Unstructured Transform 集成

集成 Unstructured Transform 工具，使用 LangChain Python。

本指南提供了快速入门 Unstructured Transform 工具 的概述。Unstructured Transform MCP 服务器将文件（PDF、DOCX、图像和 70+ 种文件类型）摄取并转换为分区、增强、分块和嵌入的数据，用于 RAG 和 AI 管道。The langchain-unstructured-transform 包将这些工具作为原生 LangChain 工具加载。

概述

详情

类别	包	可序列化	JS 支持	下载量	版本
UnstructuredTransformToolkit	langchain-unstructured-transform	❌	❌

功能

• 将托管的 Transform MCP 服务器的工具作为原生 LangChain 工具加载。
• 驱动完整的解析生命周期：请求上传 URL、转换文件、轮询状态并获取结果。
• 与任何 LangChain 或 LangGraph 智能体配合使用。
• 远程和托管：无需运行本地服务器或桥梁。

---

设置

要访问 Unstructured Transform 工具，您需要 Unstructured 账户和 API 密钥，并且需要安装 langchain-unstructured-transform 包。

凭证

从 Unstructured 文档 获取 API 密钥，然后 将其设置为环境变量：

Set API key

import getpass
import os

if "UNSTRUCTURED_API_KEY" not in os.environ:
    os.environ["UNSTRUCTURED_API_KEY"] = getpass.getpass("Enter your Unstructured API key: ")

设置 LangSmith 以实现最佳级别的可观察性/跟踪工具调用也很有帮助（但不是必需的）。要启用自动跟踪，请设置您的 LangSmith API 密钥：

Enable tracing

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

安装

Unstructured Transform 工具位于 langchain-unstructured-transform 包中：

pip

pip install -U langchain-unstructured-transform

---

实例化

Transform 工具通过 MCP 加载，这是一个异步操作。使用工具包的 aget_tools() 方法（或 aget_transform_tools() 辅助方法）来加载它们：

Load the tools

from langchain_unstructured_transform import UnstructuredTransformToolkit

toolkit = UnstructuredTransformToolkit()  # reads UNSTRUCTURED_API_KEY
tools = await toolkit.aget_tools()

加载的 tools 包括 request_file_upload_url、transform_files、check_transform_status， 和 get_transform_results。

---

调用

在智能体内部

这些工具设计为由智能体编排，智能体将它们链接起来以运行完整的解析任务。

Agent with tools

# pip install -qU "langchain[anthropic]" to call the model
from langchain.agents import create_agent
from langchain_unstructured_transform import aget_transform_tools

tools = await aget_transform_tools()
agent = create_agent(
    model="claude-sonnet-4-6",
    tools=tools,
)

response = await agent.ainvoke(
    {
        "messages": [
            {
                "role": "user",
                "content": (
                    "Use the Unstructured Transform tools to parse ./report.pdf. "
                    "Provide the results as JSON."
                ),
            }
        ]
    }
)
print(response["messages"][-1].content)

智能体请求上传 URL，上传每个文件，启动转换，轮询状态，并返回结果——每个输入文件一个输出。

---

限制

解析请求有以下限制：

• 每个文件必须是 支持的文件类型。
• 每个文件的大小必须为 50 MB 或更小。
• 每个请求最多包含 10 个文件。
• 同时只能运行 5 个请求。

Transform MCP 服务器通过其工具响应将这些限制报告给智能体，因此您可以指示您的智能体批量处理文件，并在其系统提示中相应地回退。

---

API 参考

有关 Unstructured Transform MCP 服务器的详细文档、其工具以及如何控制其输出的信息，请访问 Unstructured Transform 文档。

---

官方原文：src/oss/python/integrations/tools/unstructured_transform.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。