Mineru MCP 服务端
将 Mineru 官方 PDF 解析能力封装为 FastMCP 服务，便于任意支持 MCP 协议的客户端调用，实现批量 PDF 转 HTML（含图片资源整理与命名）。
功能亮点
- 自动扫描指定目录下的 PDF 文件并批量上传至 Mineru
- 支持自定义语言、表格识别开关、额外输出格式等参数
- 下载 Mineru 返回的 ZIP 结果，自动整理 HTML 与图片资源，支持按文件名规则重命名
- 通过 FastMCP 暴露
convert_pdfs_with_mineru工具，可直接被主流大模型代理调用
环境要求
- Python 3.10 及以上版本
- 可访问
https://mineru.net的网络环境 - Mineru API Token（可通过参数或环境变量
MINERU_API_TOKEN提供）
安装步骤
cd main/mineru_mcp_project
pip install -e .配置 API Token
# PowerShell 示例
$env:MINERU_API_TOKEN = "你的 Mineru Token"也可在调用工具时通过 api_token 参数显式传入。
启动服务
run-mineru-mcp服务默认监听本地 http://127.0.0.1:4399/mcp/。
工具：convert_pdfs_with_mineru
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
pdf_folder | str | – | PDF 文件所在目录（必填） |
output_folder | str | – | 转换结果输出目录（必填） |
api_token | str | None | 可选，若未提供则读取环境变量 MINERU_API_TOKEN |
language | str | "ch" | Mineru 解析语言参数 |
enable_table | bool | True | 是否启用表格识别 |
extra_formats | list[str] | ["html"] | Mineru 额外导出格式列表，应包含 html |
poll_interval | float | 3.0 | 轮询任务状态的时间间隔（秒） |
max_wait | float | 1800.0 | 单批任务的最大等待时间（秒） |
rename_assets_flag | bool | True | 是否对返回的图片资源重命名并同步更新 HTML 引用 |
is_ocr | bool | True | 上传 Mineru 时的 OCR 开关 |
返回结构示例
{
"pdf_total": 12,
"uploaded": 12,
"completed": 12,
"output_directory": "D:/Mineru/output",
"details": [
{"file": "sample.pdf", "stage": "upload", "status": "success", "message": "上传成功"},
{"file": "sample.pdf", "stage": "download", "status": "success", "message": "已保存 sample.html"}
]
}调用 Demo（FastMCP Client）
import asyncio
from fastmcp import Client
client = Client("http://127.0.0.1:4399/mcp/")
async def main():
async with client:
result = await client.call_tool(
"convert_pdfs_with_mineru",
{
"pdf_folder": r"D:\\Docs\\pdf",
"output_folder": r"D:\\Docs\\html",
"poll_interval": 5.0,
"max_wait": 3600.0
}
)
print(result.data)
if __name__ == "__main__":
asyncio.run(main())快速验证
- 准备若干 PDF 放入目标目录，并确保 Token 可用
- 执行
run-mineru-mcp启动服务 - 使用上述 Demo 或 MCP 兼容客户端触发
convert_pdfs_with_mineru - 在
output_folder查看生成的 HTML 及图片资源
常见问题
- 上传失败：检查 Token 是否有效、网络是否通畅，或文件是否过大
- 转换超时：适当增大
max_wait，或缩小单次批量文件数量 - 资源未重命名：将
rename_assets_flag设为True，并确认 ZIP 内存在figure/images等资源文件夹