# Vision OCR MCP

本地 **RapidOCR**（`rapidocr` + ONNX Runtime，默认免费）+ 通义千问 **Qwen-VL**（`summarize` / `both`）。

## 能力

| mode | 说明 |
|------|------|
| `ocr`（默认） | 本地 OCR，中英截图/报错 |
| `summarize` | 通义千问视觉总结（需 API Key） |
| `both` | OCR 原文 + 千问总结 |

输入：`path` 本地路径，或 `from_clipboard=true` 剪贴板图片。不落盘，结果直接返回给 Agent。

## 安装

```powershell
cd d:\code\cuosor\skills+mcp\vision-ocr-mcp
python -m pip install -e .
copy .env.example .env
# 编辑 .env，填入 DASHSCOPE_API_KEY（仅 summarize/both 需要）
```

## 接入 Cursor

编辑用户 MCP 配置（常见路径）：`%USERPROFILE%\.cursor\mcp.json`

```json
{
  "mcpServers": {
    "vision-ocr": {
      "command": "D:\\Anaconda3-new\\python.exe",
      "args": ["-m", "vision_ocr_mcp"],
      "cwd": "d:\\code\\cuosor\\skills+mcp\\vision-ocr-mcp",
      "env": {
        "DASHSCOPE_API_KEY": "sk-你的密钥",
        "QWEN_VL_MODEL": "qwen-vl-plus",
        "PYTHONPATH": "d:\\code\\cuosor\\skills+mcp\\vision-ocr-mcp\\src"
      }
    }
  }
}
```

若已 `pip install -e .`，可去掉 `PYTHONPATH`，`command` 用安装了该包的同一个 Python。

改完后重启 Cursor / 重载 MCP。对话里可说：

- 「用 vision-ocr 读这张图 `D:\xxx.png`」
- 「从剪贴板 OCR」
- 「用 summarize 总结这张架构图」

## 费用

- OCR：本地，免费  
- 千问：按 Token；新用户常有免费额度，见阿里云百炼控制台  

云端高精度 OCR 未接入，可后续再加。