MinerU 接入 RAG 与 Agent 工作流的方式总览
MinerU 是 OpenDataLab 开源的文档解析引擎，把 PDF、DOCX、PPTX、XLSX、图片、网页转成 LLM 可用的 Markdown 和 JSON（GitHub Star 约 8 万，官方 README），对外的集成面一共五类：MCP Server 接 AI 编码工具、原生集成七个主流 RAG 框架、REST API 加 Python/Go/TypeScript SDK 供程序调用、CLI 供脚本批处理、mineru.net 在线版供无代码使用。这篇文章按接入方式拆解各自的做法与选型。工具本身的定位与安装见MinerU 是什么和安装教程。
为什么文档解析质量决定 RAG 上限
RAG 管线的检索切块建立在干净的文档结构上，这是通用事实：切块按标题和段落边界切，表格按行列解析，公式按语义保留，检索命中率和生成准确率才有保障。解析环节丢掉的信息，后面靠换嵌入模型、调切块参数都补不回来。
用坏解析器的典型症状有三类：PDF 表格被拍平成乱序文本，问”第三季度营收”检索到的切块里数字和年份对不上；页眉页脚页码混进每个切块，检索时稀释相关度；双栏论文按坐标直抽，句子逐行交错，嵌入向量的语义完全失真。MinerU 的对策是输出按人类阅读顺序排列的 Markdown，自动去页眉页脚，表格转 HTML、公式转 LaTeX——把这些在解析层解决掉，切块层拿到的就是干净输入。转换质量的具体表现见PDF 转 Markdown 实战。
MCP Server 接入：把解析能力挂进 AI 工具
官方 README 给出 MCP Server 的三个已适配客户端：Cursor、Claude Desktop、Windsurf。接入后，编码或桌面助手里的 Agent 可以直接调用文档解析能力——让 Cursor 读一份本地 PDF 规格书再改代码，或在 Claude Desktop 里把财报解析成 Markdown 再追问细节。
MCP 配置的具体字段（服务名、启动命令、参数）以官方 MCP 文档为准，不同客户端的配置文件格式也不同，这里不抄写易过期的 JSON 片段。配置思路是通用的：在客户端的 MCP 服务器列表里登记 MinerU 服务，客户端启动时拉起进程或连上服务地址，解析工具即出现在 Agent 的工具清单里。MCP 服务器多了之后想统一管理网关，可以看AgentDock 是什么；Claude Code 里配置 MCP 的通用方法另见本站 AI Coding 分类的相关文章。
RAG 框架集成：七个框架的原生支持
官方 README 列出的原生集成框架覆盖了当前主流的 RAG 技术栈：
| 框架 | 定位 | 接入思路 |
|---|---|---|
| LangChain | Python 生态最通用的 LLM 应用框架 | 文档加载器对接，解析结果进切分与检索链 |
| LlamaIndex | 以数据索引见长的 RAG 框架 | Reader 对接，产出 Document/Node 索引 |
| RAGFlow | 深度文档理解的 RAG 引擎 | 解析服务对接其知识库入库流程 |
| RAG-Anything | 围绕多模态文档的 RAG 方案 | 与 MinerU 解析输出深度绑定 |
| Flowise | 低代码 LLM 应用编排 | 节点化调用解析 API |
| Dify | 低代码 LLM 应用与工作流平台 | ETL 环节调 REST API，或用 MinerU 预处理语料后导入知识库 |
| FastGPT | 知识库问答平台 | 预解析语料批量导入 |
集成细节以各框架与 MinerU 官方文档为准，表内思路供评估接入成本用。以 Dify 为例，常见做法是解析跑在 MinerU 侧、知识库归 Dify 管：用脚本批量把 PDF 转成 Markdown，再走 Dify 的导入接口建库；想让这套流程跑在自托管环境里，可参考DeepSeek 加 Dify 的本地部署。RAG-Anything 是列表里最特殊的一个，它整个方案就建立在 MinerU 的解析输出之上，多模态文档的 RAG 可以优先评估。
REST API 与 SDK 接入
程序化接入走四条通道：REST API、Python/Go/TypeScript SDK、CLI、Docker。3.0 起 MinerU 的服务端是 mineru-api，两类端点（官方 Changelog）：异步任务端点 POST /tasks，提交任务、查状态、取结果三步走，适合批处理；同步解析端点 POST /file_parse，向后兼容旧插件，适合单文件即时解析。
| 通道 | 适用场景 | 要点 |
|---|---|---|
REST API POST /tasks | 批量异步解析 | 提交后轮询状态，结果落盘后取回 |
REST API POST /file_parse | 单文件同步解析 | 请求即返回，兼容旧插件 |
| Python / Go / TypeScript SDK | 应用内嵌解析能力 | 语言原生调用，免手写 HTTP |
| CLI（mineru 命令） | 脚本与定时任务 | 未指定 —api-url 时自动拉起本地服务 |
| mineru-router | 多机多 GPU 集群 | 统一入口，接口与 mineru-api 兼容，自带任务负载均衡 |
请求参数、鉴权与返回结构以官方 API 文档为准。工程建议：批量入库一律走异步任务端点，同步端点留给交互式场景；任务规模上去后用 router 把负载摊到多卡，避免单卡排队。
三种后端在解析管线里的选型
后端选型是 RAG 管线里影响成本与质量的第一个决策（以下为工程建议，基准数字出自官方 README）：
| 后端 | RAG 管线里的角色 | 依据 |
|---|---|---|
| pipeline | 批量预处理主力 | 快而稳、无幻觉、纯 CPU 可跑；OmniDocBench v1.6 得分 86.47 |
| hybrid-engine | 复杂版面兜底 | 精度 95.39（high）/ 95.26（medium），medium 快 35%~220% 但不支持图片分析 |
| vlm *-http-client | 对接已有推理服务 | 走 vLLM、SGLang、LMDeploy 等兼容 OpenAI 的服务端，最低 2GB 显存且 CPU 可跑 |
经验路径是两级：全量文档先过 pipeline，扫一遍入库；对检索效果明显差的版面（多栏论文、嵌套表格多的财报）单独用 hybrid 的 medium 档重解析。vlm 后端支持 vLLM、LMDeploy、mlx 生态（官方 README），团队已有推理集群时，http-client 模式让解析节点不占训练卡的显存预算。
国产化与私有化部署
信创环境是 MinerU 的另一块主场。官方口径的国产芯片适配覆盖十家：昇腾（Ascend）、寒武纪（Cambricon）、燧原（Enflame）、沐曦（MetaX）、摩尔线程（Moore Threads）、昆仑芯（Kunlunxin）、天数智芯、海光（Hygon）、壁仞（Biren）、平头哥（T-Head），部署形态支持私有化全离线运行（官方 README）。对涉密单位、金融机构和有数据出境约束的企业，文档不出内网的解析方案加上宽松许可证，构成了完整的落地条件；具体各芯片型号的支持矩阵以官方适配文档为准。
常见问题
mineru mcp 怎么配置？
MinerU 官方提供 MCP Server，适配 Cursor、Claude Desktop、Windsurf 三个客户端（官方 README），在客户端的 MCP 配置里登记 MinerU 服务后即可在对话中调用文档解析。具体配置字段以官方 MCP 文档为准，不同客户端格式略有差异。
mineru rag 接入哪个框架最省事？
LangChain 和 LlamaIndex 适合代码管线，Dify、FastGPT、Flowise 适合低代码场景，RAG-Anything 直接以 MinerU 解析输出为底座（官方 README）。通用做法是 MinerU 批量产出 Markdown 后导入知识库，框架选择跟着现有技术栈走。
mineru api 怎么调用？
3.0 起服务端为 mineru-api：批量任务走 POST /tasks 异步端点，单文件走 POST /file_parse 同步端点（官方 Changelog），另有 Python、Go、TypeScript SDK 封装。参数与返回结构以官方 API 文档为准，CLI 用户不指定 —api-url 时会自动启动本地服务。