OCR MCP Service

中文 | 日本語

MCP-сервис OCR на базе PaddleOCR, поддерживающий распознавание текста и таблиц.

Возможности

• Распознавание текста OCR: Распознавание текстового содержимого на изображениях, поддержка китайского, английского и других языков.

• Распознавание таблиц: Распознавание таблиц на изображениях и возврат структурированных данных.

• Распознавание рукописного текста: Распознавание рукописного текста на изображениях.

• Распознавание формул: Распознавание математических формул на изображениях и возврат в формате LaTeX.

• Поддержка множества форматов: Поддержка JPG, PNG, BMP, TIFF, WebP и других форматов изображений.

• Поддержка URL: Поддержка как локальных путей к файлам, так и сетевых URL.

• Протокол MCP: Стандартный MCP-сервис, может быть интегрирован в MCP-совместимые ИИ-ассистенты.

Related MCP server: mcp_ocr

Установка

Установка через pip

pip install ocr-mcp

Установка из исходного кода

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

Использование

Запуск в качестве MCP-сервиса

# Run directly
ocr-mcp

# Or run via Python module
python -m ocr_mcp

Интеграция с Claude Desktop

Добавьте в файл конфигурации Claude Desktop:

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

Описание инструментов MCP

ocr_recognize

Распознавание текстового содержимого на изображениях.

Параметры:

• source (обязательный): Источник изображения, локальный путь к файлу или URL.

• language (необязательный): Язык распознавания, по умолчанию ch (китайский), поддерживает en, japan, korean и др.

• use_angle_cls (необязательный): Включить ли классификацию направления текста, по умолчанию true.

Пример вывода:

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

ocr_table

Распознавание содержимого таблиц на изображениях и возврат структурированных данных.

Параметры:

• source (обязательный): Источник изображения, локальный путь к файлу или URL.

• language (необязательный): Язык распознавания, по умолчанию ch.

Пример вывода:

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

ocr_handwrite

Распознавание рукописного текста на изображениях.

Параметры:

• source (обязательный): Источник изображения, локальный путь к файлу или URL.

• language (необязательный): Язык распознавания, по умолчанию ch.

Пример вывода:

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

ocr_formula

Распознавание математических формул на изображениях и возврат в формате LaTeX.

Параметры:

• source (обязательный): Источник изображения, локальный путь к файлу или URL.

Пример вывода:

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

Разработка

Установка зависимостей для разработки

pip install -e ".[dev]"

Запуск тестов

pytest tests/ -v

Структура проекта

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

Архитектура

Этот проект использует параллельную архитектуру подпрограмм, с 4 инструментами распознавания, которые независимы и могут вызываться отдельно:

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

Возможности:

• Каждая подпрограмма работает независимо, без зависимостей.

• Поддерживает параллельные вызовы, может обрабатывать несколько задач одновременно.

• Создает независимые экземпляры для каждого вызова, чтобы избежать конфликтов состояния.

• Можно индивидуально расширять или заменять любую подпрограмму.

Зависимости

• PaddleOCR: Основной движок распознавания OCR.

• PaddlePaddle: Фреймворк глубокого обучения.

• OpenCV: Обработка изображений.

• MCP: Сервисный фреймворк Model Context Protocol.

Лицензия

Этот проект распространяется с открытым исходным кодом под лицензией MIT.

Связанные ссылки

• PaddleOCR

• Model Context Protocol