Unstract

Unstract es una plataforma que usa LLMs para convertir documentos no estructurados —PDFs, imágenes, escaneos— en JSON estructurado. En lugar de escribir regex o plantillas por cada tipo de documento, defines qué extraer con un prompt en Prompt Studio, y ese esquema se aplica a variaciones del mismo tipo de documento sin reescribir código.

Como parte de sus formas de integración, Unstract ofrece un servidor MCP que permite conectar la plataforma a agentes de IA como Claude vía Model Context Protocol, además de despliegue como API REST, pipelines ETL hacia data warehouses y un nodo para n8n. El README no detalla los nombres de las herramientas MCP concretas, sino que remite a la documentación específica del servidor MCP.

Montar la plataforma completa localmente requiere Docker y Docker Compose, al menos 8 GB de RAM, y se levanta con el script ./run-platform.sh, tras lo cual se accede vía navegador con credenciales por defecto (unstract/unstract). Unstract admite múltiples proveedores de LLM (OpenAI, Anthropic, Bedrock, Gemini, Ollama), bases vectoriales (Qdrant, Pinecone, Weaviate) y destinos ETL como Snowflake, BigQuery o Redshift.