OCR MCP Service

基于PaddleOCR的图片文字识别MCP服务器，为AI Agent提供OCR能力。

📋 项目简介

本服务实现了Model Context Protocol (MCP)服务器，将PaddleOCR的OCR能力封装为标准化工具，使AI Agent能够自动识别图片中的文字内容。

核心特性：

• ✅ 支持中文识别（准确率约90%）

• ✅ 支持文件路径和base64两种输入方式

• ✅ 返回结构化结果（文本+置信度+位置信息）

• ✅ 基于FastMCP框架，易于维护

• ✅ 开源免费，无API调用成本

🚀 快速开始

方式一：使用Makefile（推荐）

一键安装（类似 make install）：

完整工作流：

查看所有命令：

Makefile会自动完成：

• ✅ 检查Python环境

• ✅ 安装所有依赖

• ✅ 验证安装

• ✅ 生成配置文件模板

方式二：手动安装

1. 安装依赖

注意：首次安装PaddleOCR会自动下载模型文件，可能需要一些时间。

2. 测试运行

如果看到服务器启动信息，说明安装成功。按Ctrl+C退出。

3. 配置Cursor

在Cursor设置中添加MCP服务器配置，详见配置指南.md。

📚 文档

• 配置指南.md - 详细的安装和配置说明

• 使用指南.md - 功能说明和使用场景

• MCP架构原理与技术实现.md - 技术实现细节

🛠️ Makefile命令

推荐使用流程：

🛠️ 技术选型

选择PaddleOCR的原因：

• 开源免费，无API调用成本

• 90%准确率满足大多数场景

• 轻量级，资源消耗相对较低

• 支持中文识别，适合处理中文文档

• 社区活跃，维护良好

📝 工具说明

1. recognize_text_from_path

从图片文件路径识别文字。

参数：

• image_path (string): 图片文件的路径

返回：

2. recognize_text_from_base64

从base64编码的图片数据识别文字。

参数：

• image_base64 (string): base64编码的图片数据

返回：同recognize_text_from_path

🔗 相关资源

• MCP Python SDK文档

• PaddleOCR官方文档

• MCP协议规范

📄 许可证

MIT License - 详见 LICENSE 文件