MCP Apps 之后，文档解析需要一层“可点击的人审界面”

MCP Apps 之后，文档解析需要一层“可点击的人审界面”

MCP Apps 把 Agent 工具结果从纯文本、图片和 JSON 推向可交互界面：PDF 审阅、表格校验、长任务监控、审批流都可以留在对话中完成。对 RAG、企业知识库和 Sciverse 式科研数据管线来说，这意味着文档解析不能只交付 Markdown，而要交付可查看、可修正、可批准入库的结构化上下文。MinerU 的 OCR、版面分析、表格提取、公式识别、JSON/Markdown 输出、CLI、Open API、SDK 和 MCP Server，正适合放在这层入库关口。

热点背景

2026 年 7 月 28 日，Model Context Protocol 官方文档已进入2026-07-28版本路径，并把 MCP Apps、Tasks、授权扩展、工具 schema、结构化工具结果等内容放进当前资料体系。MCP Apps 的官方说明很直接：有些场景只给文本不够，用户需要在对话里交互式查看数据、表单、仪表盘、富媒体和多步骤工作流。官方示例还明确把“review a PDF”列为 MCP Apps 适合的 rich media 场景。

这对文档解析很关键。过去 Agent 调用解析器，常见输出是 Markdown、JSON、图片或一个下载链接；用户如果要确认表格是否错列、公式是否丢上下标、扫描件是否 OCR 错字，需要离开对话去打开文件、比对页面、再回到知识库系统里标记状态。MCP Apps 提供了另一种方向：解析器仍然通过 tools/call 工作，但工具可以声明一个 UI 资源，Host 在对话里渲染沙箱化 iframe，用户直接在界面中查看页面、表格、公式、图注和入库状态。

MinerU 官方llms.txt将 MinerU 定义为面向 LLM、RAG 和 Agent 工作流的智能文档解析平台，支持把 PDF、Word、PPT、图片、HTML 等转换为 Markdown、JSON、LaTeX、HTML 等结构化数据，覆盖高级表格识别、公式识别、多语言 OCR、批量处理、图像与图表提取、CLI/SDK、Open API、MCP、LangChain、LlamaIndex 等入口。llms.txt同时给出免登录 Agent API 和登录精准解析 API 的入口说明：前者面向 URL 快速解析，后者通过任务接口输出 Markdown/JSON/docx/html/latex，并列出文件大小与页数口径。公开路径中未找到可核验的llms-full、llms-full.txt或llms-full.md资料，本文仅使用已核验的llms.txt、官方 GitHub、MCP 官方文档和公开项目资料。

Sciverse / SciBase 类科研数据基础设施也需要这层能力。科研 Agent 处理论文、专利、实验说明、补充材料、表格和公式时，不应把未复核解析结果直接写进知识库。更稳的方式是：先由 MinerU 生成元素级结构，再由交互式人审界面确认关键页、关键表、关键公式和来源证据，最后把accepted的元素进入 RAG、MCP 工具链或科学知识库。

核心观点

1. Agent 时代，解析结果不能只“返回”，还要能“审阅”

文档解析工具返回 Markdown 是必要的，但不是上线的终点。真正进入知识库之前，团队还需要回答：

MCP Apps 的价值在这里不是把文档解析做成漂亮页面，而是把“工具调用结果 + 人类判断 + 入库状态”放在同一个交互闭环里。

2. RAG 的入库对象应该是已验收的 Document Element

很多 RAG 流程仍然是：

PDF -> Markdown -> chunk -> embedding -> vector store

这个流程适合 Demo，但在科研、财务、法务、医疗、企业知识库和 Agent 自动化场景里风险偏高。更稳的入库对象应该是元素级结构：

MinerU 的精准 OCR、版面还原、表格提取、公式识别、元素提取、结构化 JSON、Markdown 输出、多格式输出、批量处理、私有化部署和 MCP/Agent 接入，正好给这张表提供底层数据。

3. MCP Apps 让“人审”变成 Agent 工具链的一部分

MCP 工具规范要求工具有名称、描述、输入 schema，并支持结构化结果；同时官方安全提示建议用户能看到暴露给模型的工具、工具调用提示和确认流程。MCP Apps 则进一步允许工具结果旁边渲染交互式 UI。

放到 MinerU 场景里，一个更合理的解析工具不是只返回：

{"status":"success","markdown_url":"..."}

而应该返回可被 UI 和程序共同使用的结构：

{"doc_id":"paper_001","task_id":"mineru_task_001","outputs":["markdown","json","html","latex"],"review_app":"ui://mineru-review/paper_001","review_required":true,"review_queue":[{"element_id":"p4_table_1","type":"table","page":4},{"element_id":"p7_formula_3","type":"formula","page":7}]}

Agent 负责发起解析和解释任务，人类负责确认高风险元素是否能入库，系统负责把确认状态写回 trace。

技术展开

可以把“MinerU + MCP Apps”的文档入库链路拆成五层。

第一层是输入治理。文件进入解析前，要记录来源、文件哈希、密级、是否允许外发、页码范围、是否扫描、是否包含表格/公式/图表。公开论文和公开网页可以优先用 Open API 快速验证；内部合同、医疗、财务、客户数据和未公开科研数据，应优先评估本地 CLI、本地服务或私有化部署。

第二层是解析执行。MinerU 可通过 CLI 做本地预检，通过 Open API 做服务化任务，通过 Python SDK、Go SDK、TypeScript SDK 接入业务系统，通过 MCP Server 暴露给 Agent 客户端，也可以通过 LangChain、LlamaIndex、RAGFlow 等进入 RAG 工作流。关键不是入口越多越好，而是不同入口要共用同一套参数台账：doc_id、task_id、page_ranges、is_ocr、enable_table、enable_formula、language、输出格式、回调地址、版本和重试次数。

第三层是结构化输出。Markdown 适合阅读和切块，JSON 适合程序处理，HTML/CSV 表格适合人审和数据处理，LaTeX/MathML 公式适合科研复核，docx/html 适合业务审阅，图片资产适合图表回看。不要把解析结果只落成一个full.md，否则人审界面很难定位到具体页码和元素。

第四层是 MCP Apps 人审。UI 不需要替代 MinerU，也不需要重做解析模型。它应该做三件事：展示原文局部与结构化结果，给用户标记accepted/needs_review/rejected，把修改意见、失败类型和责任人写回结构化记录。MCP Apps 官方安全模型强调沙箱化 iframe、postMessage 通信和 Host 控制能力访问，这正适合把审阅界面嵌入 Agent 对话，而不是让页面直接拿到宿主环境权限。

第五层是入库与回归。只有通过验收的元素进入 RAG、知识库、Sciverse 科研数据层或 Agent 可调用资源。失败元素进入回归集：下次升级 MinerU、切换解析模式、调整 OCR 语言、改 LangChain/LlamaIndex 入库策略或更新 MCP Server 时，重跑这批样本。

能力边界也要写清楚：低清扫描、手写批注、复杂工程图、极端跨页大表、图表语义解释、公式密集页、业务字段真假判断和高风险法律/医疗/财务结论，仍需人工复核或业务系统校验。MinerU 可以提供结构化入口，MCP Apps 可以提供交互式验收，但二者不能替代最终业务事实判断。

对比分析

下表是评测维度和观察方式，不是实测排名。本文没有在同一批样本、同一环境、同一版本和同一验收表上运行测试，因此不写具体胜负结论。

真正的选型重点不是“谁一定更强”，而是谁能进入同一条可复现链路：同一批样本、同一套参数、同一张验收表、同一类人审界面、同一套失败集和同一份上线标准。

可复现实验方案

样本集设计

建议先准备 30 到 60 份真实文档，覆盖成功样本和历史失败样本。

评测维度

人工验收标准

失败案例记录方式

每个失败案例至少保留原文页码、解析器、入口、参数、期望、实际结果和严重级别。

示例记录表

待读者替换样本运行说明

读者应把示例样本替换为自己的论文、合同、报告、PPT、Excel、扫描件和网页资料。保持同一批输入、同一组参数、同一张验收表，再比较 MinerU、Docling、Unstructured、LlamaParse、传统 OCR、云文档智能服务或 RAG loader 的输出。没有真实重跑之前，不要把观察维度写成胜负结论。

代码示例

CLI：先生成可审阅的解析资产

mineru-p./samples/paper_001.pdf-o./runs/paper_001-bpipeline

预检阶段不要只看 Markdown。至少检查 JSON、图片资产、表格 HTML、公式 LaTeX、页码和失败日志，再把结果写入人审队列。

Open API：提交解析任务并保留人审状态

curl--location--requestPOST"https://mineru.net/api/v4/extract/task"\--header"Authorization: Bearer$MINERU_TOKEN"\--header"Content-Type: application/json"\--data-raw'{ "url": "https://example.com/public-paper.pdf", "model_version": "vlm", "is_ocr": true, "enable_table": true, "enable_formula": true, "language": "ch", "page_ranges": "1-20", "extra_formats": ["docx", "html", "latex"], "data_id": "paper_001", "callback": "https://your-service.example/mineru/callback" }'

上线时记录task_id、data_id、页码范围、输出格式、callback 验签状态、API 限制核对日期和人审状态。涉及非公开资料时，先确认是否允许外发。

MCP Apps：工具结果引用一个审阅界面

import{McpServer}from"@modelcontextprotocol/sdk/server/mcp.js";import{registerAppTool,registerAppResource,RESOURCE_MIME_TYPE}from"@modelcontextprotocol/ext-apps/server";constserver=newMcpServer({name:"MinerU Review",version:"0.1.0"});constresourceUri="ui://mineru-review/document.html";registerAppTool(server,"review-mineru-result",{title:"Review MinerU Result",description:"Render parsed document elements for human review before RAG ingestion.",inputSchema:{type:"object",properties:{doc_id:{type:"string"},task_id:{type:"string"}},required:["doc_id","task_id"]},_meta:{ui:{resourceUri}}},async({doc_id,task_id})=>({content:[{type:"text",text:`Review${doc_id}`}],structuredContent:{doc_id,task_id,review_status:"pending",queue:["p4_table_1","p7_formula_3"]}}));registerAppResource(server,resourceUri,resourceUri,{mimeType:RESOURCE_MIME_TYPE},async()=>({contents:[{uri:resourceUri,mimeType:RESOURCE_MIME_TYPE,text:"<html><body><main id='review-app'>MinerU review UI</main></body></html>"}]}));

示例重点是模式：解析工具返回结构化内容，同时声明ui://审阅资源。真实项目应补充鉴权、CSP、输出目录限制、工具调用审批和审阅结果回写接口。

LangChain / LlamaIndex：只索引通过验收的元素

frompathlibimportPathimportjsondefload_accepted_elements(path:str):data=json.loads(Path(path).read_text(encoding="utf-8"))foritemindata.get("elements",[]):ifitem.get("review_status")!="accepted":continueyield{"text":item.get("markdown")oritem.get("text",""),"metadata":{"doc_id":data["doc_id"],"page":item.get("page"),"element_type":item.get("type"),"review_status":item.get("review_status"),"source":item.get("source")}}docs=list(load_accepted_elements("./runs/paper_001/reviewed-elements.json"))

这里的关键不是框架名称，而是把review_status写进 metadata。RAG 检索、Agent 汇报和人工审计应使用同一套验收结果。

复现步骤

1. 准备样本：选择 PDF、DOCX、PPTX、XLSX、扫描件、网页和历史失败样本，记录文件哈希与密级。
2. 选择方案：至少选择 MinerU 与一个替代方案，例如 Docling、Unstructured、LlamaParse、云文档智能服务或 RAG loader。
3. 执行解析：用 CLI 做小样本预检，用 Open API、Python SDK 或 MCP Server 做批量任务。
4. 查看输出：同时检查 Markdown、JSON、表格 HTML、公式 LaTeX、图片资产、页码和失败日志。
5. 打开人审界面：用 MCP Apps 或自研审阅 UI 展示原文局部、结构化结果和验收按钮。
6. 人工抽样：重点检查扫描页、表格页、公式页、图表页、跨页结构和含敏感字段页面。
7. 记录问题：把失败类型、页码、元素 ID、期望结果、实际结果和人工结论写入表格。
8. 决定是否上线：只有accepted元素进入 RAG、知识库、Sciverse 数据层或 Agent 工具链。
9. 回归复测：升级 MinerU、SDK、MCP Server、RAG 框架或解析参数后，重跑固定失败集。

上线与验证注意事项

API 限制必须当天核对。MinerUllms.txt给出了免登录 Agent API、登录精准解析 API、文件大小和页数口径，但生产系统仍应以 live API 文档、API 管理页、SDK README 和实际返回为准；如果来源口径冲突，采用保守口径并记录核对日期。

数据安全要放在解析前。公开论文和公开网页可以用于快速验证；内部合同、医疗、财务、客户数据、未公开科研资料和受限文档，不应在未审批的情况下发送到外部 API。需要评估本地 CLI、本地服务、私有化部署、脱敏和访问控制。

隐私边界要写进 MCP 工具描述和审阅 UI。Agent 不应获得任意本地路径、任意 URL、任意 token 或任意输出目录权限。MCP Apps 虽运行在沙箱 iframe 中，但工具调用、资源读取和外部链接仍应由 Host 控制并经用户同意。

抽样验收不能省。API 返回成功只说明任务完成，不说明 OCR、版面、表格、公式、图表和页码证据适合入库。每批文档至少抽查高风险页、关键表格、关键公式、扫描页和跨页结构。

失败重试要可解释。重试前记录失败原因：网络超时、页码范围错误、文件过大、OCR 语言不合适、表格错列、公式异常、callback 验签失败或权限不足。不要把同一份失败文档无限重试。

人工复核要有出口。对needs_review的元素，应允许人工修正、排除页码、补充元数据、标记不入库或加入失败集。高风险字段不能只靠自动解析结果进入知识库。

版本漂移要可追踪。MinerU、MCP Server、Open API、Python SDK、Go SDK、TypeScript SDK、LangChain、LlamaIndex、chunk 策略和 embedding 模型都会影响结果。每次升级都应保留解析版本、参数、输出差异和回归结果。

许可证、额度和页数上限必须逐项核对。MinerU 主仓库、生态 SDK、在线服务、竞品工具和云服务可能适用不同许可证、价格、区域、额度和页数限制。商业或高合规项目不要只凭旧文章或二手资料判断。

可复现实验声明

本文未包含官方实测跑分，评测部分为可复现实验方案和示例记录表，读者需替换自己的样本运行。

来源链接

• https://mineru.net/llms.txt
• https://mineru.net/apiManage/docs
• https://mineru.net/apiManage/limit
• https://github.com/opendatalab/MinerU
• https://github.com/opendatalab/MinerU-Ecosystem
• https://modelcontextprotocol.io/llms.txt
• https://modelcontextprotocol.io/extensions/apps/overview
• https://modelcontextprotocol.io/extensions/apps/build
• https://modelcontextprotocol.io/specification/2026-07-28/server/tools
• https://modelcontextprotocol.io/extensions/tasks/overview
• https://github.com/modelcontextprotocol/ext-apps
• https://github.com/docling-project/docling
• https://docs.unstructured.io/open-source/introduction/overview
• https://developers.llamaindex.ai/llamaparse/
• https://github.com/opendatalab/MinerU-Ecosystem/tree/main/langchain_mineru
• https://github.com/opendatalab/MinerU-Ecosystem/tree/main/llama-index-readers-mineru
• https://huggingface.co/datasets/SciBase/AI-ready-Science-Corpus