OCR MCP Service

中文 | 日本語

MCP-basierter OCR-Dienst mit PaddleOCR, der Texterkennung und Tabellenerkennung unterstützt.

Funktionen

• OCR-Texterkennung: Erkennt Textinhalte in Bildern und unterstützt Chinesisch, Englisch und andere Sprachen

• Tabellenerkennung: Erkennt Tabellen in Bildern und gibt strukturierte Daten zurück

• Handschrifterkennung: Erkennt handschriftlichen Text in Bildern

• Formelerkennung: Erkennt mathematische Formeln in Bildern und gibt LaTeX-Format zurück

• Multi-Format-Unterstützung: Unterstützt JPG, PNG, BMP, TIFF, WebP und andere Bildformate

• URL-Unterstützung: Unterstützt sowohl lokale Dateipfade als auch Netzwerk-URLs

• MCP-Protokoll: Standard-MCP-Dienst, der in MCP-kompatible KI-Assistenten integriert werden kann

Related MCP server: mcp_ocr

Installation

Installation über pip

pip install ocr-mcp

Installation aus dem Quellcode

git clone https://github.com/LinuxLinking/OCR_MCP.git
cd OCR_MCP
pip install -e .

Verwendung

Als MCP-Dienst ausführen

# Run directly
ocr-mcp

# Or run via Python module
python -m ocr_mcp

Integration mit Claude Desktop

Fügen Sie zur Konfigurationsdatei von Claude Desktop hinzu:

{
  "mcpServers": {
    "ocr": {
      "command": "ocr-mcp",
      "args": []
    }
  }
}

MCP-Tool-Beschreibung

ocr_recognize

Erkennt Textinhalte in Bildern.

Parameter:

• source (erforderlich): Bildquelle, lokaler Dateipfad oder URL

• language (optional): Erkennungssprache, Standard ch (Chinesisch), unterstützt en, japan, korean usw.

• use_angle_cls (optional): Ob die Klassifizierung der Textrichtung aktiviert werden soll, Standard true

Beispielausgabe:

1. Hello World (confidence: 98.50%)
2. 你好世界 (confidence: 97.20%)

ocr_table

Erkennt Tabelleninhalte in Bildern und gibt strukturierte Daten zurück.

Parameter:

• source (erforderlich): Bildquelle, lokaler Dateipfad oder URL

• language (optional): Erkennungssprache, Standard ch

Beispielausgabe:

+--------+-----+------+
| Name   | Age | City |
+--------+-----+------+
| Alice  | 25  | NYC  |
+--------+-----+------+
| Bob    | 30  | LA   |
+--------+-----+------+

ocr_handwrite

Erkennt handschriftlichen Text in Bildern.

Parameter:

• source (erforderlich): Bildquelle, lokaler Dateipfad oder URL

• language (optional): Erkennungssprache, Standard ch

Beispielausgabe:

1. Hello World (confidence: 85.50%)
2. 你好 (confidence: 82.30%)

ocr_formula

Erkennt mathematische Formeln in Bildern und gibt LaTeX-Format zurück.

Parameter:

• source (erforderlich): Bildquelle, lokaler Dateipfad oder URL

Beispielausgabe:

Formula 1:
  LaTeX: E = mc^2
Formula 2:
  LaTeX: \int_{0}^{\infty} e^{-x^2} dx = \frac{\sqrt{\pi}}{2}

Entwicklung

Entwicklungabhängigkeiten installieren

pip install -e ".[dev]"

Tests ausführen

pytest tests/ -v

Projektstruktur

OCR_MCP/
├── src/ocr_mcp/
│   ├── __init__.py          # Package initialization
│   ├── __main__.py          # Module entry point
│   ├── server.py            # MCP service main entry (dispatch layer)
│   ├── ocr_engine.py        # Subprogram 1: Text recognition engine
│   ├── table_parser.py      # Subprogram 2: Table recognition engine
│   ├── formula_engine.py    # Subprogram 3: Formula recognition engine
│   └── utils.py             # Utility functions
├── tests/
│   └── test_ocr.py          # Test files
├── pyproject.toml           # Project configuration
├── LICENSE                  # MIT License
└── README.md                # Project documentation

Architektur

Dieses Projekt verwendet eine Subprogramm-Parallelarchitektur mit 4 Erkennungswerkzeugen, die unabhängig sind und separat aufgerufen werden können:

┌─────────────────────────────────────────────────────────┐
│                   MCP Server (Dispatch Layer)            │
├──────────────┬──────────────┬─────────────┬─────────────┤
│ Subprogram 1 │ Subprogram 2 │ Subprogram 3│ Subprogram 4│
│ocr_recognize │  ocr_table   │ocr_handwrite│ ocr_formula │
│Text Recognition│Table Recognition│Handwriting Recognition│Formula Recognition│
└──────────────┴──────────────┴─────────────┴─────────────┘
       ↓              ↓              ↓              ↓
   OCREngine     TableParser    OCREngine    FormulaEngine

Funktionen:

• Jedes Unterprogramm läuft unabhängig ohne Abhängigkeiten.

• Unterstützt parallele Aufrufe und kann mehrere Aufgaben gleichzeitig verarbeiten.

• Erstellt für jeden Aufruf unabhängige Instanzen, um Zustandskonflikte zu vermeiden.

• Kann jedes Unterprogramm einzeln erweitern oder ersetzen.

Abhängigkeiten

• PaddleOCR: Kern-OCR-Erkennungs-Engine

• PaddlePaddle: Deep-Learning-Framework

• OpenCV: Bildverarbeitung

• MCP: Model Context Protocol-Dienstframework

Lizenz

Dieses Projekt ist unter der MIT-Lizenz als Open Source lizenziert.

Verwandte Links

• PaddleOCR

• Model Context Protocol