一个使用 EasyOCR 库提供 OCR 功能的模型上下文协议 (MCP) 服务器。
关于 EasyOCR：
EasyOCR 是由 JaidedAI 开发的开源光学字符识别 (OCR) 库。它支持超过 80 种语言，提供 GPU 加速，并以易用性和高准确度而闻名。EasyOCR 可以从图像、扫描文档和照片中提取文本，使其适用于广泛的 OCR 任务。有关更多详细信息，请访问 EasyOCR GitHub 仓库。
3 个 OCR 工具：处理来自 base64、文件或 URL 的图像
多语言支持：支持 80 多种语言，并可动态选择
灵活的输出：可在仅文本或包含坐标和置信度的详细结果之间进行选择
性能优化：读取器缓存以获得更好的性能
内存控制：自动卸载和按请求卸载选项
原生 EasyOCR 输出：返回 EasyOCR 的原始格式
Related MCP server: RapidOCR MCP Server
在创建项目环境之前，请选择一条 GPU 路径。
针对您的操作系统、Python 版本和 CUDA 版本使用官方 PyTorch 安装选择器：
来自 PyTorch 选择器的典型 Windows pip 示例：
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124安装后，进行验证：
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"AMD GPU 支持取决于平台：
Linux 和 WSL：使用官方 ROCm / Radeon PyTorch 安装文档
Windows 原生：存在 ROCm 支持，但 AMD 指出完整的 ROCm 堆栈尚未在 Windows 上得到支持
官方参考：
PyTorch 本地安装指南：https://docs.pytorch.org/get-started/locally/
AMD Windows 兼容性矩阵：https://rocm.docs.amd.com/projects/radeon-ryzen/en/latest/docs/compatibility/compatibilityrad/windows/windows_compatibility.html
AMD PyTorch 安装指南：https://rocm.docs.amd.com/projects/radeon-ryzen/en/latest/docs/install/installrad/wsl/install-pytorch.html
对于此仓库在 Windows 上的运行，经过测试的路径是重用现有的支持 ROCm 的 PyTorch 安装：
C:\Users\antonio\AppData\Local\Programs\Python\Python312\python.exe该解释器已通过以下方式验证：
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(getattr(torch.version, 'hip', None))"在 AMD ROCm 上预期的结果形态：
torch.cuda.is_available() 返回 True
torch.version.hip 不为 None
# Windows example used in this repo:
# C:\Users\antonio\AppData\Local\Programs\Python\Python312\python.exe
#
# Keep using uv, but create the venv from the existing Python 3.12 interpreter.
# `--system-site-packages` allows the venv to reuse packages already installed
# in that interpreter, such as an existing AMD-enabled PyTorch build.
# Create the project venv from the existing interpreter
uv venv --python C:\Users\antonio\AppData\Local\Programs\Python\Python312\python.exe --system-site-packages
# Sync this project's dependencies into the venv
uv sync
# Remove uv-installed CPU PyTorch packages so the venv falls back to the
# AMD ROCm build that already exists in Python312
uv pip uninstall torch torchvision
# Run tests through uv without re-syncing the environment
uv run --no-sync test.py
uv run --no-sync test-gpu.py这使得项目保持在 uv 上，同时指向现有的 Python312 安装。如果没有 --system-site-packages，普通的 venv 将无法看到基础解释器中已经安装的包。在初始设置后使用 uv run --no-sync，这样 uv 就不会从锁文件中重新安装仅 CPU 的 PyTorch wheel。
ocr_image_base64 - 处理 base64 编码的图像
ocr_image_file - 处理磁盘上的图像文件
ocr_image_url - 处理来自 URL 的图像
unload_ocr_models - 卸载缓存的 OCR 模型以释放内存
detail：输出详细级别（默认：1）
0：仅文本 - ['text1', 'text2', ...]
1：完整详细信息 - [([[x1,y1], [x2,y2], [x3,y3], [x4,y4]], 'text', confidence), ...]
paragraph：启用段落检测（默认：false）
width_ths：用于合并的文本宽度阈值（默认：0.7）
height_ths：用于合并的文本高度阈值（默认：0.7）
unload_jobdone：在此 OCR 调用后立即卸载模型（默认：来自 UNLOAD_JOBDONE）
注意：语言选择通过 MCP 配置中的 EASYOCR_LANGUAGES 环境变量进行配置（请参阅下方的配置部分）。
详细级别 1（完整详细信息）：
[
([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148),
([[86, 80], [134, 80], [134, 128], [86, 128]], '西', 0.40452659130096436)
]详细级别 0（仅文本）：
['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E']# Run the MCP server through uv
uv run --no-sync easyocr-mcp.py如果您将此作为父 MCP 应用程序的服务器运行，则可以在主 MCP config.json 中进行配置。
Windows 示例：
{
"mcpServers": {
"easyocr-mcp": {
"command": "uv",
"args": [
"--directory",
"X:\\path\\to\\your\\project\\easyocr-mcp",
"run",
"easyocr-mcp.py"
],
"env": {
"EASYOCR_LANGUAGES": "en,ch_tra,ja"
}
}
}
}Linux/macOS 示例：
{
"mcpServers": {
"easyocr-mcp": {
"command": "uv",
"args": [
"--directory",
"/path/to/your/project/easyocr-mcp",
"run",
"easyocr-mcp.py"
],
"env": {
"EASYOCR_LANGUAGES": "en,ch_tra,ja"
}
}
}
}EASYOCR_LANGUAGES：逗号分隔的语言代码列表（默认：en）
示例：en, en,ch_sim, ja,ko,en
EASYOCR_UNLOAD_TIMEOUT：自动卸载前的非活动秒数（默认：300，0 表示禁用）
UNLOAD_JOBDONE：如果为 true，则默认在每次 OCR 调用后卸载模型（默认：false）
EasyOCR 支持 80 多种语言，包括：
en - 英语
ch_sim - 简体中文
ch_tra - 繁体中文
ja - 日语
ko - 韩语
fr - 法语
de - 德语
es - 西班牙语
以及更多...
GPU 的使用由启动 easyocr-mcp.py 的环境内可见的 PyTorch 安装决定。如果您使用来自 Python312 的 --system-site-packages 创建 uv venv，服务器可以重用该解释器中现有的支持 AMD 的 PyTorch。
快速验证命令：
uv run --no-sync python test-gpu.py
uv run --no-sync python test.py
uv run --no-sync python test_mcp_tools.py在此仓库经过验证的 AMD 设置上，test-gpu.py 报告：
一个支持 ROCm 的 torch 构建
cuda_available=True
一个非空的 hip_version
This server cannot be deployed
MCP server for Qwen Image 3 AI image generation
OCR.space MCP — wraps the OCR.space API (ocr.space) for image/PDF → text OCR.
MCP server for NanoBanana AI image generation and editing
OCR, transcription, file extraction, and image generation for AI agents via MCP.