mcp-ocr-server

Ricardo-M-L/mcp-ocr-server

3.2

If you are the rightful owner of mcp-ocr-server and would like to certify it and/or have it hosted online, please leave a comment on the right or send an email to dayong@mcphub.com.

The MCP OCR Server is a production-grade OCR server leveraging Tesseract OCR and GoCV to provide intelligent image preprocessing and high-performance text recognition services.

Tools
4
Resources
0
Prompts
0

MCP OCR Server

生产级 OCR MCP Server，基于 Tesseract OCR 和 GoCV，提供智能图像预处理和高性能文本识别服务。

特性

核心功能

  • ✅ 多语言支持: 英文、简体中文、繁体中文、日文
  • ✅ 智能预处理: 自动图像质量分析和自适应预处理管道
  • ✅ 高性能: Worker Pool + 资源池 + 结果缓存
  • ✅ MCP 集成: 完整的 Model Context Protocol 支持
  • ✅ 生产就绪: 完善的错误处理、日志记录和配置管理

图像预处理

  • 自动质量分析 (清晰度、对比度、亮度)
  • 灰度化处理
  • 降噪 (Fast Non-Local Means Denoising)
  • 二值化 (Otsu / 自适应阈值)
  • 倾斜校正 (基于霍夫变换)
  • 对比度增强 (CLAHE)
  • 亮度调整

性能优化

  • Worker Pool 并发处理
  • Tesseract 客户端池
  • 基于 SHA256 的结果缓存
  • 可配置的资源限制

系统要求

  • Go 1.21+
  • Tesseract OCR 4.0+
  • OpenCV 4.5+
  • macOS / Linux (Ubuntu, CentOS)

快速开始

1. 安装系统依赖

# macOS
./scripts/install-deps.sh

# 或手动安装
brew install tesseract tesseract-lang opencv

2. 安装 Go 依赖

make deps

3. 配置

编辑 configs/config.yaml:

server:
  name: mcp-ocr-server
  version: 1.0.0

ocr:
  language: eng+chi_sim+chi_tra+jpn
  data_path: /usr/local/share/tessdata
  max_image_size: 10485760  # 10MB
  timeout: 30

preprocessing:
  enabled: true
  auto_mode: true  # 智能预处理

performance:
  worker_pool_size: 4
  cache_enabled: true
  cache_size: 100

4. 构建和运行

# 构建
make build

# 运行
make run

# 或直接运行
./bin/mcp-ocr-server -config configs/config.yaml

MCP Tools

1. ocr_recognize_text

识别图像文件中的文本。

参数:

{
  "image_path": "/path/to/image.png",
  "language": "eng",
  "preprocess": true,
  "auto_mode": true
}

返回:

{
  "text": "识别的文本内容",
  "confidence": 95.5,
  "language": "eng",
  "duration": 1.23
}

2. ocr_recognize_text_base64

识别 Base64 编码的图像。

参数:

{
  "image_base64": "iVBORw0KGgoAAAANSUhEUgA...",
  "language": "chi_sim",
  "preprocess": true,
  "auto_mode": true
}

3. ocr_batch_recognize

批量识别多个图像。

参数:

{
  "image_paths": [
    "/path/to/image1.png",
    "/path/to/image2.jpg"
  ],
  "language": "eng+chi_sim",
  "preprocess": true
}

返回:

{
  "results": [
    {
      "path": "/path/to/image1.png",
      "text": "...",
      "confidence": 95.5
    },
    {
      "path": "/path/to/image2.jpg",
      "text": "...",
      "confidence": 92.3
    }
  ],
  "count": 2
}

4. ocr_get_supported_languages

获取支持的语言列表。

返回:

{
  "languages": ["eng", "chi_sim", "chi_tra", "jpn"]
}

使用示例

Claude Desktop 集成

在 claude_desktop_config.json 中添加:

{
  "mcpServers": {
    "ocr": {
      "command": "/path/to/mcp-ocr-server",
      "args": ["-config", "/path/to/config.yaml"]
    }
  }
}

示例对话

用户: 请识别这张图片中的文本 /path/to/document.png

Claude: 我来使用 OCR 工具识别这张图片...

[调用 ocr_recognize_text]

识别结果:
- 文本: "这是一份重要文档..."
- 置信度: 96.5%
- 语言: 简体中文
- 处理时间: 1.2秒

项目结构

mcp-ocr-server/
├── cmd/
│   └── server/
│       └── main.go              # 服务入口
├── internal/
│   ├── config/
│   │   └── config.go            # 配置管理
│   ├── ocr/
│   │   ├── engine.go            # OCR 引擎接口
│   │   └── tesseract.go         # Tesseract 实现
│   ├── preprocessing/
│   │   ├── analyzer.go          # 图像质量分析
│   │   └── preprocessor.go      # 图像预处理
│   ├── pool/
│   │   └── worker_pool.go       # Worker Pool
│   ├── cache/
│   │   └── cache.go             # 结果缓存
│   ├── tools/
│   │   ├── schemas.go           # MCP Tool Schema
│   │   └── handler.go           # Tool Handler
│   └── server/
│       └── server.go            # MCP Server
├── pkg/
│   ├── errors/
│   │   └── errors.go            # 错误处理
│   └── logger/
│       └── logger.go            # 日志封装
├── configs/
│   └── config.yaml              # 配置文件
├── scripts/
│   └── install-deps.sh          # 依赖安装脚本
├── Makefile                     # 构建管理
├── Dockerfile                   # Docker 支持
└── README.md                    # 项目文档

配置说明

OCR 配置

ocr:
  language: eng+chi_sim           # 语言组合
  data_path: /path/to/tessdata    # tessdata 路径
  page_seg_mode: 3                # 页面分割模式
  max_image_size: 10485760        # 最大图像大小
  timeout: 30                     # 超时时间

预处理配置

preprocessing:
  enabled: true                   # 启用预处理
  auto_mode: true                 # 自动模式
  grayscale: true                 # 灰度化
  denoise: true                   # 降噪
  binarization: true              # 二值化
  deskew_correction: true         # 倾斜校正
  quality_thresholds:
    sharpness: 100.0              # 清晰度阈值
    contrast: 30.0                # 对比度阈值
    brightness: 50.0              # 亮度阈值

性能配置

performance:
  worker_pool_size: 4             # Worker 数量
  queue_size: 100                 # 队列大小
  cache_enabled: true             # 启用缓存
  cache_size: 100                 # 缓存大小
  cache_ttl: 3600                 # 缓存 TTL

Docker 部署

构建镜像

make docker-build

运行容器

make docker-run

或手动运行:

docker run --rm -it \
  -v $(pwd)/configs:/app/configs \
  -v $(pwd)/test:/app/test \
  mcp-ocr-server:latest

开发指南

运行测试

make test

代码格式化

make fmt

代码检查

make lint

开发模式 (热重载)

make dev

性能调优

1. Worker Pool 大小

根据 CPU 核心数调整:

performance:
  worker_pool_size: 8  # 建议为 CPU 核心数

2. 缓存策略

高频场景增加缓存:

performance:
  cache_size: 500
  cache_ttl: 7200

3. 预处理优化

低质量图像启用完整预处理:

preprocessing:
  auto_mode: true      # 自动分析
  denoise: true        # 降噪
  deskew_correction: true  # 倾斜校正

4. 资源限制

限制图像大小:

ocr:
  max_image_size: 5242880  # 5MB
  timeout: 15              # 15秒

故障排查

1. Tesseract 找不到语言数据

# 检查 tessdata 路径
tesseract --print-parameters | grep tessdata

# 设置环境变量
export TESSDATA_PREFIX=/usr/local/share/tessdata

2. OpenCV 链接错误

# macOS
export PKG_CONFIG_PATH="/usr/local/opt/opencv/lib/pkgconfig"
export DYLD_LIBRARY_PATH="/usr/local/opt/opencv/lib"

# Ubuntu
sudo ldconfig

3. 内存使用过高

减小 Worker Pool 和缓存大小:

performance:
  worker_pool_size: 2
  cache_size: 50

贡献指南

欢迎提交 Issue 和 Pull Request！

  1. Fork 本仓库
  2. 创建功能分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 创建 Pull Request

许可证

MIT License

致谢

联系方式

注意: 本项目处于活跃开发中，API 可能会发生变化。建议关注 Release 版本进行生产部署。