Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
RAG & Document Chat

Docling em análise: analisador de documentos open source para RAG

·6 min de leituraPor · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

Docling (70.000+ estrelas no GitHub) converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens em Markdown, JSON e HTML para pipelines de RAG e LLM; processa os documentos na sua máquina, oferece um servidor MCP como pacote separado (docling-mcp) e o código é gratuito sob licença MIT. Os pesos de modelos são baixados do Hugging Face no primeiro uso. É uma biblioteca Python (3.10 ou superior) e ferramenta CLI; instale com pip install docling.

Principais conclusões

  • Licença MIT para o código; 70.000+ estrelas no GitHub; iniciado pela IBM Research Zurique e hospedado pela LF AI & Data Foundation.
  • pip install docling — Python 3.10 ou superior (3.10-3.14 conforme o pyproject.toml) necessário.
  • Saídas: Markdown, JSON (com bounding boxes), HTML, DocLang e DocTags.
  • Servidor MCP como pacote separado (docling-mcp): uvx --from=docling-mcp docling-mcp-server.
  • Extração de tabelas e bounding boxes documentados.

📍 Em uma frase

Docling é uma biblioteca Python open source iniciada pela IBM Research Zurique e hospedada pela LF AI & Data Foundation, que converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens em Markdown, JSON e HTML para pipelines de RAG e LLM e processa os documentos na sua máquina; o servidor MCP é o pacote separado docling-mcp.

💬 Em termos simples

Você fornece um arquivo de documento; a biblioteca lê a estrutura e escreve o conteúdo em um formato utilizável por um LLM ou sistema RAG. Seus arquivos não são enviados; os pesos de modelos são baixados do Hugging Face no primeiro uso.

📌Nota: A PromptQuorum não testou o Docling na prática. Todas as informações provêm de github.com/docling-project/docling e docling-project.github.io/docling, consultados em 15 de novembro de 2026.

Docling é uma biblioteca open source de análise de documentos, iniciada pela IBM Research Zurique e hospedada pela LF AI & Data Foundation, que converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens em Markdown, JSON e outros formatos estruturados para pipelines de RAG e LLM. Um servidor MCP está disponível como pacote separado, docling-mcp. Esta análise baseia-se no repositório GitHub do Docling e em docling-project.github.io/docling, consultados em 15 de novembro de 2026; a PromptQuorum não o instalou nem executou.

Docling em análise: analisador de documentos open source para RAG

O que o Docling faz

  • Formatos de entrada. PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens.
  • Formatos de saída. Markdown, JSON, HTML, DocLang e DocTags.
  • OCR. Processa PDFs digitalizados.
  • Extração de tabelas. Detecta e preserva a estrutura das tabelas.
  • Bounding boxes. A saída JSON inclui coordenadas dos elementos.
  • Servidor MCP. O suporte a MCP é um pacote separado, docling-mcp; assistentes de IA compatíveis podem chamar o Docling.

Instalar o Docling

Instala com um único comando pip. Requer Python 3.10 ou superior (3.10-3.14 conforme o pyproject.toml).

Fluxo de dados

  • Processamento local. O processamento de documentos roda na sua máquina; seus arquivos não são enviados. O processamento de PDF baixa pesos de modelos do Hugging Face no primeiro uso e depois roda a partir do cache local (podem ser baixados antes para uso em ambientes isolados da rede).
  • Servidor MCP. O servidor docling-mcp converte localmente por padrão; ele pode ser apontado para um Docling Serve remoto se você configurar isso.
  • Telemetria. Não mencionada no README.

Licença e preço

O código do Docling usa a licença MIT — uso gratuito em projetos comerciais e pessoais. Os pesos de modelos baixados pelo Docling seguem licenças próprias; verifique-as antes de uso comercial.

  • MIT — manter o aviso de copyright.
  • Código gratuito, inclusive para pipelines comerciais e proprietários; os pesos de modelos baixados têm licenças próprias.

Concorrentes e alternativas

Outros analisadores no mesmo segmento:

  • Marker (40.000+ estrelas, código Apache 2.0, pesos de modelos sob licença AI Pubs Open RAIL-M modificada com limites comerciais)
  • MinerU (83.000+ estrelas, MinerU Open Source License (Apache 2.0 mais condições adicionais))
  • Unstructured

Comparar no diretório

Perguntas frequentes

O Docling precisa de GPU?

O README não indica requisito de GPU para a instalação básica.

O Docling envia dados para a IBM?

O processamento de documentos roda na sua máquina; seus arquivos não são enviados. O processamento de PDF baixa pesos de modelos do Hugging Face no primeiro uso e depois roda a partir do cache local (podem ser baixados antes para uso em ambientes isolados da rede). O servidor docling-mcp converte localmente por padrão; ele pode ser apontado para um Docling Serve remoto se você configurar isso. O README não descreve um canal de telemetria, então verifique isso se for relevante para a sua implantação.

O Docling consegue processar PDFs digitalizados?

Sim, inclui OCR para PDFs digitalizados.

O que é o servidor MCP do Docling?

Um servidor MCP que expõe o Docling a assistentes de IA compatíveis. É o pacote separado docling-mcp (uvx --from=docling-mcp docling-mcp-server).

Que versão cobre esta análise?

v2.150.1, lançada a 14 de novembro de 2026.

Que licença usa o Docling?

Licença MIT para o código — uso comercial permitido; mantenha o aviso de copyright. Os pesos de modelos baixados têm licenças próprias.

Funciona no Windows?

O README não menciona restrições no Windows.

Qual é a diferença entre DocLang e Markdown?

Markdown é um formato de texto padrão; DocLang é o formato estruturado proprietário do Docling.

Só suporta Python?

Sim, o Docling é uma biblioteca Python e requer Python 3.10 ou superior (3.10-3.14 conforme o pyproject.toml).

É gratuito para uso comercial?

Sim, a licença MIT do código permite uso comercial; os pesos de modelos baixados têm licenças próprias, verifique-as antes.

← Voltar para LLMs locais avançados

MCP