요소 좌표 포함.
  • MCP 서버: 별도 패키지 docling-mcp로 제공되며, 호환 AI 어시스턴트가 Docling을 호출 가능.

Docling 설치

단일 pip 명령으로 설치합니다. Python 3.10 이상이 필요합니다(pyproject.toml 기준 3.10~3.14).

데이터 흐름

  • 로컬 처리: 문서 파싱은 사용자의 컴퓨터에서 실행되며 파일은 업로드되지 않습니다. PDF 처리는 첫 사용 시 Hugging Face에서 모델 가중치를 내려받고 이후 로컬 캐시에서 실행됩니다(폐쇄망 환경을 위해 미리 내려받을 수 있음).
  • MCP 서버: docling-mcp 서버는 기본적으로 로컬에서 변환하며, 설정하면 원격 Docling Serve를 가리키도록 할 수도 있습니다.
  • 텔레메트리: README에 언급 없음.

라이선스 및 가격

Docling 코드는 MIT 라이선스로 제공됩니다. 상업적·개인적 프로젝트 모두 무료입니다. Docling이 내려받는 모델 가중치는 각자의 라이선스를 따르므로 상업적 배포 전에 확인하세요.

  • MIT 라이선스 — 저작권 고지 유지 필요(모델 가중치는 별도 라이선스).
  • 코드는 상업용·사유 파이프라인에도 무료이며, 내려받는 모델 가중치는 각자의 라이선스를 따릅니다.

경쟁 도구 및 대안

PromptQuorum 디렉토리의 같은 세그먼트에 있는 다른 문서 파서:

  • Marker(40,000+ 스타, 코드는 Apache 2.0, 모델 가중치는 상업적 제한이 있는 수정된 AI Pubs Open RAIL-M 라이선스)
  • MinerU(83,000+ 스타, MinerU Open Source License(Apache 2.0에 추가 조건))
  • Unstructured

디렉터리에서 비교

자주 묻는 질문

Docling에 GPU가 필요한가요?

README에는 기본 설치에 GPU가 필요하다는 언급이 없습니다. OCR과 레이아웃 분석은 GPU에서 더 빠를 수 있으며 CPU에서도 실행할 수 있습니다. 가속기 설정은 문서에서 확인하세요.

Docling의 라이선스는 무엇인가요?

Docling 코드는 MIT 라이선스입니다. 상업적 사용이 허용되며 저작권 고지를 유지해야 합니다. 내려받는 모델 가중치는 각자의 라이선스를 따릅니다.

Docling이 IBM으로 데이터를 전송하나요?

문서 파싱은 사용자의 컴퓨터에서 실행되며 파일은 업로드되지 않습니다. PDF 처리는 첫 사용 시 Hugging Face에서 모델 가중치를 내려받고 이후 로컬 캐시에서 실행됩니다(폐쇄망 환경을 위해 미리 내려받을 수 있음). docling-mcp 서버는 기본적으로 로컬에서 변환하며, 설정하면 원격 Docling Serve를 가리키도록 할 수도 있습니다. README에는 텔레메트리 채널이 기술되어 있지 않으므로, 배포 환경에서 중요하다면 직접 확인하세요.

Docling이 스캔된 PDF를 처리할 수 있나요?

네. Docling에는 스캔된 PDF와 이미지 기반 문서를 위한 OCR이 포함되어 있습니다.

Docling의 MCP 서버는 무엇인가요?

Claude 같은 호환 AI 어시스턴트가 문서 변환을 위해 Docling을 호출할 수 있게 해주는 서버입니다. 별도 패키지 docling-mcp로 제공됩니다(uvx --from=docling-mcp docling-mcp-server).

이 리뷰는 어떤 버전을 기준으로 하나요?

v2.150.1, 2026년 11월 14일 GitHub Releases에 공개.

Windows에서 작동하나요?

README에 Windows 제한이 언급되지 않습니다.

DocLang과 Markdown의 차이는 무엇인가요?

Markdown은 범용 텍스트 형식이고, DocLang은 더 많은 문서 의미론을 보존하는 Docling 고유의 구조화 형식입니다.

Python만 지원하나요?

네, Docling은 Python 라이브러리이며 Python 3.10 이상(pyproject.toml 기준 3.10~3.14)이 필요합니다.

상업적 목적으로 무료로 사용할 수 있나요?

네. Docling 코드의 MIT 라이선스는 상업 프로젝트에서의 사용을 허용하며 저작권 고지를 유지해야 합니다. 내려받는 모델 가중치는 각자의 라이선스를 따르므로 먼저 확인하세요.

← 고급 로컬 LLM으로 돌아가기

MCP