Docling em análise: analisador de documentos open source para RAG
·6 min de leitura·Por Hans Kuepper · 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.
⚡Resposta rápida
Docling é o analisador de documentos certo para o meu pipeline de RAG?
Docling é uma boa escolha se precisar de um analisador gratuito, local, que suporte múltiplos formatos e produza Markdown ou JSON para RAG.
→Licença MIT para o código do Docling — gratuito para uso comercial e pessoal; mantenha o aviso de copyright. Os pesos de modelos baixados pelo Docling seguem licenças próprias; verifique-as antes de uso comercial.
→Converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens com um único pip install.
→Produz Markdown, JSON, HTML e formatos proprietários DocLang/DocTags.
→Suporte a MCP pelo pacote separado docling-mcp: assistentes de IA compatíveis podem chamar o Docling.
→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 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).
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))
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.