Merge pull request #2625 from opendatalab/release-2.0.0

Release 2.0.0

projects/mcp/.env.example

+MINERU_API_BASE = "https://mineru.net"
+MINERU_API_KEY = "eyJ0eXB..."
+OUTPUT_DIR=./downloads 
+USE_LOCAL_API=false
+LOCAL_MINERU_API_BASE="http://localhost:8888"
\ No newline at end of file

projects/mcp/.gitignore

+downloads
+.env
+uv.lock
+.venv
+src/mineru/__pycache__
+dist
+.DS_Store
+.cursor
+build
+*.lock
+src/mineru_mcp.egg-info
+test
\ No newline at end of file

projects/mcp/DOCKER_README.md

+# MinerU MCP-Server Docker 部署指南
+
+## 1. 简介
+
+本文档提供了使用 Docker 部署 MinerU MCP-Server 的详细指南。通过 Docker 部署，你可以在任何支持 Docker 的环境中快速启动 MinerU MCP 服务器，无需考虑复杂的环境配置和依赖管理。
+
+Docker 部署的主要优势：
+
+- **一致的运行环境**：确保在任何平台上都有相同的运行环境
+- **简化部署流程**：一键启动，无需手动安装依赖
+- **易于扩展和迁移**：便于在不同环境间迁移和扩展服务
+- **资源隔离**：避免与宿主机其他服务产生冲突
+
+## 2. 先决条件
+
+在开始之前，请确保你的系统已安装以下软件：
+
+- [Docker](https://www.docker.com/get-started) (19.03 或更高版本)
+- [Docker Compose](https://docs.docker.com/compose/install/) (1.27.0 或更高版本)
+
+你可以通过以下命令检查它们是否已正确安装：
+
+```bash
+docker --version
+docker-compose --version
+```
+
+同时，你需要：
+
+- 从 [MinerU 官网](https://mineru.net) 获取的 API 密钥（如果需要使用远程 API）
+- 充足的硬盘空间，用于存储转换后的文件
+
+## 3. 使用 Docker Compose 部署（推荐）
+
+Docker Compose 提供了最简单的部署方式，特别适合快速开始使用或开发环境。
+
+### 3.1 准备配置文件
+
+1. 克隆仓库（如果尚未克隆）：
+
+   ```bash
+   git clone <repository-url>
+   cd mineru-mcp
+   ```
+
+2. 创建环境变量文件：
+
+   ```bash
+   cp .env.example .env
+   ```
+
+3. 编辑 `.env` 文件，设置必要的环境变量：
+
+   ```
+   MINERU_API_BASE=https://mineru.net
+   MINERU_API_KEY=你的API密钥
+   OUTPUT_DIR=./downloads
+   USE_LOCAL_API=false
+   LOCAL_MINERU_API_BASE=http://localhost:8080
+   ```
+
+   如果你计划使用本地 API，请将 `USE_LOCAL_API` 设置为 `true`，并确保 `LOCAL_MINERU_API_BASE` 指向你的本地 API 服务地址。
+
+### 3.2 启动服务
+
+在项目根目录下运行：
+
+```bash
+docker-compose up -d
+```
+
+这将会：
+- 构建 Docker 镜像（如果尚未构建）
+- 创建并启动容器
+- 在后台运行服务 (`-d` 参数)
+
+服务将在 `http://localhost:8001` 上启动。你可以通过 MCP 客户端连接此地址。
+
+### 3.3 查看日志
+
+要查看服务日志，运行：
+
+```bash
+docker-compose logs -f
+```
+
+按 `Ctrl+C` 退出日志查看。
+
+### 3.4 停止服务
+
+要停止服务，运行：
+
+```bash
+docker-compose down
+```
+
+如果你想同时删除构建的镜像，可以使用：
+
+```bash
+docker-compose down --rmi local
+```
+
+## 4. 手动构建和运行 Docker 镜像
+
+如果你需要更多的控制或自定义，你可以手动构建和运行 Docker 镜像。
+
+### 4.1 构建镜像
+
+在项目根目录下运行：
+
+```bash
+docker build -t mineru-mcp:latest .
+```
+
+这将根据 Dockerfile 构建一个名为 `mineru-mcp` 的 Docker 镜像，标签为 `latest`。
+
+### 4.2 运行容器
+
+使用环境变量文件运行容器：
+
+```bash
+docker run -p 8001:8001 --env-file .env mineru-mcp:latest
+```
+
+或者直接指定环境变量：
+
+```bash
+docker run -p 8001:8001 \
+  -e MINERU_API_BASE=https://mineru.net \
+  -e MINERU_API_KEY=你的API密钥 \
+  -e OUTPUT_DIR=/app/downloads \
+  -v $(pwd)/downloads:/app/downloads \
+  mineru-mcp:latest
+```
+
+### 4.3 挂载卷
+
+为了持久化存储转换后的文件，你应该挂载宿主机目录到容器的输出目录：
+
+```bash
+docker run -p 8001:8001 --env-file .env \
+  -v $(pwd)/downloads:/app/downloads \
+  mineru-mcp:latest
+```
+
+这将挂载当前工作目录下的 `downloads` 文件夹到容器内的 `/app/downloads` 目录。
+
+## 5. 环境变量配置
+
+Docker 环境中支持的环境变量与标准环境相同：
+
+| 环境变量 | 说明 | 默认值 |
+| ------------------------- | -------------------------------------------------------------- | ------------------------- |
+| `MINERU_API_BASE` | MinerU 远程 API 的基础 URL | `https://mineru.net` |
+| `MINERU_API_KEY` | MinerU API 密钥，需要从官网申请 | - |
+| `OUTPUT_DIR` | 转换后文件的保存路径 | `/app/downloads` |
+| `USE_LOCAL_API` | 是否使用本地 API 进行解析（仅适用于 `local_parse_pdf` 工具） | `false` |
+| `LOCAL_MINERU_API_BASE` | 本地 API 的基础 URL（当 `USE_LOCAL_API=true` 时有效） | `http://localhost:8080` |
+
+在 Docker 环境中，你可以：
+
+- 通过 `--env-file` 指定环境变量文件
+- 通过 `-e` 参数直接指定环境变量
+- 在 `docker-compose.yml` 文件中的 `environment` 部分配置环境变量

projects/mcp/Dockerfile

+FROM python:3.12-slim
+
+# Set working directory
+WORKDIR /app
+
+# Configure pip to use Alibaba Cloud mirror
+RUN pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
+
+# Install dependencies
+RUN pip install --no-cache-dir poetry
+
+# Copy project files
+COPY pyproject.toml .
+COPY README.md .
+COPY src/ ./src/
+
+# Install the package
+RUN poetry config virtualenvs.create false && \
+    poetry install
+
+# Create downloads directory
+RUN mkdir -p /app/downloads
+
+# Set environment variables
+ENV OUTPUT_DIR=/app/downloads
+# MINERU_API_KEY should be provided at runtime
+ENV MINERU_API_BASE=https://mineru.net
+ENV USE_LOCAL_API=false
+ENV LOCAL_MINERU_API_BASE=""
+
+# Expose the port that SSE will run on
+EXPOSE 8001
+
+# Set command to start the service with SSE transport
+CMD ["mineru-mcp", "--transport", "sse", "--output-dir", "/app/downloads"] 
\ No newline at end of file

projects/mcp/README.md

+# MinerU MCP-Server
+
+## 1. 概述
+
+这个项目提供了一个 **MinerU MCP 服务器** (`mineru-mcp`)，它基于 **FastMCP** 框架构建。其主要功能是作为 **MinerU API** 的接口，用于将文档转换为 Markdown格式。
+
+该服务器通过 MCP 协议公开了以下主要工具：
+
+1. `parse_documents`：统一接口，支持处理本地文件和URL，自动根据配置选择最合适的处理方式，并自动读取转换后的内容
+2. `get_ocr_languages`：获取OCR支持的语言列表
+
+这使得其他应用程序或 MCP 客户端能够轻松地集成 MinerU 的 文档 到 Markdown 转换功能。
+
+## 2. 核心功能
+
+* **文档提取**: 接收文档文件输入（单个或多个 URL、单个或多个本地路径，支持doc、ppt、pdf、图片多种格式），调用 MinerU API 进行内容提取和格式转换，最终生成 Markdown 文件。
+* **批量处理**: 支持同时处理多个文档文件（通过提供由空格、逗号或换行符分隔的 URL 列表或本地文件路径列表）。
+* **OCR 支持**: 可选启用 OCR 功能（默认不开启），以处理扫描版或图片型文档。
+* **多语言支持**: 支持多种语言的识别，可以自动检测文档语言或手动指定。
+* **自动化流程**: 自动处理与 MinerU API 的交互，包括任务提交、状态轮询、结果下载解压、结果文件读取。
+* **本地解析**: 支持调用本地部署的mineru模型直接解析文档，不依赖远程 API，适用于隐私敏感场景或离线环境。
+* **智能路径处理**: 自动识别URL和本地文件路径，根据USE_LOCAL_API配置选择最合适的处理方式。
+
+## 3. 安装
+
+在开始安装之前，请确保您的系统满足以下基本要求：
+* Python >= 3.10
+
+### 3.1 使用 pip 安装 (推荐)
+
+如果你的包已发布到 PyPI 或其他 Python 包索引，可以直接使用 pip 安装：
+
+```bash
+pip install mineru-mcp==1.0.0
+```
+
+目前版本：1.0.0
+
+这种方式适用于不需要修改源代码的普通用户。
+
+### 3.2 从源码安装
+
+如果你需要修改源代码或进行开发，可以从源码安装。
+
+克隆仓库并进入项目目录：
+
+```bash
+git clone <repository-url> # 替换为你的仓库 URL
+cd mineru-mcp
+```
+
+推荐使用 `uv` 或 `pip` 配合虚拟环境进行安装：
+
+**使用 uv (推荐):**
+
+```bash
+# 安装 uv (如果尚未安装)
+# pip install uv
+
+# 创建并激活虚拟环境
+uv venv
+
+# Linux/macOS
+source .venv/bin/activate 
+# Windows
+# .venv\\Scripts\\activate
+
+# 安装依赖和项目
+uv pip install -e .
+```
+
+**使用 pip:**
+
+```bash
+# 创建并激活虚拟环境
+python -m venv .venv
+
+# Linux/macOS
+source .venv/bin/activate 
+# Windows
+# .venv\\Scripts\\activate
+
+# 安装依赖和项目
+pip install -e .
+```
+
+## 4. 环境变量配置
+
+本项目支持通过环境变量进行配置。你可以选择直接设置系统环境变量，或者在项目根目录创建 `.env` 文件（参考 `.env.example` 模板）。
+
+### 4.1 支持的环境变量
+
+| 环境变量                  | 说明                                                            | 默认值                    |
+| ------------------------- | --------------------------------------------------------------- | ------------------------- |
+| `MINERU_API_BASE`       | MinerU 远程 API 的基础 URL                                      | `https://mineru.net`    |
+| `MINERU_API_KEY`        | MinerU API 密钥，需要从[官网](https://mineru.net)申请              | -                         |
+| `OUTPUT_DIR`            | 转换后文件的保存路径                                            | `./downloads`           |
+| `USE_LOCAL_API`         | 是否使用本地 API 进行解析                                      | `false`                 |
+| `LOCAL_MINERU_API_BASE` | 本地 API 的基础 URL（当 `USE_LOCAL_API=true` 时有效）         | `http://localhost:8080` |
+
+### 4.2 远程 API 与本地 API
+
+本项目支持两种 API 模式：
+
+* **远程 API**：默认模式，通过 MinerU 官方提供的云服务进行文档解析。优点是无需本地部署复杂的模型和环境，但需要网络连接和 API 密钥。
+* **本地 API**：在本地部署 MinerU 引擎进行文档解析，适用于对数据隐私有高要求或需要离线使用的场景。设置 `USE_LOCAL_API=true` 时生效。
+
+### 4.3 获取 API 密钥
+
+要获取 `MINERU_API_KEY`，请访问 [MinerU 官网](https://mineru.net) 注册账号并申请 API 密钥。
+
+## 5. 使用方法
+
+### 5.1 工具概览
+
+本项目通过 MCP 协议提供以下工具：
+
+1. **parse_documents**：统一接口，支持处理本地文件和URL，根据 `USE_LOCAL_API` 配置自动选择合适的处理方式，并自动读取转换后的文件内容
+2. **get_ocr_languages**：获取 OCR 支持的语言列表
+
+### 5.2 参数说明
+
+#### 5.2.1 parse_documents
+
+| 参数                | 类型    | 说明                                                                | 默认值   | 适用模式 |
+| ------------------- | ------- | ------------------------------------------------------------------- | -------- | -------- |
+| `file_sources`      | 字符串  | 文件路径或URL，多个可用逗号或换行符分隔 (支持pdf、ppt、pptx、doc、docx以及图片格式jpg、jpeg、png) | -        | 全部 |
+| `enable_ocr`        | 布尔值  | 是否启用 OCR 功能                                                   | `false`  | 全部 |
+| `language`          | 字符串  | 文档语言，默认"ch"中文，可选"en"英文等                            | `ch`     | 全部 |
+| `page_ranges`       | 字符串 (可选) | 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"：表示选取第2页、第4页至第6页；"2--2"：表示从第2页一直选取到倒数第二页。（远程API）  | `None`   | 远程API |
+
+> **注意**：
+> - 当 `USE_LOCAL_API=true` 时，如果提供了URL，这些URL会被过滤掉，只处理本地文件路径
+> - 当 `USE_LOCAL_API=false` 时，会同时处理URL和本地文件路径
+
+#### 5.2.2 get_ocr_languages
+
+无需参数
+
+## 6. MCP 客户端集成
+
+你可以在任何支持 MCP 协议的客户端中使用 MinerU MCP 服务器。
+
+### 6.1 在 Claude 中使用
+
+将 MinerU MCP 服务器配置为 Claude 的工具，即可在 Claude 中直接使用文档转 Markdown 功能。配置工具时详情请参考 MCP 工具配置文档。根据不同的安装和使用场景，你可以选择以下两种配置方式：
+
+#### 6.1.1 源码运行方式
+
+如果你是从源码安装并运行 MinerU MCP，可以使用以下配置。这种方式适合你需要修改源码或者进行开发调试的场景：
+
+```json
+{
+  "mcpServers": {
+    "mineru-mcp": {
+      "command": "uv",
+      "args": ["--directory", "/Users/adrianwang/Documents/minerU-mcp", "run", "-m", "mineru.cli"],
+      "env": {
+        "MINERU_API_BASE": "https://mineru.net",
+        "MINERU_API_KEY": "ey...",
+        "OUTPUT_DIR": "./downloads",
+        "USE_LOCAL_API": "true",
+        "LOCAL_MINERU_API_BASE": "http://localhost:8080"
+      }
+    }
+  }
+}
+```
+
+这种配置的特点：
+
+- 使用 `uv` 命令
+- 通过 `--directory` 参数指定源码所在目录
+- 使用 `-m mineru.cli` 运行模块
+- 适合开发调试和定制化需求
+
+#### 6.1.2 安装包运行方式
+
+如果你是通过 pip 或 uv 安装了 mineru-mcp 包，可以使用以下更简洁的配置。这种方式适合生产环境或日常使用：
+
+```json
+{
+  "mcpServers": {
+    "mineru-mcp": {
+      "command": "uvx",
+      "args": ["mineru-mcp"],
+      "env": {
+        "MINERU_API_BASE": "https://mineru.net",
+        "MINERU_API_KEY": "ey...",
+        "OUTPUT_DIR": "./downloads",
+        "USE_LOCAL_API": "true",
+        "LOCAL_MINERU_API_BASE": "http://localhost:8080"
+      }
+    }
+  }
+}
+```
+
+这种配置的特点：
+
+- 使用 `uvx` 命令直接运行已安装的包
+- 配置更加简洁
+- 不需要指定源码目录
+- 适合稳定的生产环境使用
+
+### 6.2 在 FastMCP 客户端中使用
+
+
+```python
+from fastmcp import FastMCP
+
+# 初始化 FastMCP 客户端
+client = FastMCP(server_url="http://localhost:8001")
+
+# 使用 parse_documents 工具处理单个文档
+result = await client.tool_call(
+    tool_name="parse_documents",
+    params={"file_sources": "/path/to/document.pdf"}
+)
+
+# 混合处理URLs和本地文件
+result = await client.tool_call(
+    tool_name="parse_documents",
+    params={"file_sources": "/path/to/file.pdf, https://example.com/document.pdf"}
+)
+
+# 启用OCR
+result = await client.tool_call(
+    tool_name="parse_documents",
+    params={"file_sources": "/path/to/file.pdf", "enable_ocr": True}
+)
+```
+
+### 6.3 直接运行服务
+
+你可以通过设置环境变量并直接运行命令的方式启动 MinerU MCP 服务器，这种方式特别适合快速测试和开发环境。
+
+#### 6.3.1 设置环境变量
+
+首先，确保设置了必要的环境变量。你可以通过创建 `.env` 文件（参考 `.env.example`）或直接在命令行中设置：
+
+```bash
+# Linux/macOS
+export MINERU_API_BASE="https://mineru.net"
+export MINERU_API_KEY="your-api-key"
+export OUTPUT_DIR="./downloads"
+export USE_LOCAL_API="true"  # 可选，如果需要本地解析
+export LOCAL_MINERU_API_BASE="http://localhost:8080"  # 可选，如果启用本地 API
+
+# Windows
+set MINERU_API_BASE=https://mineru.net
+set MINERU_API_KEY=your-api-key
+set OUTPUT_DIR=./downloads
+set USE_LOCAL_API=true
+set LOCAL_MINERU_API_BASE=http://localhost:8080
+```
+
+#### 6.3.2 启动服务
+
+使用以下命令启动 MinerU MCP 服务器，支持多种传输模式：
+
+**SSE 传输模式**：
+```bash
+uv run mineru-mcp --transport sse
+```
+
+**Streamable HTTP 传输模式**：
+```bash
+uv run mineru-mcp --transport streamable-http
+```
+
+或者，如果你使用全局安装：
+
+```bash
+mineru-mcp --transport sse
+# 或
+mineru-mcp --transport streamable-http
+```
+
+服务默认在 `http://localhost:8001` 启动，使用的传输协议取决于你指定的 `--transport` 参数。
+
+> **注意**：不同传输模式使用不同的路由路径：
+> - SSE 模式：`/sse`（例如：`http://localhost:8001/sse`）
+> - Streamable HTTP 模式：`/mcp`（例如：`http://localhost:8001/mcp`）
+
+
+## 7. Docker 部署
+
+本项目支持使用 Docker 进行部署，使你能在任何支持 Docker 的环境中快速启动 MinerU MCP 服务器。
+
+### 7.1 使用 Docker Compose
+
+1. 确保你已经安装了 Docker 和 Docker Compose
+2. 复制项目根目录中的 `.env.example` 文件为 `.env`，并根据你的需求修改环境变量
+3. 运行以下命令启动服务：
+
+```bash
+docker-compose up -d
+```
+
+服务默认会在 `http://localhost:8001` 启动。
+
+### 7.2 手动构建 Docker 镜像
+
+如果需要手动构建 Docker 镜像，可以使用以下命令：
+
+```bash
+docker build -t mineru-mcp:latest .
+```
+
+然后启动容器：
+
+```bash
+docker run -p 8001:8001 --env-file .env mineru-mcp:latest
+```
+
+更多 Docker 相关信息，请参考 `DOCKER_README.md` 文件。
+
+## 8. 常见问题
+
+### 8.1 API 密钥问题
+
+**问题**：无法连接 MinerU API 或返回 401 错误。
+**解决方案**：检查你的 API 密钥是否正确设置。在 `.env` 文件中确保 `MINERU_API_KEY` 环境变量包含有效的密钥。
+
+### 8.2 如何优雅退出服务
+
+**问题**：如何正确地停止 MinerU MCP 服务？
+**解决方案**：服务运行时，可以通过按 `Ctrl+C` 来优雅地退出。系统会自动处理正在进行的操作，并确保所有资源得到正确释放。如果一次 `Ctrl+C` 没有响应，可以再次按下 `Ctrl+C` 强制退出。
+
+### 8.3 文件路径问题
+
+**问题**：使用 `parse_documents` 工具处理本地文件时报找不到文件错误。
+**解决方案**：请确保使用绝对路径，或者相对于服务器运行目录的正确相对路径。
+
+### 8.4 MCP 服务调用超时问题
+
+**问题**：调用 `parse_documents` 工具时出现 `Error calling tool 'parse_documents': MCP error -32001: Request timed out` 错误。
+**解决方案**：这个问题常见于处理大型文档或网络不稳定的情况。在某些 MCP 客户端（如 Cursor）中，超时后可能导致无法再次调用 MCP 服务，需要重启客户端。最新版本的 Cursor 中可能会显示正在调用 MCP，但实际上没有真正调用成功。建议：
+1. **等待官方修复**：这是Cursor客户端的已知问题，建议等待Cursor官方修复
+2. **处理小文件**：尽量只处理少量小文件，避免处理大型文档导致超时
+3. **分批处理**：将多个文件分成多次请求处理，每次只处理一两个文件
+4. 增加超时时间设置（如果客户端支持）
+5. 对于超时后无法再次调用的问题，需要重启 MCP 客户端
+6. 如果反复出现超时，请检查网络连接或考虑使用本地 API 模式
+

projects/mcp/docker-compose.yml

+version: '3'
+
+services:
+  mineru-mcp:
+    build:
+      context: .
+      dockerfile: Dockerfile
+    ports:
+      - "8001:8001"
+    environment:
+      - MINERU_API_KEY=${MINERU_API_KEY}
+    volumes:
+      - ./downloads:/app/downloads
+    restart: unless-stopped 
\ No newline at end of file

projects/mcp/pyproject.toml

+[project]
+name = "mineru-mcp"
+version = "1.0.0"
+description = "MinerU MCP Server for PDF to Markdown conversion"
+authors = [
+    {name = "minerU",email = "OpenDataLab@pjlab.org.cn"}
+]
+readme = "README.md"
+license = {text = "MIT"}
+requires-python = ">=3.10,<4.0"
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+]
+dependencies = [
+    "fastmcp>=2.5.2",
+    "python-dotenv>=1.0.0",
+    "requests>=2.31.0",
+    "aiohttp>=3.9.0",
+    "httpx>=0.24.0",
+    "uvicorn>=0.20.0",
+    "starlette>=0.27.0",
+]
+
+[project.scripts]
+mineru-mcp = "mineru.cli:main"
+
+[tool.poetry]
+packages = [{include = "mineru", from = "src"}]
+
+[[tool.poetry.source]]
+name = "aliyun"
+url = "https://mirrors.aliyun.com/pypi/simple/"
+priority = "primary"
+
+[build-system]
+requires = ["setuptools>=42.0", "wheel"]
+build-backend = "setuptools.build_meta"

projects/mcp/src/mineru/api.py

+"""MinerU File转Markdown转换的API客户端。"""
+
+import asyncio
+import os
+import zipfile
+from pathlib import Path
+from typing import Any, Dict, List, Optional, Union
+
+import aiohttp
+import requests
+
+from . import config
+
+
+def singleton_func(cls):
+    instance = {}
+
+    def _singleton(*args, **kwargs):
+        if cls not in instance:
+            instance[cls] = cls(*args, **kwargs)
+        return instance[cls]
+
+    return _singleton
+
+
+@singleton_func
+class MinerUClient:
+    """
+    用于与 MinerU API 交互以将 File 转换为 Markdown 的客户端。
+    """
+
+    def __init__(self, api_base: Optional[str] = None, api_key: Optional[str] = None):
+        """
+        初始化 MinerU API 客户端。
+
+        Args:
+            api_base: MinerU API 的基础 URL (默认: 从环境变量获取)
+            api_key: 用于向 MinerU 进行身份验证的 API 密钥 (默认: 从环境变量获取)
+        """
+        self.api_base = api_base or config.MINERU_API_BASE
+        self.api_key = api_key or config.MINERU_API_KEY
+
+        if not self.api_key:
+            # 提供更友好的错误消息
+            raise ValueError(
+                "错误: MinerU API 密钥 (MINERU_API_KEY) 未设置或为空。\n"
+                "请确保已设置 MINERU_API_KEY 环境变量，例如:\n"
+                "  export MINERU_API_KEY='your_actual_api_key'\n"
+                "或者，在项目根目录的 `.env` 文件中定义该变量。"
+            )
+
+    async def _request(self, method: str, endpoint: str, **kwargs) -> Dict[str, Any]:
+        """
+        向 MinerU API 发出请求。
+
+        Args:
+            method: HTTP 方法 (GET, POST 等)
+            endpoint: API 端点路径 (不含基础 URL)
+            **kwargs: 传递给 aiohttp 请求的其他参数
+
+        Returns:
+            dict: API 响应 (JSON 格式)
+        """
+        url = f"{self.api_base}{endpoint}"
+        headers = {
+            "Authorization": f"Bearer {self.api_key}",
+            "Accept": "application/json",
+        }
+
+        if "headers" in kwargs:
+            kwargs["headers"].update(headers)
+        else:
+            kwargs["headers"] = headers
+
+        # 创建一个不包含授权信息的参数副本，用于日志记录
+        log_kwargs = kwargs.copy()
+        if "headers" in log_kwargs and "Authorization" in log_kwargs["headers"]:
+            log_kwargs["headers"] = log_kwargs["headers"].copy()
+            log_kwargs["headers"]["Authorization"] = "Bearer ****"  # 隐藏API密钥
+
+        config.logger.debug(f"API请求: {method} {url}")
+        config.logger.debug(f"请求参数: {log_kwargs}")
+
+        async with aiohttp.ClientSession() as session:
+            async with session.request(method, url, **kwargs) as response:
+                response.raise_for_status()
+                response_json = await response.json()
+
+                config.logger.debug(f"API响应: {response_json}")
+
+                return response_json
+
+    async def submit_file_url_task(
+        self,
+        urls: Union[str, List[Union[str, Dict[str, Any]]], Dict[str, Any]],
+        enable_ocr: bool = True,
+        language: str = "ch",
+        page_ranges: Optional[str] = None,
+    ) -> Dict[str, Any]:
+        """
+        提交 File URL 以转换为 Markdown。支持单个URL或多个URL批量处理。
+
+        Args:
+            urls: 可以是以下形式之一:
+                1. 单个URL字符串
+                2. 多个URL的列表
+                3. 包含URL配置的字典列表，每个字典包含:
+                   - url: File文件URL (必需)
+                   - is_ocr: 是否启用OCR (可选)
+                   - data_id: 文件数据ID (可选)
+                   - page_ranges: 页码范围 (可选)
+            enable_ocr: 是否为转换启用 OCR（所有文件的默认值）
+            language: 指定文档语言，默认 ch，中文
+            page_ranges: 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"表示选取第2页、第4页至第6页；"2--2"表示从第2页到倒数第2页。
+
+        Returns:
+            dict: 任务信息，包括batch_id
+        """
+        # 统计URL数量
+        url_count = 1
+        if isinstance(urls, list):
+            url_count = len(urls)
+        config.logger.debug(
+            f"调用submit_file_url_task: {url_count}个URL, "
+            + f"ocr={enable_ocr}, "
+            + f"language={language}"
+        )
+
+        # 处理输入，确保我们有一个URL配置列表
+        urls_config = []
+
+        # 转换输入为标准格式
+        if isinstance(urls, str):
+            urls_config.append(
+                {"url": urls, "is_ocr": enable_ocr, "page_ranges": page_ranges}
+            )
+
+        elif isinstance(urls, list):
+            # 处理URL列表或URL配置列表
+            for i, url_item in enumerate(urls):
+                if isinstance(url_item, str):
+                    # 简单的URL字符串
+                    urls_config.append(
+                        {
+                            "url": url_item,
+                            "is_ocr": enable_ocr,
+                            "page_ranges": page_ranges,
+                        }
+                    )
+
+                elif isinstance(url_item, dict):
+                    # 含有详细配置的URL字典
+                    if "url" not in url_item:
+                        raise ValueError(f"URL配置必须包含 'url' 字段: {url_item}")
+
+                    url_is_ocr = url_item.get("is_ocr", enable_ocr)
+                    url_page_ranges = url_item.get("page_ranges", page_ranges)
+
+                    url_config = {"url": url_item["url"], "is_ocr": url_is_ocr}
+                    if url_page_ranges is not None:
+                        url_config["page_ranges"] = url_page_ranges
+
+                    urls_config.append(url_config)
+                else:
+                    raise TypeError(f"不支持的URL配置类型: {type(url_item)}")
+        elif isinstance(urls, dict):
+            # 单个URL配置字典
+            if "url" not in urls:
+                raise ValueError(f"URL配置必须包含 'url' 字段: {urls}")
+
+            url_is_ocr = urls.get("is_ocr", enable_ocr)
+            url_page_ranges = urls.get("page_ranges", page_ranges)
+
+            url_config = {"url": urls["url"], "is_ocr": url_is_ocr}
+            if url_page_ranges is not None:
+                url_config["page_ranges"] = url_page_ranges
+
+            urls_config.append(url_config)
+        else:
+            raise TypeError(f"urls 必须是字符串、列表或字典，而不是 {type(urls)}")
+
+        # 构建API请求payload
+        files_payload = urls_config  # 与submit_file_task不同，这里直接使用URLs配置
+
+        payload = {
+            "language": language,
+            "files": files_payload,
+        }
+
+        # 调用批量API
+        response = await self._request(
+            "POST", "/api/v4/extract/task/batch", json=payload
+        )
+
+        # 检查响应
+        if "data" not in response or "batch_id" not in response["data"]:
+            raise ValueError(f"提交批量URL任务失败: {response}")
+
+        batch_id = response["data"]["batch_id"]
+
+        config.logger.info(f"开始处理 {len(urls_config)} 个文件URL")
+        config.logger.debug(f"批量URL任务提交成功，批次ID: {batch_id}")
+
+        # 返回包含batch_id的响应和URLs信息
+        result = {
+            "data": {
+                "batch_id": batch_id,
+                "uploaded_files": [url_config.get("url") for url_config in urls_config],
+            }
+        }
+
+        # 对于单个URL的情况，设置file_name以保持与原来返回格式的兼容性
+        if len(urls_config) == 1:
+            url = urls_config[0]["url"]
+            # 从URL中提取文件名
+            file_name = url.split("/")[-1]
+            result["data"]["file_name"] = file_name
+
+        return result
+
+    async def submit_file_task(
+        self,
+        files: Union[str, List[Union[str, Dict[str, Any]]], Dict[str, Any]],
+        enable_ocr: bool = True,
+        language: str = "ch",
+        page_ranges: Optional[str] = None,
+    ) -> Dict[str, Any]:
+        """
+        提交本地 File 文件以转换为 Markdown。支持单个文件路径或多个文件配置。
+
+        Args:
+            files: 可以是以下形式之一:
+                1. 单个文件路径字符串
+                2. 多个文件路径的列表
+                3. 包含文件配置的字典列表，每个字典包含:
+                   - path/name: 文件路径或文件名
+                   - is_ocr: 是否启用OCR (可选)
+                   - data_id: 文件数据ID (可选)
+                   - page_ranges: 页码范围 (可选)
+            enable_ocr: 是否为转换启用 OCR（所有文件的默认值）
+            language: 指定文档语言，默认 ch，中文
+            page_ranges: 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"表示选取第2页、第4页至第6页；"2--2"表示从第2页到倒数第2页。
+
+        Returns:
+            dict: 任务信息，包括batch_id
+        """
+        # 统计文件数量
+        file_count = 1
+        if isinstance(files, list):
+            file_count = len(files)
+        config.logger.debug(
+            f"调用submit_file_task: {file_count}个文件, "
+            + f"ocr={enable_ocr}, "
+            + f"language={language}"
+        )
+
+        # 处理输入，确保我们有一个文件配置列表
+        files_config = []
+
+        # 转换输入为标准格式
+        if isinstance(files, str):
+            # 单个文件路径
+            file_path = Path(files)
+            if not file_path.exists():
+                raise FileNotFoundError(f"未找到 File 文件: {file_path}")
+
+            files_config.append(
+                {
+                    "path": file_path,
+                    "name": file_path.name,
+                    "is_ocr": enable_ocr,
+                    "page_ranges": page_ranges,
+                }
+            )
+
+        elif isinstance(files, list):
+            # 处理文件路径列表或文件配置列表
+            for i, file_item in enumerate(files):
+                if isinstance(file_item, str):
+                    # 简单的文件路径
+                    file_path = Path(file_item)
+                    if not file_path.exists():
+                        raise FileNotFoundError(f"未找到 File 文件: {file_path}")
+
+                    files_config.append(
+                        {
+                            "path": file_path,
+                            "name": file_path.name,
+                            "is_ocr": enable_ocr,
+                            "page_ranges": page_ranges,
+                        }
+                    )
+
+                elif isinstance(file_item, dict):
+                    # 含有详细配置的文件字典
+                    if "path" not in file_item and "name" not in file_item:
+                        raise ValueError(
+                            f"文件配置必须包含 'path' 或 'name' 字段: {file_item}"
+                        )
+
+                    if "path" in file_item:
+                        file_path = Path(file_item["path"])
+                        if not file_path.exists():
+                            raise FileNotFoundError(f"未找到 File 文件: {file_path}")
+
+                        file_name = file_path.name
+                    else:
+                        file_name = file_item["name"]
+                        file_path = None
+
+                    file_is_ocr = file_item.get("is_ocr", enable_ocr)
+                    file_page_ranges = file_item.get("page_ranges", page_ranges)
+
+                    file_config = {
+                        "path": file_path,
+                        "name": file_name,
+                        "is_ocr": file_is_ocr,
+                    }
+                    if file_page_ranges is not None:
+                        file_config["page_ranges"] = file_page_ranges
+
+                    files_config.append(file_config)
+                else:
+                    raise TypeError(f"不支持的文件配置类型: {type(file_item)}")
+        elif isinstance(files, dict):
+            # 单个文件配置字典
+            if "path" not in files and "name" not in files:
+                raise ValueError(f"文件配置必须包含 'path' 或 'name' 字段: {files}")
+
+            if "path" in files:
+                file_path = Path(files["path"])
+                if not file_path.exists():
+                    raise FileNotFoundError(f"未找到 File 文件: {file_path}")
+
+                file_name = file_path.name
+            else:
+                file_name = files["name"]
+                file_path = None
+
+            file_is_ocr = files.get("is_ocr", enable_ocr)
+            file_page_ranges = files.get("page_ranges", page_ranges)
+
+            file_config = {
+                "path": file_path,
+                "name": file_name,
+                "is_ocr": file_is_ocr,
+            }
+            if file_page_ranges is not None:
+                file_config["page_ranges"] = file_page_ranges
+
+            files_config.append(file_config)
+        else:
+            raise TypeError(f"files 必须是字符串、列表或字典，而不是 {type(files)}")
+
+        # 步骤1: 构建API请求payload
+        files_payload = []
+        for file_config in files_config:
+            file_payload = {
+                "name": file_config["name"],
+                "is_ocr": file_config["is_ocr"],
+            }
+            if "page_ranges" in file_config and file_config["page_ranges"] is not None:
+                file_payload["page_ranges"] = file_config["page_ranges"]
+            files_payload.append(file_payload)
+
+        payload = {
+            "language": language,
+            "files": files_payload,
+        }
+
+        # 步骤2: 获取文件上传URL
+        response = await self._request("POST", "/api/v4/file-urls/batch", json=payload)
+
+        # 检查响应
+        if (
+            "data" not in response
+            or "batch_id" not in response["data"]
+            or "file_urls" not in response["data"]
+        ):
+            raise ValueError(f"获取上传URL失败: {response}")
+
+        batch_id = response["data"]["batch_id"]
+        file_urls = response["data"]["file_urls"]
+
+        if len(file_urls) != len(files_config):
+            raise ValueError(
+                f"上传URL数量 ({len(file_urls)}) 与文件数量 ({len(files_config)}) 不匹配"
+            )
+
+        config.logger.info(f"开始上传 {len(file_urls)} 个本地文件")
+        config.logger.debug(f"获取上传URL成功，批次ID: {batch_id}")
+
+        # 步骤3: 上传所有文件
+        uploaded_files = []
+
+        for i, (file_config, upload_url) in enumerate(zip(files_config, file_urls)):
+            file_path = file_config["path"]
+            if file_path is None:
+                raise ValueError(f"文件 {file_config['name']} 没有有效的路径")
+
+            try:
+                with open(file_path, "rb") as f:
+                    # 重要：不设置Content-Type，让OSS自动处理
+                    response = requests.put(upload_url, data=f)
+
+                    if response.status_code != 200:
+                        raise ValueError(
+                            f"文件上传失败，状态码: {response.status_code}, 响应: {response.text}"
+                        )
+
+                    config.logger.debug(f"文件 {file_path.name} 上传成功")
+                    uploaded_files.append(file_path.name)
+            except Exception as e:
+                raise ValueError(f"文件 {file_path.name} 上传失败: {str(e)}")
+
+        config.logger.info(f"文件上传完成，共 {len(uploaded_files)} 个文件")
+
+        # 返回包含batch_id的响应和已上传的文件信息
+        result = {"data": {"batch_id": batch_id, "uploaded_files": uploaded_files}}
+
+        # 对于单个文件的情况，保持与原来返回格式的兼容性
+        if len(uploaded_files) == 1:
+            result["data"]["file_name"] = uploaded_files[0]
+
+        return result
+
+    async def get_batch_task_status(self, batch_id: str) -> Dict[str, Any]:
+        """
+        获取批量转换任务的状态。
+
+        Args:
+            batch_id: 批量任务的ID
+
+        Returns:
+            dict: 批量任务状态信息
+        """
+        response = await self._request(
+            "GET", f"/api/v4/extract-results/batch/{batch_id}"
+        )
+
+        return response
+
+    async def process_file_to_markdown(
+        self,
+        task_fn,
+        task_arg: Union[str, List[Dict[str, Any]], Dict[str, Any]],
+        enable_ocr: bool = True,
+        output_dir: Optional[str] = None,
+        max_retries: int = 180,
+        retry_interval: int = 10,
+    ) -> Union[str, Dict[str, Any]]:
+        """
+        从开始到结束处理 File 到 Markdown 的转换。
+
+        Args:
+            task_fn: 提交任务的函数 (submit_file_url_task 或 submit_file_task)
+            task_arg: 任务函数的参数，可以是:
+                    - URL字符串
+                    - 文件路径字符串
+                    - 包含文件配置的字典
+                    - 包含多个文件配置的字典列表
+            enable_ocr: 是否启用 OCR
+            output_dir: 结果的输出目录
+            max_retries: 最大状态检查重试次数
+            retry_interval: 状态检查之间的时间间隔 (秒)
+
+        Returns:
+            Union[str, Dict[str, Any]]:
+                - 单文件: 包含提取的 Markdown 文件的目录路径
+                - 多文件: {
+                    "results": [
+                        {
+                            "filename": str,
+                            "status": str,
+                            "content": str,
+                            "error_message": str,
+                        }
+                    ],
+                    "extract_dir": str
+                }
+        """
+        try:
+            # 提交任务 - 使用位置参数调用，而不是命名参数
+            task_info = await task_fn(task_arg, enable_ocr)
+
+            # 批量任务处理
+            batch_id = task_info["data"]["batch_id"]
+
+            # 获取所有上传文件的名称
+            uploaded_files = task_info["data"].get("uploaded_files", [])
+            if not uploaded_files and "file_name" in task_info["data"]:
+                uploaded_files = [task_info["data"]["file_name"]]
+
+            if not uploaded_files:
+                raise ValueError("无法获取上传文件的信息")
+
+            config.logger.debug(f"批量任务提交成功。Batch ID: {batch_id}")
+
+            # 跟踪所有文件的处理状态
+            files_status = {}  # 将使用file_name作为键
+            files_download_urls = {}
+            failed_files = {}  # 记录失败的文件和错误信息
+
+            # 准备输出路径
+            output_path = config.ensure_output_dir(output_dir)
+
+            # 轮询任务完成情况
+            for i in range(max_retries):
+                status_info = await self.get_batch_task_status(batch_id)
+
+                config.logger.debug(f"轮训结果：{status_info}")
+
+                if (
+                    "data" not in status_info
+                    or "extract_result" not in status_info["data"]
+                ):
+                    config.logger.error(f"获取批量任务状态失败: {status_info}")
+                    await asyncio.sleep(retry_interval)
+                    continue
+
+                # 检查所有文件的状态
+                all_done = True
+                has_progress = False
+
+                for result in status_info["data"]["extract_result"]:
+                    file_name = result.get("file_name")
+
+                    if not file_name:
+                        continue
+
+                    # 初始化状态，如果之前没有记录
+                    if file_name not in files_status:
+                        files_status[file_name] = "pending"
+
+                    state = result.get("state")
+                    files_status[file_name] = state
+
+                    if state == "done":
+                        # 保存下载链接
+                        full_zip_url = result.get("full_zip_url")
+                        if full_zip_url:
+                            files_download_urls[file_name] = full_zip_url
+                            config.logger.info(f"文件 {file_name} 处理完成")
+                        else:
+                            config.logger.debug(
+                                f"文件 {file_name} 标记为完成但没有下载链接"
+                            )
+                            all_done = False
+                    elif state in ["failed", "error"]:
+                        err_msg = result.get("err_msg", "未知错误")
+                        failed_files[file_name] = err_msg
+                        config.logger.warning(f"文件 {file_name} 处理失败: {err_msg}")
+                        # 不抛出异常，继续处理其他文件
+                    else:
+                        all_done = False
+                        # 显示进度信息
+                        if state == "running" and "extract_progress" in result:
+                            has_progress = True
+                            progress = result["extract_progress"]
+                            extracted = progress.get("extracted_pages", 0)
+                            total = progress.get("total_pages", 0)
+                            if total > 0:
+                                percent = (extracted / total) * 100
+                                config.logger.info(
+                                    f"处理进度: {file_name} "
+                                    + f"{extracted}/{total} 页 "
+                                    + f"({percent:.1f}%)"
+                                )
+
+                # 检查是否所有文件都已经处理完成
+                expected_file_count = len(uploaded_files)
+                processed_file_count = len(files_status)
+                completed_file_count = len(files_download_urls) + len(failed_files)
+
+                # 记录当前状态
+                config.logger.debug(
+                    f"文件处理状态: all_done={all_done}, "
+                    + f"files_status数量={processed_file_count}, "
+                    + f"上传文件数量={expected_file_count}, "
+                    + f"下载链接数量={len(files_download_urls)}, "
+                    + f"失败文件数量={len(failed_files)}"
+                )
+
+                # 判断是否所有文件都已完成（包括成功和失败的）
+                if (
+                    processed_file_count > 0
+                    and processed_file_count >= expected_file_count
+                    and completed_file_count >= processed_file_count
+                ):
+                    if files_download_urls or failed_files:
+                        config.logger.info("文件处理完成")
+                        if failed_files:
+                            config.logger.warning(
+                                f"有 {len(failed_files)} 个文件处理失败"
+                            )
+                        break
+                    else:
+                        # 这种情况不应该发生，但保险起见
+                        all_done = False
+
+                # 如果没有进度信息，只显示简单的等待消息
+                if not has_progress:
+                    config.logger.info(f"等待文件处理完成... ({i+1}/{max_retries})")
+
+                await asyncio.sleep(retry_interval)
+            else:
+                # 如果超过最大重试次数，检查是否有部分文件完成
+                if not files_download_urls and not failed_files:
+                    raise TimeoutError(f"批量任务 {batch_id} 未在允许的时间内完成")
+                else:
+                    config.logger.warning(
+                        "警告: 部分文件未在允许的时间内完成，" + "继续处理已完成的文件"
+                    )
+
+            # 创建主提取目录
+            extract_dir = output_path / batch_id
+            extract_dir.mkdir(exist_ok=True)
+
+            # 准备结果列表
+            results = []
+
+            # 下载并解压每个成功的文件的结果
+            for file_name, download_url in files_download_urls.items():
+                try:
+                    config.logger.debug
+                    (f"下载文件处理结果: {file_name}")
+
+                    # 从下载URL中提取zip文件名作为子目录名
+                    zip_file_name = download_url.split("/")[-1]
+                    # 去掉.zip扩展名
+                    zip_dir_name = os.path.splitext(zip_file_name)[0]
+
+                    file_extract_dir = extract_dir / zip_dir_name
+                    file_extract_dir.mkdir(exist_ok=True)
+
+                    # 下载ZIP文件
+                    zip_path = output_path / f"{batch_id}_{zip_file_name}"
+
+                    async with aiohttp.ClientSession() as session:
+                        async with session.get(
+                            download_url,
+                            headers={"Authorization": f"Bearer {self.api_key}"},
+                        ) as response:
+                            response.raise_for_status()
+                            with open(zip_path, "wb") as f:
+                                f.write(await response.read())
+
+                    # 解压到子文件夹
+                    with zipfile.ZipFile(zip_path, "r") as zip_ref:
+                        zip_ref.extractall(file_extract_dir)
+
+                    # 解压后删除ZIP文件
+                    zip_path.unlink()
+
+                    # 尝试读取Markdown内容
+                    markdown_content = ""
+                    markdown_files = list(file_extract_dir.glob("*.md"))
+                    if markdown_files:
+                        with open(markdown_files[0], "r", encoding="utf-8") as f:
+                            markdown_content = f.read()
+
+                    # 添加成功结果
+                    results.append(
+                        {
+                            "filename": file_name,
+                            "status": "success",
+                            "content": markdown_content,
+                            "extract_path": str(file_extract_dir),
+                        }
+                    )
+
+                    config.logger.debug(
+                        f"文件 {file_name} 的结果已解压到: {file_extract_dir}"
+                    )
+
+                except Exception as e:
+                    # 下载失败，添加错误结果
+                    error_msg = f"下载结果失败: {str(e)}"
+                    config.logger.error(f"文件 {file_name} {error_msg}")
+                    results.append(
+                        {
+                            "filename": file_name,
+                            "status": "error",
+                            "error_message": error_msg,
+                        }
+                    )
+
+            # 添加处理失败的文件到结果
+            for file_name, error_msg in failed_files.items():
+                results.append(
+                    {
+                        "filename": file_name,
+                        "status": "error",
+                        "error_message": f"处理失败: {error_msg}",
+                    }
+                )
+
+            # 输出处理结果统计
+            success_count = len(files_download_urls)
+            fail_count = len(failed_files)
+            total_count = success_count + fail_count
+
+            config.logger.info("\n=== 文件处理结果统计 ===")
+            config.logger.info(f"总文件数: {total_count}")
+            config.logger.info(f"成功处理: {success_count}")
+            config.logger.info(f"处理失败: {fail_count}")
+
+            if failed_files:
+                config.logger.info("\n失败文件详情:")
+                for file_name, error_msg in failed_files.items():
+                    config.logger.info(f"  - {file_name}: {error_msg}")
+
+            if success_count > 0:
+                config.logger.info(f"\n结果保存目录: {extract_dir}")
+            else:
+                config.logger.info(f"\n输出目录: {extract_dir}")
+
+            # 返回详细结果
+            return {
+                "results": results,
+                "extract_dir": str(extract_dir),
+                "success_count": success_count,
+                "fail_count": fail_count,
+                "total_count": total_count,
+            }
+
+        except Exception as e:
+            config.logger.error(f"处理 File 到 Markdown 失败: {str(e)}")
+            raise

projects/mcp/src/mineru/cli.py

+"""MinerU File转Markdown服务的命令行界面。"""
+
+import sys
+import argparse
+
+from . import config
+from . import server
+
+
+def main():
+    """命令行界面的入口点。"""
+    parser = argparse.ArgumentParser(description="MinerU File转Markdown转换服务")
+
+    parser.add_argument(
+        "--output-dir", "-o", type=str, help="保存转换后文件的目录 (默认: ./downloads)"
+    )
+
+    parser.add_argument(
+        "--transport",
+        "-t",
+        type=str,
+        default="stdio",
+        help="协议类型 (默认: stdio,可选: sse,streamable-http)",
+    )
+
+    parser.add_argument(
+        "--port",
+        "-p",
+        type=int,
+        default=8001,
+        help="服务器端口 (默认: 8001, 仅在使用HTTP协议时有效)",
+    )
+
+    parser.add_argument(
+        "--host",
+        type=str,
+        default="127.0.0.1",
+        help="服务器主机地址 (默认: 127.0.0.1, 仅在使用HTTP协议时有效)",
+    )
+
+    args = parser.parse_args()
+
+    # 检查参数有效性
+    if args.transport == "stdio" and (args.host != "127.0.0.1" or args.port != 8001):
+        print("警告: 在STDIO模式下，--host和--port参数将被忽略", file=sys.stderr)
+
+    # 验证API密钥 - 移动到这里，以便 --help 等参数可以无密钥运行
+    if not config.MINERU_API_KEY:
+        print(
+            "错误: 启动服务需要 MINERU_API_KEY 环境变量。"
+            "\\n请检查是否已设置该环境变量，例如："
+            "\\n  export MINERU_API_KEY='your_actual_api_key'"
+            "\\n或者，确保在项目根目录的 `.env` 文件中定义了该变量。"
+            "\\n\\n您可以使用 --help 查看可用的命令行选项。",
+            file=sys.stderr,  # 将错误消息输出到 stderr
+        )
+        sys.exit(1)
+
+    # 如果提供了输出目录，则进行设置
+    if args.output_dir:
+        server.set_output_dir(args.output_dir)
+
+    # 打印配置信息
+    print("MinerU File转Markdown转换服务启动...")
+    if args.transport in ["sse", "streamable-http"]:
+        print(f"服务器地址: {args.host}:{args.port}")
+    print("按 Ctrl+C 可以退出服务")
+
+    server.run_server(mode=args.transport, port=args.port, host=args.host)
+
+
+if __name__ == "__main__":
+    main()

projects/mcp/src/mineru/config.py

+"""MinerU File转Markdown转换服务的配置工具。"""
+
+import os
+import logging
+from pathlib import Path
+from dotenv import load_dotenv
+
+# 从 .env 文件加载环境变量
+load_dotenv()
+
+# API 配置
+MINERU_API_BASE = os.getenv("MINERU_API_BASE", "https://mineru.net")
+MINERU_API_KEY = os.getenv("MINERU_API_KEY", "")
+
+# 本地API配置
+USE_LOCAL_API = os.getenv("USE_LOCAL_API", "").lower() in ["true", "1", "yes"]
+LOCAL_MINERU_API_BASE = os.getenv("LOCAL_MINERU_API_BASE", "http://localhost:8080")
+
+# 转换后文件的默认输出目录
+DEFAULT_OUTPUT_DIR = os.getenv("OUTPUT_DIR", "./downloads")
+
+
+# 设置日志系统
+def setup_logging():
+    """
+    设置日志系统，根据环境变量配置日志级别。
+
+    Returns:
+        logging.Logger: 配置好的日志记录器。
+    """
+    # 获取环境变量中的日志级别设置
+    log_level = os.getenv("MINERU_LOG_LEVEL", "INFO").upper()
+    debug_mode = os.getenv("MINERU_DEBUG", "").lower() in ["true", "1", "yes"]
+
+    # 如果设置了debug_mode，则覆盖log_level
+    if debug_mode:
+        log_level = "DEBUG"
+
+    # 确保log_level是有效的
+    valid_levels = ["DEBUG", "INFO", "WARNING", "ERROR", "CRITICAL"]
+    if log_level not in valid_levels:
+        log_level = "INFO"
+
+    # 设置日志格式
+    log_format = "%(asctime)s - %(name)s - %(levelname)s - %(message)s"
+
+    # 配置日志
+    logging.basicConfig(level=getattr(logging, log_level), format=log_format)
+
+    logger = logging.getLogger("mineru")
+    logger.setLevel(getattr(logging, log_level))
+
+    # 输出日志级别信息
+    logger.info(f"日志级别设置为: {log_level}")
+
+    return logger
+
+
+# 创建默认的日志记录器
+logger = setup_logging()
+
+
+# 如果输出目录不存在，则创建它
+def ensure_output_dir(output_dir=None):
+    """
+    确保输出目录存在。
+
+    Args:
+        output_dir: 输出目录的可选路径。如果为 None，则使用 DEFAULT_OUTPUT_DIR。
+
+    Returns:
+        表示输出目录的 Path 对象。
+    """
+    output_path = Path(output_dir or DEFAULT_OUTPUT_DIR)
+    output_path.mkdir(parents=True, exist_ok=True)
+    return output_path
+
+
+# 验证 API 配置
+def validate_api_config():
+    """
+    验证是否已设置所需的 API 配置。
+
+    Returns:
+        dict: 配置状态。
+    """
+    return {
+        "api_base": MINERU_API_BASE,
+        "api_key_set": bool(MINERU_API_KEY),
+        "output_dir": DEFAULT_OUTPUT_DIR,
+    }

projects/mcp/src/mineru/examples.py

+"""演示如何使用 MinerU File转Markdown客户端的示例。"""
+
+import os
+import asyncio
+from mcp.client import MCPClient
+
+
+async def convert_file_url_example():
+    """从 URL 转换 File 的示例。"""
+    client = MCPClient("http://localhost:8000")
+
+    # 转换单个 File URL
+    result = await client.call(
+        "convert_file_url", url="https://example.com/sample.pdf", enable_ocr=True
+    )
+    print(f"转换结果: {result}")
+
+    # 转换多个 File URL
+    urls = """
+    https://example.com/doc1.pdf
+    https://example.com/doc2.pdf
+    """
+    result = await client.call("convert_file_url", url=urls, enable_ocr=True)
+    print(f"多个转换结果: {result}")
+
+
+async def convert_file_file_example():
+    """转换本地 File 文件的示例。"""
+    client = MCPClient("http://localhost:8000")
+
+    # 获取测试 File 的绝对路径
+    script_dir = os.path.dirname(os.path.abspath(__file__))
+    project_root = os.path.dirname(os.path.dirname(os.path.dirname(script_dir)))
+    test_file_path = os.path.join(project_root, "test_files", "test.pdf")
+
+    # 转换单个 File 文件
+    result = await client.call(
+        "convert_file_file", file_path=test_file_path, enable_ocr=True
+    )
+    print(f"文件转换结果: {result}")
+
+
+async def get_api_status_example():
+    """获取 API 状态的示例。"""
+    client = MCPClient("http://localhost:8000")
+
+    # 获取 API 状态
+    status = await client.get_resource("status://api")
+    print(f"API 状态: {status}")
+
+    # 获取使用帮助
+    help_text = await client.get_resource("help://usage")
+    print(f"使用帮助: {help_text[:100]}...")  # 显示前 100 个字符
+
+
+async def main():
+    """运行所有示例。"""
+    print("运行 File 到 Markdown 转换示例...")
+
+    # 检查是否设置了 API_KEY
+    if not os.environ.get("MINERU_API_KEY"):
+        print("警告: MINERU_API_KEY 环境变量未设置。")
+        print("使用以下命令设置: export MINERU_API_KEY=your_api_key")
+        print("跳过需要 API 访问的示例...")
+
+        # 仅获取 API 状态
+        await get_api_status_example()
+    else:
+        # 运行所有示例
+        await convert_file_url_example()
+        await convert_file_file_example()
+        await get_api_status_example()
+
+
+if __name__ == "__main__":
+    asyncio.run(main())

projects/mcp/src/mineru/language.py

+"""MinerU支持的语言列表。"""
+
+from typing import Dict, List
+
+# 支持的语言列表
+LANGUAGES: List[Dict[str, str]] = [
+    {"name": "中文", "description": "Chinese & English", "code": "ch"},
+    {"name": "英文", "description": "English", "code": "en"},
+    {"name": "法文", "description": "French", "code": "fr"},
+    {"name": "德文", "description": "German", "code": "german"},
+    {"name": "日文", "description": "Japanese", "code": "japan"},
+    {"name": "韩文", "description": "Korean", "code": "korean"},
+    {"name": "中文繁体", "description": "Chinese Traditional", "code": "chinese_cht"},
+    {"name": "意大利文", "description": "Italian", "code": "it"},
+    {"name": "西班牙文", "description": "Spanish", "code": "es"},
+    {"name": "葡萄牙文", "description": "Portuguese", "code": "pt"},
+    {"name": "俄罗斯文", "description": "Russian", "code": "ru"},
+    {"name": "阿拉伯文", "description": "Arabic", "code": "ar"},
+    {"name": "印地文", "description": "Hindi", "code": "hi"},
+    {"name": "维吾尔", "description": "Uyghur", "code": "ug"},
+    {"name": "波斯文", "description": "Persian", "code": "fa"},
+    {"name": "乌尔都文", "description": "Urdu", "code": "ur"},
+    {"name": "塞尔维亚文（latin)", "description": "Serbian(latin)", "code": "rs_latin"},
+    {"name": "欧西坦文", "description": "Occitan", "code": "oc"},
+    {"name": "马拉地文", "description": "Marathi", "code": "mr"},
+    {"name": "尼泊尔文", "description": "Nepali", "code": "ne"},
+    {
+        "name": "塞尔维亚文（cyrillic)",
+        "description": "Serbian(cyrillic)",
+        "code": "rs_cyrillic",
+    },
+    {"name": "毛利文", "description": "Maori", "code": "mi"},
+    {"name": "马来文", "description": "Malay", "code": "ms"},
+    {"name": "马耳他文", "description": "Maltese", "code": "mt"},
+    {"name": "荷兰文", "description": "Dutch", "code": "nl"},
+    {"name": "挪威文", "description": "Norwegian", "code": "no"},
+    {"name": "波兰文", "description": "Polish", "code": "pl"},
+    {"name": "罗马尼亚文", "description": "Romanian", "code": "ro"},
+    {"name": "斯洛伐克文", "description": "Slovak", "code": "sk"},
+    {"name": "斯洛文尼亚文", "description": "Slovenian", "code": "sl"},
+    {"name": "阿尔巴尼亚文", "description": "Albanian", "code": "sq"},
+    {"name": "瑞典文", "description": "Swedish", "code": "sv"},
+    {"name": "西瓦希里文", "description": "Swahili", "code": "sw"},
+    {"name": "塔加洛文", "description": "Tagalog", "code": "tl"},
+    {"name": "土耳其文", "description": "Turkish", "code": "tr"},
+    {"name": "乌兹别克文", "description": "Uzbek", "code": "uz"},
+    {"name": "越南文", "description": "Vietnamese", "code": "vi"},
+    {"name": "蒙古文", "description": "Mongolian", "code": "mn"},
+    {"name": "车臣文", "description": "Chechen", "code": "che"},
+    {"name": "哈里亚纳语", "description": "Haryanvi", "code": "bgc"},
+    {"name": "保加利亚文", "description": "Bulgarian", "code": "bg"},
+    {"name": "乌克兰文", "description": "Ukranian", "code": "uk"},
+    {"name": "白俄罗斯文", "description": "Belarusian", "code": "be"},
+    {"name": "泰卢固文", "description": "Telugu", "code": "te"},
+    {"name": "阿巴扎文", "description": "Abaza", "code": "abq"},
+    {"name": "泰米尔文", "description": "Tamil", "code": "ta"},
+    {"name": "南非荷兰文", "description": "Afrikaans", "code": "af"},
+    {"name": "阿塞拜疆文", "description": "Azerbaijani", "code": "az"},
+    {"name": "波斯尼亚文", "description": "Bosnian", "code": "bs"},
+    {"name": "捷克文", "description": "Czech", "code": "cs"},
+    {"name": "威尔士文", "description": "Welsh", "code": "cy"},
+    {"name": "丹麦文", "description": "Danish", "code": "da"},
+    {"name": "爱沙尼亚文", "description": "Estonian", "code": "et"},
+    {"name": "爱尔兰文", "description": "Irish", "code": "ga"},
+    {"name": "克罗地亚文", "description": "Croatian", "code": "hr"},
+    {"name": "匈牙利文", "description": "Hungarian", "code": "hu"},
+    {"name": "印尼文", "description": "Indonesian", "code": "id"},
+    {"name": "冰岛文", "description": "Icelandic", "code": "is"},
+    {"name": "库尔德文", "description": "Kurdish", "code": "ku"},
+    {"name": "立陶宛文", "description": "Lithuanian", "code": "lt"},
+    {"name": "拉脱维亚文", "description": "Latvian", "code": "lv"},
+    {"name": "达尔瓦文", "description": "Dargwa", "code": "dar"},
+    {"name": "因古什文", "description": "Ingush", "code": "inh"},
+    {"name": "拉克文", "description": "Lak", "code": "lbe"},
+    {"name": "莱兹甘文", "description": "Lezghian", "code": "lez"},
+    {"name": "塔巴萨兰文", "description": "Tabassaran", "code": "tab"},
+    {"name": "比尔哈文", "description": "Bihari", "code": "bh"},
+    {"name": "迈蒂利文", "description": "Maithili", "code": "mai"},
+    {"name": "昂加文", "description": "Angika", "code": "ang"},
+    {"name": "孟加拉文", "description": "Bhojpuri", "code": "bho"},
+    {"name": "摩揭陀文", "description": "Magahi", "code": "mah"},
+    {"name": "那格浦尔文", "description": "Nagpur", "code": "sck"},
+    {"name": "尼瓦尔文", "description": "Newari", "code": "new"},
+    {"name": "保加利亚文", "description": "Goan Konkani", "code": "gom"},
+    {"name": "梵文", "description": "Sanskrit", "code": "sa"},
+    {"name": "阿瓦尔文", "description": "Avar", "code": "ava"},
+    {"name": "阿瓦尔文", "description": "Avar", "code": "ava"},
+    {"name": "阿迪赫文", "description": "Adyghe", "code": "ady"},
+    {"name": "巴利文", "description": "Pali", "code": "pi"},
+    {"name": "拉丁文", "description": "Latin", "code": "la"},
+]
+
+# 构建语言代码到语言信息的映射字典，便于快速查找
+LANGUAGES_DICT: Dict[str, Dict[str, str]] = {lang["code"]: lang for lang in LANGUAGES}
+
+
+def get_language_list() -> List[Dict[str, str]]:
+    """获取所有支持的语言列表。"""
+    return LANGUAGES
+
+
+def get_language_by_code(code: str) -> Dict[str, str]:
+    """根据语言代码获取语言信息。"""
+    return LANGUAGES_DICT.get(
+        code, {"name": "未知", "description": "Unknown", "code": code}
+    )

projects/mcp/src/mineru/server.py

+"""MinerU File转Markdown转换的FastMCP服务器实现。"""
+
+import json
+import re
+import traceback
+from pathlib import Path
+from typing import Annotated, Any, Dict, List, Optional
+
+import aiohttp
+import uvicorn
+from fastmcp import FastMCP
+from mcp.server.sse import SseServerTransport
+from pydantic import Field
+from starlette.applications import Starlette
+from starlette.requests import Request
+from starlette.routing import Mount, Route
+
+from . import config
+from .api import MinerUClient
+from .language import get_language_list
+
+# 初始化 FastMCP 服务器
+mcp = FastMCP(
+    name="MinerU File to Markdown Conversion",
+    instructions="""
+    一个将文档转化工具，可以将文档转化成Markdown、Json等格式，支持多种文件格式，包括
+    PDF、Word、PPT以及图片格式（JPG、PNG、JPEG）。
+
+    系统工具:
+    parse_documents: 解析文档（支持本地文件和URL，自动读取内容）
+    get_ocr_languages: 获取OCR支持的语言列表
+    """,
+)
+
+# 全局客户端实例
+_client_instance: Optional[MinerUClient] = None
+
+
+def create_starlette_app(mcp_server, *, debug: bool = False) -> Starlette:
+    """创建用于SSE传输的Starlette应用。
+
+    Args:
+        mcp_server: MCP服务器实例
+        debug: 是否启用调试模式
+
+    Returns:
+        Starlette: 配置好的Starlette应用实例
+    """
+    sse = SseServerTransport("/messages/")
+
+    async def handle_sse(request: Request) -> None:
+        """处理SSE连接请求。"""
+        async with sse.connect_sse(
+            request.scope,
+            request.receive,
+            request._send,
+        ) as (read_stream, write_stream):
+            await mcp_server.run(
+                read_stream,
+                write_stream,
+                mcp_server.create_initialization_options(),
+            )
+
+    return Starlette(
+        debug=debug,
+        routes=[
+            Route("/sse", endpoint=handle_sse),
+            Mount("/messages/", app=sse.handle_post_message),
+        ],
+    )
+
+
+def run_server(mode=None, port=8001, host="127.0.0.1"):
+    """运行 FastMCP 服务器。
+
+    Args:
+        mode: 运行模式，支持stdio、sse、streamable-http
+        port: 服务器端口，默认为8001，仅在HTTP模式下有效
+        host: 服务器主机地址，默认为127.0.0.1，仅在HTTP模式下有效
+    """
+    # 确保输出目录存在
+    config.ensure_output_dir(output_dir)
+
+    # 检查是否设置了 API 密钥
+    if not config.MINERU_API_KEY:
+        config.logger.warning("警告: MINERU_API_KEY 环境变量未设置。")
+        config.logger.warning("使用以下命令设置: export MINERU_API_KEY=your_api_key")
+
+    # 获取MCP服务器实例
+    mcp_server = mcp._mcp_server
+
+    try:
+        # 运行服务器
+        if mode == "sse":
+            config.logger.info(f"启动SSE服务器: {host}:{port}")
+            starlette_app = create_starlette_app(mcp_server, debug=True)
+            uvicorn.run(starlette_app, host=host, port=port)
+        elif mode == "streamable-http":
+            config.logger.info(f"启动Streamable HTTP服务器: {host}:{port}")
+            # 在HTTP模式下传递端口参数
+            mcp.run(mode, port=port)
+        else:
+            # 默认stdio模式
+            config.logger.info("启动STDIO服务器")
+            mcp.run(mode or "stdio")
+    except Exception as e:
+        config.logger.error(f"\n❌ 服务异常退出: {str(e)}")
+        traceback.print_exc()
+    finally:
+        # 清理资源
+        cleanup_resources()
+
+
+def cleanup_resources():
+    """清理全局资源。"""
+    global _client_instance
+    if _client_instance is not None:
+        try:
+            # 如果客户端有close方法，调用它
+            if hasattr(_client_instance, "close"):
+                _client_instance.close()
+        except Exception as e:
+            config.logger.error(f"清理客户端资源时出错: {str(e)}")
+        finally:
+            _client_instance = None
+    config.logger.info("资源清理完成")
+
+
+def get_client() -> MinerUClient:
+    """获取 MinerUClient 的单例实例。如果尚未初始化，则进行初始化。"""
+    global _client_instance
+    if _client_instance is None:
+        _client_instance = MinerUClient()  # Initialization happens here
+    return _client_instance
+
+
+# Markdown 文件的输出目录
+output_dir = config.DEFAULT_OUTPUT_DIR
+
+
+def set_output_dir(dir_path: str):
+    """设置转换后文件的输出目录。"""
+    global output_dir
+    output_dir = dir_path
+    config.ensure_output_dir(output_dir)
+    return output_dir
+
+
+def parse_list_input(input_str: str) -> List[str]:
+    """
+    解析可能包含由逗号或换行符分隔的多个项目的字符串输入。
+
+    Args:
+        input_str: 可能包含多个项目的字符串
+
+    Returns:
+        解析出的项目列表
+    """
+    if not input_str:
+        return []
+
+    # 按逗号、换行符或空格分割
+    items = re.split(r"[,\n\s]+", input_str)
+
+    # 移除空项目并处理带引号的项目
+    result = []
+    for item in items:
+        item = item.strip()
+        # 如果存在引号，则移除
+        if (item.startswith('"') and item.endswith('"')) or (
+            item.startswith("'") and item.endswith("'")
+        ):
+            item = item[1:-1]
+
+        if item:
+            result.append(item)
+
+    return result
+
+
+async def convert_file_url(
+    url: str,
+    enable_ocr: bool = False,
+    language: str = "ch",
+    page_ranges: str | None = None,
+) -> Dict[str, Any]:
+    """
+    从URL转换文件到Markdown格式。支持单个或多个URL处理。
+
+    返回:
+        成功: {"status": "success", "result_path": "输出目录路径"}
+        失败: {"status": "error", "error": "错误信息"}
+    """
+    urls_to_process = None
+
+    # 检查是否为字典或字典列表格式的URL配置
+    if isinstance(url, dict):
+        # 单个URL配置字典
+        urls_to_process = url
+    elif isinstance(url, list) and len(url) > 0 and isinstance(url[0], dict):
+        # URL配置字典列表
+        urls_to_process = url
+    elif isinstance(url, str):
+        # 检查是否为 JSON 字符串格式的多URL配置
+        if url.strip().startswith("[") and url.strip().endswith("]"):
+            try:
+                # 尝试解析 JSON 字符串为URL配置列表
+                url_configs = json.loads(url)
+                if not isinstance(url_configs, list):
+                    raise ValueError("JSON URL配置必须是列表格式")
+
+                urls_to_process = url_configs
+            except json.JSONDecodeError:
+                # 不是有效的 JSON，继续使用字符串解析方式
+                pass
+
+    if urls_to_process is None:
+        # 解析普通URL列表
+        urls = parse_list_input(url)
+
+        if not urls:
+            raise ValueError("未提供有效的 URL")
+
+        if len(urls) == 1:
+            # 单个URL处理
+            urls_to_process = {"url": urls[0], "is_ocr": enable_ocr}
+        else:
+            # 多个URL，转换为URL配置列表
+            urls_to_process = []
+            for url_item in urls:
+                urls_to_process.append(
+                    {
+                        "url": url_item,
+                        "is_ocr": enable_ocr,
+                    }
+                )
+
+    # 使用submit_file_url_task处理URLs
+    try:
+        result_path = await get_client().process_file_to_markdown(
+            lambda urls, o: get_client().submit_file_url_task(
+                urls,
+                o,
+                language=language,
+                page_ranges=page_ranges,
+            ),
+            urls_to_process,
+            enable_ocr,
+            output_dir,
+        )
+        return {"status": "success", "result_path": result_path}
+    except Exception as e:
+        return {"status": "error", "error": str(e)}
+
+
+async def convert_file_path(
+    file_path: str,
+    enable_ocr: bool = False,
+    language: str = "ch",
+    page_ranges: str | None = None,
+) -> Dict[str, Any]:
+    """
+    将本地文件转换为Markdown格式。支持单个或多个文件批量处理。
+
+    返回:
+        成功: {"status": "success", "result_path": "输出目录路径"}
+        失败: {"status": "error", "error": "错误信息"}
+    """
+
+    files_to_process = None
+
+    # 检查是否为字典或字典列表格式的文件配置
+    if isinstance(file_path, dict):
+        # 单个文件配置字典
+        files_to_process = file_path
+    elif (
+        isinstance(file_path, list)
+        and len(file_path) > 0
+        and isinstance(file_path[0], dict)
+    ):
+        # 文件配置字典列表
+        files_to_process = file_path
+    elif isinstance(file_path, str):
+        # 检查是否为 JSON 字符串格式的多文件配置
+        if file_path.strip().startswith("[") and file_path.strip().endswith("]"):
+            try:
+                # 尝试解析 JSON 字符串为文件配置列表
+                file_configs = json.loads(file_path)
+                if not isinstance(file_configs, list):
+                    raise ValueError("JSON 文件配置必须是列表格式")
+
+                files_to_process = file_configs
+            except json.JSONDecodeError:
+                # 不是有效的 JSON，继续使用字符串解析方式
+                pass
+
+    if files_to_process is None:
+        # 解析普通文件路径列表
+        file_paths = parse_list_input(file_path)
+
+        if not file_paths:
+            raise ValueError("未提供有效的文件路径")
+
+        if len(file_paths) == 1:
+            # 单个文件处理
+            files_to_process = {
+                "path": file_paths[0],
+                "is_ocr": enable_ocr,
+            }
+        else:
+            # 多个文件路径，转换为文件配置列表
+            files_to_process = []
+            for i, path in enumerate(file_paths):
+                files_to_process.append(
+                    {
+                        "path": path,
+                        "is_ocr": enable_ocr,
+                    }
+                )
+
+    # 使用submit_file_task处理文件
+    try:
+        result_path = await get_client().process_file_to_markdown(
+            lambda files, o: get_client().submit_file_task(
+                files,
+                o,
+                language=language,
+                page_ranges=page_ranges,
+            ),
+            files_to_process,
+            enable_ocr,
+            output_dir,
+        )
+        return {"status": "success", "result_path": result_path}
+    except Exception as e:
+        return {
+            "status": "error",
+            "error": str(e),
+            "params": {
+                "file_path": file_path,
+                "enable_ocr": enable_ocr,
+                "language": language,
+            },
+        }
+
+
+async def local_parse_file(
+    file_path: str,
+    parse_method: str = "auto",
+) -> Dict[str, Any]:
+    """
+    根据环境变量设置使用本地或远程API解析文件。
+
+    返回:
+        成功: {"status": "success", "result": 处理结果} 或 {"status": "success", "result_path": "输出目录路径"}
+        失败: {"status": "error", "error": "错误信息"}
+    """
+    file_path = Path(file_path)
+
+    # 检查文件是否存在
+    if not file_path.exists():
+        return {"status": "error", "error": f"文件不存在: {file_path}"}
+
+    try:
+        # 根据环境变量决定使用本地API还是远程API
+        if config.USE_LOCAL_API:
+            config.logger.debug(f"使用本地API: {config.LOCAL_MINERU_API_BASE}")
+            return await _parse_file_local(
+                file_path=str(file_path),
+                parse_method=parse_method,
+            )
+        else:
+            return {"status": "error", "error": "远程API未配置"}
+    except Exception as e:
+        config.logger.error(f"解析文件时出错: {str(e)}")
+        return {"status": "error", "error": str(e)}
+
+
+async def read_converted_file(
+    file_path: str,
+) -> Dict[str, Any]:
+    """
+    读取解析后的文件内容。主要支持Markdown和其他文本文件格式。
+
+    返回:
+        成功: {"status": "success", "content": "文件内容"}
+        失败: {"status": "error", "error": "错误信息"}
+    """
+    try:
+        target_file = Path(file_path)
+        parent_dir = target_file.parent
+        suffix = target_file.suffix.lower()
+
+        # 支持的文本文件格式
+        text_extensions = [".md", ".txt", ".json", ".html", ".tex", ".latex"]
+
+        if suffix not in text_extensions:
+            return {
+                "status": "error",
+                "error": f"不支持的文件格式: {suffix}。目前仅支持以下格式: {', '.join(text_extensions)}",
+            }
+
+        if not target_file.exists():
+            if not parent_dir.exists():
+                return {"status": "error", "error": f"目录 {parent_dir} 不存在"}
+
+            # 递归搜索所有子目录下的同后缀文件
+            similar_files_paths = [
+                str(f) for f in parent_dir.rglob(f"*{suffix}") if f.is_file()
+            ]
+
+            if similar_files_paths:
+                if len(similar_files_paths) == 1:
+                    # 如果只找到一个文件，直接读取并返回内容
+                    alternative_file = similar_files_paths[0]
+                    try:
+                        with open(alternative_file, "r", encoding="utf-8") as f:
+                            content = f.read()
+                        return {
+                            "status": "success",
+                            "content": content,
+                            "message": f"未找到文件 {target_file.name}，但找到了 {Path(alternative_file).name}，已返回其内容",
+                        }
+                    except Exception as e:
+                        return {
+                            "status": "error",
+                            "error": f"尝试读取替代文件时出错: {str(e)}",
+                        }
+                else:
+                    # 如果找到多个文件，提供建议列表
+                    suggestion = f"你是否在找: {', '.join(similar_files_paths)}?"
+                    return {
+                        "status": "error",
+                        "error": f"文件 {target_file.name} 不存在。在 {parent_dir} 及其子目录下找到以下同类型文件。{suggestion}",
+                    }
+            else:
+                return {
+                    "status": "error",
+                    "error": f"文件 {target_file.name} 不存在，且在目录 {parent_dir} 及其子目录下未找到其他 {suffix} 文件。",
+                }
+
+        # 以文本模式读取
+        with open(target_file, "r", encoding="utf-8") as f:
+            content = f.read()
+        return {"status": "success", "content": content}
+
+    except Exception as e:
+        config.logger.error(f"读取文件时出错: {str(e)}")
+        return {"status": "error", "error": str(e)}
+
+
+async def find_and_read_markdown_content(result_path: str) -> Dict[str, Any]:
+    """
+    在给定的路径中寻找并读取Markdown文件内容。
+    查找所有可能的文件位置，返回所有找到的有效内容。
+
+    Args:
+        result_path: 结果目录路径
+
+    Returns:
+        Dict[str, Any]: 包含所有文件内容或错误信息的字典
+    """
+    if not result_path:
+        return {"status": "warning", "message": "未提供有效的结果路径"}
+
+    base_path = Path(result_path)
+    if not base_path.exists():
+        return {"status": "warning", "message": f"结果路径不存在: {result_path}"}
+
+    # 使用集合来存储文件路径，确保唯一性
+    unique_files = set()
+
+    # 添加常见文件名
+    common_files = [
+        base_path / "full.md",
+        base_path / "full.txt",
+        base_path / "output.md",
+        base_path / "result.md",
+    ]
+    for f in common_files:
+        if f.exists():
+            unique_files.add(str(f))
+
+    # 添加子目录中的常见文件名
+    for subdir in base_path.iterdir():
+        if subdir.is_dir():
+            subdir_files = [
+                subdir / "full.md",
+                subdir / "full.txt",
+                subdir / "output.md",
+                subdir / "result.md",
+            ]
+            for f in subdir_files:
+                if f.exists():
+                    unique_files.add(str(f))
+
+    # 查找所有的.md和.txt文件
+    for md_file in base_path.glob("**/*.md"):
+        unique_files.add(str(md_file))
+    for txt_file in base_path.glob("**/*.txt"):
+        unique_files.add(str(txt_file))
+
+    # 将集合转换回Path对象列表
+    possible_files = [Path(f) for f in unique_files]
+
+    config.logger.debug(f"找到 {len(possible_files)} 个可能的文件")
+
+    # 收集所有找到的有效文件内容
+    found_contents = []
+
+    # 尝试读取每个可能的文件
+    for file_path in possible_files:
+        if file_path.exists():
+            result = await read_converted_file(str(file_path))
+            if result["status"] == "success":
+                config.logger.debug(f"成功读取文件内容: {file_path}")
+                found_contents.append(
+                    {"file_path": str(file_path), "content": result["content"]}
+                )
+
+    # 如果找到了文件内容
+    if found_contents:
+        config.logger.debug(f"在结果目录中找到了 {len(found_contents)} 个可读取的文件")
+        # 如果只找到一个文件，保持向后兼容的返回格式
+        if len(found_contents) == 1:
+            return {
+                "status": "success",
+                "content": found_contents[0]["content"],
+                "file_path": found_contents[0]["file_path"],
+            }
+        # 如果找到多个文件，返回内容列表
+        else:
+            return {"status": "success", "contents": found_contents}
+
+    # 如果没有找到任何有效的文件
+    return {
+        "status": "warning",
+        "message": f"无法在结果目录中找到可读取的Markdown文件: {result_path}",
+    }
+
+
+async def _process_conversion_result(
+    result: Dict[str, Any], source: str, is_url: bool = False
+) -> Dict[str, Any]:
+    """
+    处理转换结果，统一格式化输出。
+
+    Args:
+        result: 转换函数返回的结果
+        source: 源文件路径或URL
+        is_url: 是否为URL
+
+    Returns:
+        格式化后的结果字典
+    """
+    filename = source.split("/")[-1]
+    if is_url and "?" in filename:
+        filename = filename.split("?")[0]
+    elif not is_url:
+        filename = Path(source).name
+
+    base_result = {
+        "filename": filename,
+        "source_url" if is_url else "source_path": source,
+    }
+
+    if result["status"] == "success":
+        # 获取result_path，可能是字符串或字典
+        result_path = result.get("result_path")
+
+        # 记录调试信息
+        config.logger.debug(f"处理结果 result_path 类型: {type(result_path)}")
+
+        if result_path:
+            # 情况1: result_path是字典且包含results字段（批量处理结果）
+            if isinstance(result_path, dict) and "results" in result_path:
+                config.logger.debug("检测到批量处理结果格式")
+
+                # 查找与当前源文件匹配的结果
+                for item in result_path.get("results", []):
+                    if item.get("filename") == filename or (
+                        not is_url and Path(source).name == item.get("filename")
+                    ):
+                        # 直接返回匹配项的状态，无论是success还是error
+                        if item.get("status") == "success" and "content" in item:
+                            base_result.update(
+                                {
+                                    "status": "success",
+                                    "content": item.get("content", ""),
+                                }
+                            )
+                            # 如果有extract_path，也添加进去
+                            if "extract_path" in item:
+                                base_result["extract_path"] = item["extract_path"]
+                            return base_result
+                        elif item.get("status") == "error":
+                            # 处理失败的文件，直接返回error状态
+                            base_result.update(
+                                {
+                                    "status": "error",
+                                    "error_message": item.get(
+                                        "error_message", "文件处理失败"
+                                    ),
+                                }
+                            )
+                            return base_result
+
+                # 如果没有找到匹配的结果，但有extract_dir，尝试从那里读取
+                if "extract_dir" in result_path:
+                    config.logger.debug(
+                        f"尝试从extract_dir读取: {result_path['extract_dir']}"
+                    )
+                    try:
+                        content_result = await find_and_read_markdown_content(
+                            result_path["extract_dir"]
+                        )
+                        if content_result.get("status") == "success":
+                            base_result.update(
+                                {
+                                    "status": "success",
+                                    "content": content_result.get("content", ""),
+                                    "extract_path": result_path["extract_dir"],
+                                }
+                            )
+                            return base_result
+                    except Exception as e:
+                        config.logger.error(f"从extract_dir读取内容时出错: {str(e)}")
+
+                # 如果上述方法都失败，返回错误
+                base_result.update(
+                    {
+                        "status": "error",
+                        "error_message": "未能在批量处理结果中找到匹配的内容",
+                    }
+                )
+
+            # 情况2: result_path是字符串（传统格式）
+            elif isinstance(result_path, str):
+                config.logger.debug(f"处理传统格式结果路径: {result_path}")
+                content_result = await find_and_read_markdown_content(result_path)
+                if content_result.get("status") == "success":
+                    base_result.update(
+                        {
+                            "status": "success",
+                            "content": content_result.get("content", ""),
+                            "extract_path": result_path,
+                        }
+                    )
+                else:
+                    base_result.update(
+                        {
+                            "status": "error",
+                            "error_message": f"无法读取转换结果: {content_result.get('message', '')}",
+                        }
+                    )
+
+            # 情况3: result_path是其他类型的字典（尝试处理）
+            elif isinstance(result_path, dict):
+                config.logger.debug(f"处理其他字典格式: {result_path}")
+                # 尝试从字典中提取可能的路径
+                extract_path = (
+                    result_path.get("extract_dir")
+                    or result_path.get("path")
+                    or result_path.get("dir")
+                )
+                if extract_path and isinstance(extract_path, str):
+                    try:
+                        content_result = await find_and_read_markdown_content(
+                            extract_path
+                        )
+                        if content_result.get("status") == "success":
+                            base_result.update(
+                                {
+                                    "status": "success",
+                                    "content": content_result.get("content", ""),
+                                    "extract_path": extract_path,
+                                }
+                            )
+                            return base_result
+                    except Exception as e:
+                        config.logger.error(f"从extract_path读取内容时出错: {str(e)}")
+
+                # 如果没有找到有效路径，返回错误
+                base_result.update(
+                    {"status": "error", "error_message": "转换结果格式无法识别"}
+                )
+            else:
+                # 情况4: result_path是其他类型（错误）
+                base_result.update(
+                    {
+                        "status": "error",
+                        "error_message": f"无法识别的result_path类型: {type(result_path)}",
+                    }
+                )
+        else:
+            base_result.update(
+                {"status": "error", "error_message": "转换成功但未返回结果路径"}
+            )
+    else:
+        base_result.update(
+            {"status": "error", "error_message": result.get("error", "未知错误")}
+        )
+
+    return base_result
+
+
+@mcp.tool()
+async def parse_documents(
+    file_sources: Annotated[
+        str,
+        Field(
+            description="""文件路径或URL，支持以下格式:
+            - 单个路径或URL: "/path/to/file.pdf" 或 "https://example.com/document.pdf"
+            - 多个路径或URL(逗号分隔): "/path/to/file1.pdf, /path/to/file2.pdf" 或
+              "https://example.com/doc1.pdf, https://example.com/doc2.pdf"
+            - 混合路径和URL: "/path/to/file.pdf, https://example.com/document.pdf"
+            (支持pdf、ppt、pptx、doc、docx以及图片格式jpg、jpeg、png)"""
+        ),
+    ],
+    # 通用参数
+    enable_ocr: Annotated[bool, Field(description="启用OCR识别,默认False")] = False,
+    language: Annotated[
+        str, Field(description='文档语言，默认"ch"中文，可选"en"英文等')
+    ] = "ch",
+    # 远程API参数
+    page_ranges: Annotated[
+        str | None,
+        Field(
+            description='指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"：表示选取第2页、第4页至第6页；"2--2"：表示从第2页一直选取到倒数第二页。（远程API）,默认None'
+        ),
+    ] = None,
+) -> Dict[str, Any]:
+    """
+    统一接口，将文件转换为Markdown格式。支持本地文件和URL，会根据USE_LOCAL_API配置自动选择合适的处理方式。
+
+    当USE_LOCAL_API=true时:
+    - 会过滤掉http/https开头的URL路径
+    - 对本地文件使用本地API进行解析
+
+    当USE_LOCAL_API=false时:
+    - 将http/https开头的路径使用convert_file_url处理
+    - 将其他路径使用convert_file_path处理
+
+    处理完成后，会自动尝试读取转换后的文件内容并返回。
+
+    返回:
+        成功: {"status": "success", "content": "文件内容"} 或 {"status": "success", "results": [处理结果列表]}
+        失败: {"status": "error", "error": "错误信息"}
+    """
+    # 解析路径列表
+    sources = parse_list_input(file_sources)
+    if not sources:
+        return {"status": "error", "error": "未提供有效的文件路径或URL"}
+
+    # 去重处理，使用字典来保持原始顺序
+    sources = list(dict.fromkeys(sources))
+
+    config.logger.debug(f"去重后的文件路径: {sources}")
+
+    # 记录去重信息
+    original_count = len(parse_list_input(file_sources))
+    unique_count = len(sources)
+    if original_count > unique_count:
+        config.logger.debug(
+            f"检测到重复路径，已自动去重: {original_count} -> {unique_count}"
+        )
+
+    # 将路径分类
+    url_paths = []
+    file_paths = []
+
+    for source in sources:
+        if source.lower().startswith(("http://", "https://")):
+            url_paths.append(source)
+        else:
+            file_paths.append(source)
+
+    results = []
+
+    # 根据USE_LOCAL_API决定处理方式
+    if config.USE_LOCAL_API:
+        # 在本地API模式下，只处理本地文件路径
+        if not file_paths:
+            return {
+                "status": "warning",
+                "message": "在本地API模式下，无法处理URL，且未提供有效的本地文件路径",
+            }
+
+        config.logger.info(f"使用本地API处理 {len(file_paths)} 个文件")
+
+        # 逐个处理本地文件
+        for path in file_paths:
+            try:
+                # 跳过不存在的文件
+                if not Path(path).exists():
+                    results.append(
+                        {
+                            "filename": Path(path).name,
+                            "source_path": path,
+                            "status": "error",
+                            "error_message": f"文件不存在: {path}",
+                        }
+                    )
+                    continue
+
+                result = await local_parse_file(
+                    file_path=path,
+                    parse_method=(
+                        "ocr" if enable_ocr else "txt"
+                    ),  # 如果启用OCR，使用ocr，否则使用txt
+                )
+
+                # 添加文件名信息
+                result_with_filename = {
+                    "filename": Path(path).name,
+                    "source_path": path,
+                    **result,
+                }
+                results.append(result_with_filename)
+
+            except Exception as e:
+                # 处理文件时出现异常，记录错误但继续处理下一个文件
+                config.logger.error(f"处理文件 {path} 时出现错误: {str(e)}")
+                results.append(
+                    {
+                        "filename": Path(path).name,
+                        "source_path": path,
+                        "status": "error",
+                        "error_message": f"处理文件时出现异常: {str(e)}",
+                    }
+                )
+
+    else:
+        # 在远程API模式下，分别处理URL和本地文件路径
+        if url_paths:
+            config.logger.info(f"使用远程API处理 {len(url_paths)} 个文件URL")
+
+            try:
+                # 调用convert_file_url处理URLs
+                url_result = await convert_file_url(
+                    url=",".join(url_paths),
+                    enable_ocr=enable_ocr,
+                    language=language,
+                    page_ranges=page_ranges,
+                )
+
+                if url_result["status"] == "success":
+                    # 为每个URL生成对应的结果
+                    for url in url_paths:
+                        result_item = await _process_conversion_result(
+                            url_result, url, is_url=True
+                        )
+                        results.append(result_item)
+                else:
+                    # 转换失败，为所有URL添加错误结果
+                    for url in url_paths:
+                        results.append(
+                            {
+                                "filename": url.split("/")[-1].split("?")[0],
+                                "source_url": url,
+                                "status": "error",
+                                "error_message": url_result.get("error", "URL处理失败"),
+                            }
+                        )
+
+            except Exception as e:
+                config.logger.error(f"处理URL时出现错误: {str(e)}")
+                for url in url_paths:
+                    results.append(
+                        {
+                            "filename": url.split("/")[-1].split("?")[0],
+                            "source_url": url,
+                            "status": "error",
+                            "error_message": f"处理URL时出现异常: {str(e)}",
+                        }
+                    )
+
+        if file_paths:
+            config.logger.info(f"使用远程API处理 {len(file_paths)} 个本地文件")
+
+            # 过滤出存在的文件
+            existing_files = []
+            for file_path in file_paths:
+                if not Path(file_path).exists():
+                    results.append(
+                        {
+                            "filename": Path(file_path).name,
+                            "source_path": file_path,
+                            "status": "error",
+                            "error_message": f"文件不存在: {file_path}",
+                        }
+                    )
+                else:
+                    existing_files.append(file_path)
+
+            if existing_files:
+                try:
+                    # 调用convert_file_path处理本地文件
+                    file_result = await convert_file_path(
+                        file_path=",".join(existing_files),
+                        enable_ocr=enable_ocr,
+                        language=language,
+                        page_ranges=page_ranges,
+                    )
+
+                    config.logger.debug(f"file_result: {file_result}")
+
+                    if file_result["status"] == "success":
+                        # 为每个文件生成对应的结果
+                        for file_path in existing_files:
+                            result_item = await _process_conversion_result(
+                                file_result, file_path, is_url=False
+                            )
+                            results.append(result_item)
+                    else:
+                        # 转换失败，为所有文件添加错误结果
+                        for file_path in existing_files:
+                            results.append(
+                                {
+                                    "filename": Path(file_path).name,
+                                    "source_path": file_path,
+                                    "status": "error",
+                                    "error_message": file_result.get(
+                                        "error", "文件处理失败"
+                                    ),
+                                }
+                            )
+
+                except Exception as e:
+                    config.logger.error(f"处理本地文件时出现错误: {str(e)}")
+                    for file_path in existing_files:
+                        results.append(
+                            {
+                                "filename": Path(file_path).name,
+                                "source_path": file_path,
+                                "status": "error",
+                                "error_message": f"处理文件时出现异常: {str(e)}",
+                            }
+                        )
+
+    # 处理结果为空的情况
+    if not results:
+        return {"status": "error", "error": "未处理任何文件"}
+
+    # 计算成功和失败的统计信息
+    success_count = len([r for r in results if r.get("status") == "success"])
+    error_count = len([r for r in results if r.get("status") == "error"])
+    total_count = len(results)
+
+    # 只有一个结果时，直接返回该结果（保持向后兼容）
+    if len(results) == 1:
+        result = results[0].copy()
+        # 为了向后兼容，移除新增的字段
+        if "filename" in result:
+            del result["filename"]
+        if "source_path" in result:
+            del result["source_path"]
+        if "source_url" in result:
+            del result["source_url"]
+        return result
+
+    # 多个结果时，返回详细的结果列表
+    # 根据成功/失败情况决定整体状态
+    overall_status = "success"
+    if success_count == 0:
+        # 所有文件都失败
+        overall_status = "error"
+    elif error_count > 0:
+        # 有部分文件失败，但不是全部
+        overall_status = "partial_success"
+
+    return {
+        "status": overall_status,
+        "results": results,
+        "summary": {
+            "total_files": total_count,
+            "success_count": success_count,
+            "error_count": error_count,
+        },
+    }
+
+
+@mcp.tool()
+async def get_ocr_languages() -> Dict[str, Any]:
+    """
+    获取 OCR 支持的语言列表。
+
+    Returns:
+        Dict[str, Any]: 包含所有支持的OCR语言列表的字典
+    """
+    try:
+        # 从language模块获取语言列表
+        languages = get_language_list()
+        return {"status": "success", "languages": languages}
+    except Exception as e:
+        return {"status": "error", "error": str(e)}
+
+
+async def _parse_file_local(
+    file_path: str,
+    parse_method: str = "auto",
+) -> Dict[str, Any]:
+    """
+    使用本地API解析文件。
+
+    Args:
+        file_path: 要解析的文件路径
+        parse_method: 解析方法
+        output_dir: 输出目录
+
+    Returns:
+        Dict[str, Any]: 包含解析结果的字典
+    """
+    # API URL路径
+    api_url = f"{config.LOCAL_MINERU_API_BASE}/file_parse"
+
+    # 使用Path对象确保文件路径正确
+    file_path_obj = Path(file_path)
+    if not file_path_obj.exists():
+        raise FileNotFoundError(f"文件不存在: {file_path}")
+
+    # 读取文件二进制数据
+    with open(file_path_obj, "rb") as f:
+        file_data = f.read()
+
+    # 准备用于上传文件的表单数据
+    file_type = file_path_obj.suffix.lower()
+    form_data = aiohttp.FormData()
+    form_data.add_field(
+        "file", file_data, filename=file_path_obj.name, content_type=file_type
+    )
+    form_data.add_field("parse_method", parse_method)
+
+    config.logger.debug(f"发送本地API请求到: {api_url}")
+    config.logger.debug(f"上传文件: {file_path_obj.name} (大小: {len(file_data)} 字节)")
+
+    # 发送请求
+    try:
+        async with aiohttp.ClientSession() as session:
+            async with session.post(api_url, data=form_data) as response:
+                if response.status != 200:
+                    error_text = await response.text()
+                    config.logger.error(
+                        f"API返回错误状态码: {response.status}, 错误信息: {error_text}"
+                    )
+                    raise RuntimeError(f"API返回错误: {response.status}, {error_text}")
+
+                result = await response.json()
+
+                config.logger.debug(f"本地API响应: {result}")
+
+                # 处理响应
+                if "error" in result:
+                    return {"status": "error", "error": result["error"]}
+
+                return {"status": "success", "result": result}
+    except aiohttp.ClientError as e:
+        error_msg = f"与本地API通信时出错: {str(e)}"
+        config.logger.error(error_msg)
+        raise RuntimeError(error_msg)

projects/web/.gitignore

-# Logs
-logs
-*.log
-npm-debug.log*
-yarn-debug.log*
-yarn-error.log*
-pnpm-debug.log*
-lerna-debug.log*
-
-node_modules
-dist
-dist-ssr
-*.local
-
-# Editor directories and files
-.vscode/*
-!.vscode/extensions.json
-.idea
-.DS_Store
-*.suo
-*.ntvs*
-*.njsproj
-*.sln
-*.sw?

projects/web/README.md

-# MinerU web
-
-## Table of Contents
-- [Local Frontend Development](#local-frontend-development)
-- [Technology Stack](#technology-stack)
-
-## Local Frontend Development
-
-### Prerequisites
-- Node.js 18.x
-- pnpm
-
-### Installation Steps
-
-1. Install Node.js 18
-   - Visit the [Node.js official website](https://nodejs.org/) to download and install Node.js version 18.x
-
-2. Install pnpm
-   ```bash
-   npm install -g pnpm
-3. Clone the repository
-    ```git clone https://github.com/opendatalab/MinerU
-    cd ./projects/web
-    ```
-4. Install dependencies
-    ```
-    pnpm install
-    ```
-5. Run the development server
-    ```
-    pnpm run dev
-    ```
-6. ⚠️ Note: This command is for local development only, do not use for deployment!
-Open your browser and visit http://localhost:5173 (or another address output in the console)
-
-7. Ensure that the backend service in ./projects/web_demo is running
-
-8. If you encounter an error when executing `pnpm install`, you can switch to an alternative package manager.
-   ```
-   npm install -g yarn
-   yarn
-   yarn start
-   ```
-
-
-##  Building the Project
-```
-pnpm run build
-```
-## Technology Stack
-- React
-- Tailwind CSS
-- typeScript
-- zustand
-- ahooks

projects/web/README_zh-CN.md

-# MinerU web 
-
-
-## 目录
-- [前端本地开发](#前端本地开发)
-- [技术栈](#技术栈)
-## 前端本地开发
-
-### 前置条件
-- Node.js 18.x
-- pnpm
-
-### 安装步骤
-
-1. 安装 Node.js 18
-   - 访问 [Node.js 官网](https://nodejs.org/) 下载并安装 Node.js 18.x 版本
-
-2. 安装 pnpm
-   ```bash
-   npm install -g pnpm
-   ```
-3. 克隆仓库
-   ```
-   1. git clone https://github.com/opendatalab/MinerU
-   2. cd ./projects/web
-   ```
-
-4. 安装依赖
-   ```
-   pnpm install
-   ```
-
-5. 运行开发服务器
-   ```
-   pnpm run dev
-   ```
-
-6. ⚠️ 注意：此命令仅用于本地开发，不要用于部署！
-打开浏览器访问 http://localhost:5173（或控制台输出的其他地址）
-构建项目
-要构建生产版本，请执行以下命令：
-
-   ```
-   pnpm run build
-   ```
-7. 请确保./projects/web_demo后端服务启动
-
-8. 如果pnpm install执行error，可更换包管理器
-   ```
-   npm install -g yarn
-   yarn
-   yarn start
-   ```
-
-## 技术栈
-
-- React
-- Tailwind CSS
-- typeScript
-- zustand
-- ahooks

projects/web/eslint.config.js

-import js from '@eslint/js'
-import globals from 'globals'
-import reactHooks from 'eslint-plugin-react-hooks'
-import reactRefresh from 'eslint-plugin-react-refresh'
-import tseslint from 'typescript-eslint'
-
-export default tseslint.config(
-  { ignores: ['dist'] },
-  {
-    extends: [js.configs.recommended, ...tseslint.configs.recommended],
-    files: ['**/*.{ts,tsx}'],
-    languageOptions: {
-      ecmaVersion: 2020,
-      globals: globals.browser,
-    },
-    plugins: {
-      'react-hooks': reactHooks,
-      'react-refresh': reactRefresh,
-    },
-    rules: {
-      ...reactHooks.configs.recommended.rules,
-      'react-refresh/only-export-components': [
-        'warn',
-        { allowConstantExport: true },
-      ],
-    },
-  },
-)

projects/web/index.html

-<!DOCTYPE html>
-<html lang="en">
-  <head>
-    <meta charset="UTF-8" />
-    <link rel="icon" type="image/svg+xml" href="/logo.svg" />
-    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
-    <title>MinerU</title>
-  </head>
-  <body>
-    <div id="root"></div>
-    <script type="module" src="/src/main.tsx"></script>
-  </body>
-</html>

projects/web/package.json

-{
-  "name": "my-react-app",
-  "private": true,
-  "version": "0.0.0",
-  "type": "module",
-  "scripts": {
-    "dev": "vite --host ",
-    "build": "tsc --noEmit && vite build",
-    "lint": "eslint .",
-    "preview": "vite preview"
-  },
-  "dependencies": {
-    "@ant-design/icons": "^5.4.0",
-    "@codemirror/view": "^6.33.0",
-    "@tanstack/react-query": "^5.56.2",
-    "@types/lodash": "^4.17.7",
-    "@types/qs": "^6.9.15",
-    "@types/react-copy-to-clipboard": "^5.0.7",
-    "@types/react-syntax-highlighter": "^15.5.13",
-    "@uiw/codemirror-extensions-langs": "^4.23.0",
-    "@uiw/react-codemirror": "^4.23.0",
-    "ahooks": "^3.8.1",
-    "antd": "^5.20.3",
-    "axios": "^1.7.5",
-    "canvas": "^2.11.2",
-    "classnames": "^2.5.1",
-    "js-cookie": "^3.0.5",
-    "lodash": "^4.17.21",
-    "path2d": "^0.2.1",
-    "qs": "^6.13.0",
-    "react": "^18.3.1",
-    "react-copy-to-clipboard": "^5.1.0",
-    "react-dom": "^18.3.1",
-    "react-intl": "^6.6.8",
-    "react-markdown": "^9.0.1",
-    "react-query": "^3.39.3",
-    "react-router-dom": "^6.26.1",
-    "react-syntax-highlighter": "^15.5.0",
-    "rehype-katex": "^7.0.1",
-    "rehype-raw": "^7.0.0",
-    "remark-gfm": "^4.0.0",
-    "remark-math": "^6.0.0",
-    "zustand": "^4.5.5"
-  },
-  "devDependencies": {
-    "@eslint/js": "^9.9.0",
-    "@types/js-cookie": "^3.0.6",
-    "@types/node": "^22.5.1",
-    "@types/react": "^18.3.3",
-    "@types/react-dom": "^18.3.0",
-    "@vitejs/plugin-react": "^4.3.1",
-    "autoprefixer": "^10.4.20",
-    "eslint": "^9.9.0",
-    "eslint-plugin-react-hooks": "^5.1.0-rc.0",
-    "eslint-plugin-react-refresh": "^0.4.9",
-    "globals": "^15.9.0",
-    "less": "^4.2.0",
-    "postcss": "^8.4.41",
-    "sass-embedded": "^1.77.8",
-    "tailwindcss": "^3.4.10",
-    "ts-prune": "^0.10.3",
-    "typescript": "^5.5.3",
-    "typescript-eslint": "^8.0.1",
-    "vite": "^5.4.1"
-  }
-}
\ No newline at end of file