OCR MCP Server

Instructions

Implementation Reference

• ocr.js:124-188 (handler)

  The core implementation of the 'recognize_text' tool, which wraps Tesseract.js to perform OCR on images.

  export async function recognizeText(imagePath, languages = ['chi_sim', 'eng']) {
    // 第一步：验证图片
    const validation = validateImage(imagePath);
    if (!validation.valid) {
      return { success: false, error: validation.error };
    }
  
    try {
      // 第二步：执行 OCR 识别
      // Tesseract.recognize() 参数说明：
      // - 参数1: 图片路径（也支持 URL、Buffer、Base64）
      // - 参数2: 语言代码，多语言用 '+' 连接
      // - 参数3: 配置选项对象
      const result = await Tesseract.recognize(
        imagePath,
        languages.join('+'),  // 将语言数组转换为 Tesseract 格式，如 'chi_sim+eng'
        {
          // logger 回调可用于监控识别进度，调试时可取消注释
          // logger: m => console.log(m)
          // 
          // 进度信息格式示例：
          // { status: 'loading tesseract core', progress: 0.5 }
          // { status: 'recognizing text', progress: 0.8 }
        }
      );
  
      // 第三步：处理识别结果
      // result.data 包含完整的识别信息：
      // - text: 识别出的全部文字
      // - confidence: 整体置信度
      // - words: 单词级别的详细信息数组
      // - lines: 行级别的详细信息数组
      const text = result.data.text.trim();  // 去除首尾空白
      const confidence = result.data.confidence;
  
      // 处理空结果的情况
      if (!text) {
        return { 
          success: true,  // 技术上识别成功，只是没有文字
          text: '', 
          confidence,
          message: '图片中未识别到文字内容'
        };
      }
  
      // 返回成功结果
      return { 
        success: true, 
        text, 
        confidence,
        message: `识别完成，置信度: ${confidence.toFixed(1)}%`
      };
  
    } catch (error) {
      // 捕获并返回识别过程中的错误
      // 常见错误：
      // - 网络问题导致语言包下载失败
      // - 图片文件损坏
      // - 内存不足（处理超大图片时）
      return { 
        success: false, 
        error: `OCR 识别失败: ${error.message}` 
      };
    }
  }