Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@OCR Beans extract text from processo.pdf, OCR only pages with bad fonts"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Extrator de texto de processos judiciais brasileiros — via MCP (Claude, ZCode e qualquer cliente MCP), CLI, API web e app desktop.
PDFs de tribunais brasileiros (TJ-SP, TRT, STJ) frequentemente usam fontes proprietárias que nenhuma IA consegue ler: aparentam ter texto, mas a extração devolve lixo. O OCR Beans detecta automaticamente essas fontes corrompidas e aplica OCR somente onde precisa — o resto sai do texto nativo, instantâneo e perfeito.
100% offline. Nenhum dado do processo sai da máquina. LGPD por construção.
Os manifests estão na raiz deste repositório (.claude-plugin/ e
.zcode-plugin/) — aponte o marketplace ou adicione direto:
# Claude Code (local, sem servidor):
claude mcp add ocr-beans -- uv run --no-project --python 3.12 \
--with pymupdf==1.28.2 --with pytesseract==0.3.13 \
--with Pillow==12.3.0 --with mcp==2.3.0 \
python3 ocr_beans/mcp_server.pyO uv (um bin único) provisiona o Python 3.12 e as dependências
automaticamente na primeira execução. Tesseract é opcional: sem ele o texto
nativo funciona; para páginas escaneadas, apt install tesseract-ocr tesseract-ocr-por (Linux), brew install tesseract tesseract-lang (macOS)
ou o instalador UB-Mannheim (Windows, marcar Portuguese).
Related MCP server: document-intelligence-mcp
Tool | O que faz |
| Diagnóstico em < 1s: o PDF precisa de OCR? |
| Processo inteiro; ≤30 págs devolve o texto, maiores salvam .txt + resumo |
| Páginas específicas ("1-5", "3,7,9") — para processos de milhares de fls. |
| Prints de decisões, fotos de documentos, scans avulsos |
| Pasta inteira de PDFs (até 50 por vez) |
Cada página sai marcada como TEXTO ou OCR, com o número da folha
(fls. N) pronto para citação em petição.
475/475 páginas com decisão e conteúdo 100% idênticos ao motor do
executável original (OCRBeans.exe) — comparação página a página em
processos reais do TJSP; motor conferido contra o bytecode do .exe
(29 funções, idênticas)
20 páginas/segundo em texto nativo · 1,76 s por página corrompida
(Tesseract 300 DPI, por, --psm 6)
Determinístico: mesmo arquivo, mesmo texto — sem alucinação de acentos (modelos de visão erraram "DE DIREito" e "JUNDIAI" nesta mesma página que o motor extrai perfeita)
Segurança: validação de caminho anti-traversal, limites de DPI/páginas/ tamanho/tamanho de lote, zero chamadas de rede no código
Bateria de produção 16/16 (autenticação, 5 tools, rejeições de segurança, concorrência) no conector remoto
Para quem prefere zero instalação: https://mcp.beanstech.io/mcp (MCP
Streamable HTTP, autenticação OIDC/Keycloak, hospedado em São Paulo —
território nacional). O plugin local não depende dele.
Interface | Uso | Público |
MCP Server | tools para Claude Code / agentes AI | Agentes AI |
API Web |
| Programas e humanos |
CLI |
| Scripts e automação |
App Desktop |
| Usuário final |
Imagens → PDF · PDF → imagens (zip por página) · PDF → Word (DOCX)
Juntar, dividir, extrair páginas, girar, comprimir (−33,6% medido em contrato real), marca d'água, extrair imagens embutidas
# Linux
sudo apt install tesseract-ocr tesseract-ocr-por
pip install . # ou: pip install -r requirements.txt
# Docker (MCP remoto / API)
docker build -t ocr-beans . && docker run -p 8080:8080 ocr-beansDocs completas em docs/ (API, CLI, MCP, instalação, arquitetura, privacidade).
MIT — ver LICENSE. Dependências: PyMuPDF (AGPL/comercial), Tesseract (Apache-2.0), Pillow (HPND), MCP SDK (MIT).
BeansTech · https://beanstech.io
Processa todos os PDFs de um diretório via OCR.
Salva cada resultado como .txt (no mesmo diretório ou em output_directory).
Retorna um resumo com a lista de arquivos processados.
Args:
directory: Caminho do diretório contendo os PDFs.
output_directory: Diretório de saída (opcional). Se não informado, salva ao lado dos PDFs.
dpi: Resolução para OCR (150, 200, 300 ou 400). Default: 300.
Inputs: directory (required), dpi, output_directory. Returns: result
Diagnóstico rápido: verifica se um PDF tem fontes corrompidas/proprietárias.
Não faz OCR — apenas analisa o texto nativo da primeira página para determinar
se o documento precisará de OCR. Operação rápida (< 1 segundo).
Args:
pdf_path: Caminho absoluto do arquivo PDF.
Inputs: pdf_path (required). Returns: result
Extrai texto de uma imagem via OCR (Tesseract).
Útil para prints de decisões, páginas escaneadas salvas como imagem,
fotos de documentos etc.
Args:
image_path: Caminho absoluto da imagem (png, jpg, jpeg, tif, tiff, bmp, webp, gif).
lang: Idioma do Tesseract (por, eng, por+eng). Default: por.
psm: Modo de segmentação (3=auto, 6=bloco uniforme, 11=texto esparso). Default: 6.
Inputs: image_path (required), psm, lang. Returns: result
Extrai texto de páginas específicas de um PDF.
Útil para PDFs grandes onde você só precisa de algumas páginas,
ou para follow-up após usar ocr_pdf em um documento grande.
Args:
pdf_path: Caminho absoluto do arquivo PDF.
pages: Páginas a extrair. Formatos aceitos: "1", "1-5", "1,3,7", "2-4,8".
dpi: Resolução para OCR (150, 200, 300 ou 400). Default: 300.
Inputs: pages (required), pdf_path (required), dpi. Returns: result
Extrai texto de um PDF. Detecta automaticamente fontes corrompidas (comum em PDFs judiciais brasileiros) e aplica OCR quando necessário.
Para PDFs pequenos (<=30 páginas), retorna o texto completo.
Para PDFs grandes, salva em .txt e retorna o caminho + resumo.
Args:
pdf_path: Caminho absoluto do arquivo PDF.
dpi: Resolução para OCR (150, 200, 300 ou 400). Default: 300.
save_to_file: Forçar salvamento em arquivo .txt mesmo para PDFs pequenos.
Inputs: pdf_path (required), dpi, save_to_file. Returns: result
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 5 tools
Each tool has a fairly distinct target: ocr_image (images), check_legibility (diagnostic), batch_ocr (directory batch), ocr_pdf (full PDF), and ocr_page (specific pages). The only mild overlap is ocr_pdf vs ocr_page, but the descriptions clearly delineate the full-document vs page-subset use cases.
Three tools share the 'ocr_' prefix (ocr_image, ocr_pdf, ocr_page) and the rest use clear verb_noun forms (check_legibility, batch_ocr). Mostly readable and predictable, though the prefix/suffix placement of 'ocr' varies slightly.
Five tools is a tight, well-scoped set for an OCR/PDF extraction domain. Every tool covers a distinct entry point (single image, single PDF, page subset, batch directory, pre-flight diagnostic) with no redundancy.
The surface covers the core OCR lifecycle well: images, full PDFs, page subsets, batch directories, and a legibility diagnostic. Minor gaps remain (e.g. batch image processing or configurable output formats), but the main workflows are fully supported.
Document conversion and OCR for AI agents: PDF, Office docs, images to text.
Agent-native document parsing: PDF, scans and FR/EU invoices to structured JSON or Markdown.
Convert PDF pages into editable Word-ready text from your AI chat, all offline.
Extract text, pages and metadata from PDFs in bulk, with OCR for scanned files.