Skip to main content
Glama
deenesjakoruzh
opendatalab

MinerU Open MCP (Official)

by opendatalab
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

MinerU Open MCP

MinerU-Ecosystem MCP server

Ein offizieller MinerU MCP-Server, der die Dokumenten-Parsing-Funktionen von MinerU als MCP-Tools bereitstellt. Verbinden Sie einen beliebigen MCP-kompatiblen KI-Client, um PDFs, Word-Dokumente, PowerPoint-Dateien und Bilder in Markdown zu konvertieren.

Kein API-Schlüssel erforderlich — Der Flash-Modus funktioniert sofort, ist kostenlos und ohne Registrierung nutzbar, unterliegt jedoch niedrigeren Limits. Setzen Sie MINERU_API_TOKEN, um höhere Limits und zusätzliche Ausgabeformate freizuschalten.

Hinweise für MCP-Clients mit Sandbox – Bei einigen MCP-Clients werden Dateien, die Sie in das Eingabefeld ziehen, in einem temporären Verzeichnis isoliert (Sandboxing). Wenn Sie lokale Dateien hochladen und parsen müssen, geben Sie bitte die vollständigen Pfade der Zieldateien in Ihrem Prompt an, falls die Dateien vom Server nicht gefunden werden können.

⚡ Schnellster Weg zur Ausführung — uvx (keine Installation erforderlich)

mineru-open-mcp ist auf PyPI verfügbar. Wenn uv installiert ist, können Sie es direkt ausführen — ohne separaten Installationsschritt.

Konfigurieren Sie Ihren MCP-Client

stdio — Claude Desktop, Cursor, Windsurf

Der MCP-Client startet mineru-open-mcp automatisch als Subprozess.

Verwendung von uvx (empfohlen — führt immer die neueste Version aus):

{
  "mcpServers": {
    "mineru": {
      "command": "uvx",
      "args": ["mineru-open-mcp"],
      "env": {
        "MINERU_API_TOKEN": "your_key_here"
      }
    }
  }
}

Kein API-Schlüssel? Der Server läuft im Flash-Modus — kostenlos, nur Markdown, erfahren Sie mehr unter Flash Mode Docs

mineru-open-mcp nicht im PATH? Verwenden Sie den vollständigen Pfad: "/Users/you/.local/bin/mineru-open-mcp" oder verwenden Sie den oben genannten uvx-Ansatz, der dies automatisch handhabt.

Related MCP server: MinerU MCP Server

Anwendungsbeispiele

Beispiel 1: Lokales PDF-Dokument mit Zielseitenbereichen parsen

Benutzer-Prompt: "Parse die 3.-5. Seite dieses PDFs in Markdown: <your_path_to_file>" Was passiert:

  • MinerU lädt das PDF hoch und parst es

  • Gibt sauberes Markdown mit Tabellen (HTML) und Formeln (Latex) zurück

  • Gibt Markdown-Texte im Chat zurück, sofern die Länge dies zulässt, zusammen mit dem Ausgabepfad und dem Zip-Link, falls bevorzugt

  • Der MCP-Client fasst den Inhalt zusammen

Beispiel 2: Eine Remote-URL mit einer Datei parsen

Benutzer-Prompt: "Extrahiere den Inhalt aus diesem Paper: https://arxiv.org/pdf/2509.22186" Was passiert:

  • MinerU parst das Paper in Markdown

  • Der MCP-Client formatiert und erklärt die Tabellen

Beispiel 3: Lokale PDF-Dateien mit unabhängigen Seitenbereichen parsen

Benutzer-Prompt: "Parse Seite 1-5, Seite 2-9, Seite 3 in Markdown" Was passiert:

  • MinerU lädt die Dateien hoch und parst sie separat

  • Gibt die Ausgaben im Zielformat, den Zip-Link zum Herunterladen, das Markdown-Abstract und das Verzeichnis zurück, in dem Sie die Ausgabe speichern möchten

  • Der MCP-Client verwendet den Inhalt für weitere Analysen

Beispiel 4: Erweiterte benutzerdefinierte Einstellungen

Benutzer-Prompt1: "Verwende das Pipeline-Modell, um diese koreanische Datei zu parsen: your_path_here" Benutzer-Prompt2: "Parse your_path_here und speichere das Markdown in your_output_dir" Was passiert:

  • Das Pipeline-Modell ist ein weiteres Modell, das vom MinerU-Dienst bereitgestellt wird (übrigens ist das VLM-Modell die Standardwahl)

  • Sie können ein Modell, eine OCR-Sprache oder sogar ein unabhängiges Ausgabeverzeichnis angeben, das sich von OUTPUT_DIR unterscheidet, indem Sie Ihren Prompt entsprechend strukturieren

  • Ihre Anfragen werden in das Tool parse_documents parametrisiert und MinerU erledigt den Rest.

streamable-http — webbasierte MCP-Clients

Starten Sie den Server manuell und verweisen Sie Ihren Client darauf:

MINERU_API_TOKEN=your_key mineru-open-mcp --transport streamable-http --port 8001
{
  "mcpServers": {
    "mineru": {
      "type": "streamableHttp",
      "url": "http://127.0.0.1:8001/mcp"
    }
  }
}

Funktionen

  • parse_documents — Konvertiert lokale Dateien und/oder Remote-URLs in Markdown; Eingabe unterstützt PDF, Bilder (png/jpg/jpeg/jp2/webp/gif/bmp), Doc, Docx, Ppt, PPTx. Der Flash-Modus unterstützt auch xlsx.

  • get_ocr_languages — Listet alle von MinerU unterstützten OCR-Sprachen auf

  • Flash-Modus — Funktioniert ohne API-Schlüssel (kostenlos, nur Markdown-Ausgabe, unterstützt PDF/Bilder/Docx/PPTx/xls/xlsx); Für den vollen Funktionsumfang geben Sie bitte MINERU_API_TOKEN an, wodurch der Flash-Modus deaktiviert wird.

  • Ausgabeverhalten — Einzeldateiparsings geben standardmäßig Inline-Markdown zurück; Batch-Parsings speichern Ergebnisse auf der Festplatte und geben Dateimetadaten zurück. Zu große Inline-Inhalte werden ebenfalls lokal gespeichert und über extract_path zurückgegeben.

  • Zwei Transportmodi — stdio, streamable-http

Umgebungsvariablen

Variable

Beschreibung

Standardwert

MINERU_API_TOKEN

MinerU API-Token, beantragen Sie es auf MinerU für den vollen Funktionsumfang. Wenn nicht angegeben, ist der Flash-Modus aktiviert.

—

OUTPUT_DIR

Verzeichnis, das verwendet wird, wenn geparste Ergebnisse lokal gespeichert werden müssen, z. B. bei Batch-Parsings oder zu großen Inline-Inhalten

~/mineru-downloads

Datenschutzrichtlinie

mineru-open-mcp verbindet sich mit der offiziellen MinerU-API (mineru.net), um Dokumente zu parsen.

  • Gesendete Daten: Dokumentinhalt (Dateien oder URLs, die Sie zum Parsen bereitstellen)

  • Datenspeicherung: Geparste Ergebnisse werden temporär von MinerU-Servern zwischengespeichert; sie werden nicht für das Training verwendet

  • Drittanbieter: MinerU API (mineru.net) — siehe OpenDatalab Privacy Policy

  • Lokale Daten: Geparste Ergebnisse werden im Ziel-Ausgabeverzeichnis gespeichert. Protokolldateien (nur wenn ENABLE_LOG=true) werden in MINERU_LOG_DIR gespeichert;

  • Kontakt: OpenDataLab@pjlab.org.cn (oder erstellen Sie ein Issue unter MinerU-Ecosystem )

Available Tools

2 tools
get_ocr_languagesList OCR language codesA
Read-only

Return supported MinerU OCR and script language codes (e.g. ch, en, japan, latin). Read-only; no uploads. Use before setting the language argument on parse_documents for scanned or multilingual documents. Do not use for file conversion; call parse_documents instead.

ParametersJSON Schema
NameRequiredDescriptionDefault

No parameters

Output Schema

ParametersJSON Schema
NameRequiredDescription

No output parameters

TDQS

A4.9/5.0
Behavior5/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Annotations already declare readOnlyHint=true and destructiveHint=false. The description adds 'Read-only; no uploads,' which reinforces and complements the annotations without contradiction.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

Three succinct sentences with no wasted words. Purpose, behavioral note, and usage guidance are each in separate, front-loaded sentences.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness5/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

For a zero-parameter tool with an output schema, the description adequately covers its purpose, when to use it, and behavioral constraints. No missing information.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters4/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Tool has zero parameters, so schema coverage is 100%. No parameter information needed; baseline is 4. Description correctly omits param details.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose5/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool returns supported OCR language codes, specifying verb 'Return' and resource 'MinerU OCR and script language codes'. It distinguishes from the sibling tool parse_documents.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines5/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

Explicitly states when to use ('before setting the language argument on parse_documents for scanned or multilingual documents') and when not to ('Do not use for file conversion'), with a direct alternative (parse_documents).

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

parse_documentsParse documents to MarkdownA

Convert PDF, Office (DOCX, PPTX), spreadsheets (XLSX in Flash mode), images, and http(s) URLs to Markdown using the MinerU cloud API (content is uploaded to mineru.net; do not use for data that must stay on-device). Does not modify source files; may write Markdown under output_dir when saving results. Auth: without MINERU_API_TOKEN, Flash mode applies (Markdown-only, about 20 pages and 10 MB per file; service rate limits). With MINERU_API_TOKEN, higher limits and optional formats per plan. Use for extraction and conversion. Use get_ocr_languages only to list OCR language codes, not to parse files. Not for fully offline parsing. Parameters: file_sources is paths/URLs or objects with source and pages for PDF ranges; language is an OCR code (default ch); enable_ocr defaults to auto (null); set model to html only if every source is a web page URL.

ParametersJSON Schema
NameRequiredDescriptionDefault
file_sourcesYesFiles to parse. Each entry is either: - a plain string: a local file path or URL - a dict {"source": "...", "pages": "N-M"}: with an optional page range Page range: "N" (single page) or "N-M" (for example "1-10"). PDF only. Duplicate sources are allowed, for example the same PDF with different ranges. Examples: ["report.pdf"] [{"source": "report.pdf", "pages": "1-5"}] [{"source": "a.pdf", "pages": "1-3"}, {"source": "a.pdf", "pages": "10-15"}] ["https://example.com/doc.pdf", "local.docx"]
enable_ocrNoOCR mode: null (default) - auto-detect: the server decides whether OCR is needed. true - force OCR on when the user mentions poor scan quality. false - disable OCR. Omit this parameter unless the user explicitly mentions scan quality issues.
languageNoOCR language code. Omit if unknown; the server defaults to "ch" (Chinese + English). Infer from the document filename when possible, for example "manual_en.pdf" -> "en". Common codes: "ch", "en", "japan", "korean", "latin", "arabic", "cyrillic", "devanagari". Full list: call get_ocr_languages.
modelNoParsing model. Set to "html" only when all file_sources are web page URLs. Otherwise omit it and let MinerU auto-select the appropriate model. Ignored in Flash mode.
output_dirNoDirectory used when parsed results need to be saved locally, such as batch parsing or oversized inline content. Defaults to the server-configured directory.

Output Schema

ParametersJSON Schema
NameRequiredDescription

No output parameters

TDQS

A4.9/5.0
Behavior5/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Discloses data uploaded to mineru.net (beyond annotations), non-destructive nature, and potential file writes. Annotations (readOnlyHint=false, destructiveHint=false, openWorldHint=true) are consistent with description; no contradiction.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

Concise multi-sentence description with logical flow: function, caveats, usage guidance, parameter tips. No redundancy; each sentence adds value.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness5/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Covers complex tool with 5 params, auth modes, output behavior, and offline limitation. Output schema exists, so return value details are not needed. Complete for agent decision-making.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters4/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Schema coverage is 100%, so baseline 3. Description adds value by summarizing key usage hints for parameters (e.g., file_sources examples, enable_ocr auto-detection, model='html' condition). Minor improvement over schema alone.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose5/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the verb 'Convert' and the resource 'PDF, Office, spreadsheets, images, and URLs to Markdown'. It distinguishes from sibling tool get_ocr_languages by noting its exclusive use for listing OCR codes, not parsing.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines5/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

Explicitly states when to use ('Use for extraction and conversion'), when not ('Not for fully offline parsing'), and mentions alternative (get_ocr_languages). Also covers auth-dependent behaviors and rate limits.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 2 tool updatesv1.0.18
    • Addedget_ocr_languages
    • Addedparse_documents
  2. 2 tool updatesv1.0.16
    • Removedget_ocr_languages
    • Removedparse_documents
  3. 2 tool updatesv1.0.15
    • First observedget_ocr_languages
    • First observedparse_documents
Deploy Server
One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

TDQS

A4.6/5.0

Scored across 2 tools

Disambiguation5/5

The two tools have entirely distinct purposes: one lists OCR language codes, the other performs document parsing. There is no overlap or ambiguity.

Naming Consistency5/5

Both tool names follow a clear verb_noun pattern (get_ocr_languages, parse_documents), ensuring predictability and consistency.

Tool Count3/5

With only two tools, the server is at the lower end of reasonable scope. While it covers core functionality, additional tools for status checking or format listing would improve completeness.

Completeness3/5

The tool set covers the primary use case (document conversion) and a helper for language codes, but lacks operations like checking conversion status or listing all supported formats, creating minor gaps.

Maintenance

ActivityInactive
ResponsivenessWithin a week

Resources

Related MCP Connectors

Related MCP Servers