Skip to main content
Glama
deenesjakoruzh
opendatalab

MinerU Open MCP (Official)

by opendatalab
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

MinerU Open MCP

MinerU-Ecosystem MCP server

Официальный MCP-сервер MinerU, предоставляющий возможности парсинга документов MinerU в качестве инструментов MCP. Подключите любой совместимый с MCP ИИ-клиент для преобразования PDF, документов Word, файлов PowerPoint и изображений в Markdown.

API-ключ не требуется — Flash-режим работает «из коробки», бесплатно и без регистрации, но с более низкими лимитами. Установите MINERU_API_TOKEN, чтобы разблокировать повышенные лимиты и дополнительные форматы вывода.

Примечания для MCP-клиентов с «песочницей» — В некоторых MCP-клиентах файлы, перетаскиваемые в поле ввода, помещаются в «песочницу» во временную директорию. Если вам нужно загрузить и обработать локальные файлы, пожалуйста, указывайте полные пути к целевым файлам в вашем запросе на случай, если сервер не сможет их найти.

⚡ Самый быстрый способ запуска — uvx (установка не требуется)

mineru-open-mcp доступен в PyPI. Если у вас установлен uv, вы можете запустить его напрямую — без отдельного шага установки.

Настройка вашего MCP-клиента

stdio — Claude Desktop, Cursor, Windsurf

MCP-клиент автоматически запускает mineru-open-mcp как подпроцесс.

Использование uvx (рекомендуется — всегда запускает последнюю версию):

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

Нет API-ключа? Сервер работает в Flash-режиме — бесплатно, только markdown, подробнее в документации по Flash-режиму

mineru-open-mcp не найден в PATH? Используйте полный путь: "/Users/you/.local/bin/mineru-open-mcp" или используйте подход с uvx, описанный выше, который обрабатывает это автоматически.

Related MCP server: MinerU MCP Server

Примеры использования

Пример 1: Парсинг локального PDF-документа с указанием диапазона страниц

Запрос пользователя: "Преобразуй 3-5 страницы этого PDF в markdown: <ваш_путь_к_файлу>" Что происходит:

  • MinerU загружает и парсит PDF

  • Возвращает чистый Markdown с сохраненными таблицами (HTML) и формулами (Latex)

  • Возвращает текст в формате markdown в чат, если позволяет длина, вместе с путем к выходному файлу и ссылкой на zip-архив, если вы предпочитаете такой вариант

  • MCP-клиент суммирует содержимое

Пример 2: Парсинг файла по удаленной ссылке

Запрос пользователя: "Извлеки содержимое из этой статьи: https://arxiv.org/pdf/2509.22186" Что происходит:

  • MinerU парсит статью в markdown

  • MCP-клиент форматирует и объясняет таблицы

Пример 3: Парсинг локальных PDF-файлов с независимыми диапазонами страниц

Запрос пользователя: "Преобразуй <файл1> страницы 1-5, <файл2> страницы 2-9, <файл3> страницу 3 в markdown" Что происходит:

  • MinerU загружает и парсит файлы по отдельности

  • Возвращает результаты в целевом формате, ссылку на zip-архив для скачивания, краткое содержание в markdown и директорию, в которую вы хотите сохранить результат

  • MCP-клиент использует содержимое для дальнейшего анализа

Пример 4: Расширенные пользовательские настройки

Запрос пользователя 1: "используй модель pipeline для парсинга этого корейского файла ваш_путь_здесь" Запрос пользователя 2: "парси ваш_путь_здесь и сохрани markdown в ваш_выходной_каталог" Что происходит:

  • Модель pipeline — это еще одна модель, предоставляемая сервисом MinerU (кстати, модель vlm является выбором по умолчанию)

  • Вы можете указать модель, язык OCR или даже отдельную выходную директорию, отличную от OUTPUT_DIR, структурировав свой запрос

  • Ваши запросы параметризуются в инструменте parse_documents, а MinerU берет на себя остальное.

streamable-http — веб-ориентированные MCP-клиенты

Запустите сервер вручную, затем укажите его адрес в клиенте:

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"
    }
  }
}

Функции

  • parse_documents — преобразование локальных файлов и/или удаленных URL в Markdown; ввод поддерживает PDF, изображения (png/jpg/jpeg/jp2/webp/gif/bmp), Doc, Docx, Ppt, PPTx. Flash-режим также поддерживает xlsx.

  • get_ocr_languages — список всех языков OCR, поддерживаемых MinerU

  • Flash-режим — работает без API-ключа (бесплатно, только вывод в markdown, поддерживает PDF/изображения/Docx/PPTx/xls/xlsx); для доступа ко всем функциям, пожалуйста, предоставьте MINERU_API_TOKEN, что отключит Flash-режим.

  • Поведение вывода — парсинг одного файла по умолчанию возвращает Markdown в тексте сообщения; пакетный парсинг сохраняет результаты на диск и возвращает метаданные файла. Слишком объемный контент также сохраняется локально и возвращается через extract_path.

  • Два транспортных режима — stdio, streamable-http

Переменные окружения

Переменная

Описание

По умолчанию

MINERU_API_TOKEN

API-токен MinerU, получите его на MinerU для доступа ко всем возможностям. Если не предоставлен, включен Flash-режим.

—

OUTPUT_DIR

Директория, используемая при необходимости сохранения результатов парсинга локально, например, при пакетном парсинге или для слишком объемного контента

~/mineru-downloads

Политика конфиденциальности

mineru-open-mcp подключается к официальному API MinerU (mineru.net) для парсинга документов.

  • Отправляемые данные: Содержимое документов (файлы или URL, которые вы предоставляете для парсинга)

  • Хранение данных: Результаты парсинга временно кэшируются серверами MinerU; не используются для обучения

  • Сторонние сервисы: API MinerU (mineru.net) — см. Политику конфиденциальности OpenDatalab

  • Локальные данные: Результаты парсинга будут сохранены в целевую выходную директорию. Файлы логов (только если ENABLE_LOG=true) сохраняются в MINERU_LOG_DIR;

  • Контакты: OpenDataLab@pjlab.org.cn (или создайте issue в 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