custom
基于JSON模板，从文本中精准提取结构化数据的MCP工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：custom。 它的用途是：基于JSON模板，从文本中精准提取结构化数据的MCP工具。 完整的 Skill 内容见：https://321skill.com/skills/custom-custom-context-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请使用context-mcp工具，根据我提供的JSON模板，从这篇产品评测文章中提取出产品名称、优点列表、缺点列表和推荐评分。”，它会要求您提供模板和文本，然后调用工具解析，最终返回一个包含所有指定字段的结构化JSON数据。
介绍
context-mcp 是一款基于 MCP（Model Context Protocol）协议的工具，它解决了从非结构化或半结构化文本中手动提取信息的繁琐问题。用户只需提供一个定义好结构的JSON模板，该工具便能自动解析文本内容，将所需信息填充到模板中，输出格式规整的结构化数据，极大提升了信息处理的效率和准确性。
使用时，您需要先定义好一个JSON模板，描述您希望从文本中提取哪些字段及其数据类型（如字符串、数字、数组等）。然后将此模板和目标文本一同提交给集成了此Skill的AI助手，助手便会调用该工具完成提取工作，返回一个填充好的JSON对象。整个过程无需编写复杂的解析代码。
该工具非常适合需要频繁从文档、报告、网页、日志或对话记录中提取固定格式信息的各类专业人士。例如，数据分析师需要从市场报告中提取关键指标，产品经理需要从用户反馈中整理功能需求点，或内容运营需要从文章中抽取摘要和标签。
建议在使用前，仔细设计JSON模板以确保其能准确覆盖目标文本中的信息点。对于格式极其不规则或信息高度隐含的文本，可能需要结合其他预处理步骤或人工校验。初次使用可从简单的提取任务开始，逐步熟悉模板的编写技巧。
核心特点
与同类文本提取工具相比，其核心在于严格遵循MCP协议，能与Claude等原生支持MCP的AI平台深度集成，实现自然语言交互下的结构化提取。同时，它完全依赖用户定义的JSON模板作为提取蓝图，提供了极高的灵活性和可控性，而非固定的预定义模式。
注意事项
不适合处理格式极度混乱、信息点依赖复杂逻辑推理或需要深度理解上下文语义才能确定的文本提取任务。
常见问题
这个工具需要编程基础吗？
不需要编写提取逻辑的代码，但需要能理解和编写定义数据结构的JSON模板。
它能提取图片或PDF里的文字吗？
不能直接处理，需要先将图片或PDF中的文字通过OCR或其他方式转为纯文本，再交给本工具进行结构化提取。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/custom-custom-context-mcp/raw/index.md 读取 custom 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/custom-custom-context-mcp/raw/index.md（查看排版版本）