Servicio OCR MCP

中文 | 日本語

Servicio OCR basado en MCP impulsado por PaddleOCR, que admite reconocimiento de texto y reconocimiento de tablas.

Características

• Reconocimiento de texto OCR: Reconocer contenido de texto en imágenes, compatible con chino, inglés y otros idiomas

• Reconocimiento de tablas: Reconocer tablas en imágenes y devolver datos estructurados

• Reconocimiento de escritura a mano: Reconocer texto manuscrito en imágenes

• Reconocimiento de fórmulas: Reconocer fórmulas matemáticas en imágenes y devolver formato LaTeX

• Soporte multi-formato: Compatible con JPG, PNG, BMP, TIFF, WebP y otros formatos de imagen

• Soporte de URL: Compatible con rutas de archivo locales y URLs de red

• Protocolo MCP: Servicio MCP estándar, se puede integrar en asistentes de IA compatibles con MCP

Related MCP server: mcp_ocr

Instalación

Instalar mediante pip

pip install ocr-mcp

Instalar desde el código fuente

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

Uso

Ejecutar como servicio MCP

# Run directly
ocr-mcp

# Or run via Python module
python -m ocr_mcp

Integrar con Claude Desktop

Añadir al archivo de configuración de Claude Desktop:

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

Descripción de la herramienta MCP

ocr_recognize

Reconocer contenido de texto en imágenes.

Parámetros:

• source (obligatorio): Origen de la imagen, ruta de archivo local o URL

• language (opcional): Idioma de reconocimiento, por defecto ch (chino), compatible con en, japan, korean, etc.

• use_angle_cls (opcional): Si habilitar la clasificación de dirección del texto, por defecto true

Ejemplo de salida:

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

ocr_table

Reconocer contenido de tablas en imágenes y devolver datos estructurados.

Parámetros:

• source (obligatorio): Origen de la imagen, ruta de archivo local o URL

• language (opcional): Idioma de reconocimiento, por defecto ch

Ejemplo de salida:

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

ocr_handwrite

Reconocer contenido de texto manuscrito en imágenes.

Parámetros:

• source (obligatorio): Origen de la imagen, ruta de archivo local o URL

• language (opcional): Idioma de reconocimiento, por defecto ch

Ejemplo de salida:

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

ocr_formula

Reconocer fórmulas matemáticas en imágenes y devolver formato LaTeX.

Parámetros:

• source (obligatorio): Origen de la imagen, ruta de archivo local o URL

Ejemplo de salida:

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

Desarrollo

Instalar dependencias de desarrollo

pip install -e ".[dev]"

Ejecutar pruebas

pytest tests/ -v

Estructura del proyecto

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

Arquitectura

Este proyecto utiliza una arquitectura paralela de subprogramas, con 4 herramientas de reconocimiento que son independientes y se pueden llamar por separado:

┌─────────────────────────────────────────────────────────┐
│                   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

Características:

• Cada subprograma se ejecuta de forma independiente sin dependencias

• Admite llamadas paralelas, puede procesar múltiples tareas simultáneamente

• Crea instancias independientes para cada llamada para evitar conflictos de estado

• Puede extender o reemplazar individualmente cualquier subprograma

Dependencias

• PaddleOCR: Motor de reconocimiento OCR principal

• PaddlePaddle: Marco de aprendizaje profundo

• OpenCV: Procesamiento de imágenes

• MCP: Marco de servicio del Protocolo de Contexto de Modelo

Licencia

Este proyecto es de código abierto bajo la Licencia MIT.

Enlaces relacionados

• PaddleOCR

• Model Context Protocol