ymeng98/ocr-captcha-mcp-server

OCR & CAPTCHA MCP Server 🔍

高级 OCR 和验证码识别 MCP 服务器 - 为 AI 代理提供强大的图像识别能力

这是一个基于 Model Context Protocol (MCP) 的服务器，为 AI 代理提供 OCR（光学字符识别）和验证码识别功能。支持部署在 Smithery 平台上，使用 Tesseract.js 和先进的图像处理技术。

✨ 核心功能

• 🔤 OCR 文字识别: 使用 Tesseract.js 提取图片中的文字，支持多语言
• 📍 文字区域检测: 智能识别并定位图片中的文字区域和边界框
• 🎨 图像预处理: 提供多种图像处理操作提升识别准确率
• 🧩 滑动验证码解决: 通过模板匹配找到滑动验证码的正确位置
• 🔒 安全设计: 非 root 用户运行，无持久化存储用户图片
• 🚀 高性能: 优化的图像处理流水线和内存管理

🚀 快速开始

在 Smithery 上部署

1. Fork 这个仓库到你的 GitHub 账户
2. 访问 Smithery 并连接你的 GitHub 账户
3. 从你 fork 的仓库部署
4. 在 Claude Desktop 配置中使用提供的 Smithery URL

本地开发

# 克隆仓库
git clone https://github.com/ymeng98/ocr-captcha-mcp-server.git
cd ocr-captcha-mcp-server

# 安装依赖
npm install

# 构建项目
npm run build

# 开发模式运行
npm run dev

# 运行测试
npm test

# 代码检查
npm run lint

Docker 部署

# 构建镜像
docker build -t ocr-captcha-mcp .

# 运行容器
docker run -p 8080:8080 ocr-captcha-mcp

🛠️ 可用工具

ocr_recognize

从图片中提取文字内容。

参数:

• image (必需): Base64 编码的图片数据
• language (可选): OCR 语言 (如 "eng", "chi_sim", "eng+chi_sim")
• psm (可选): 页面分割模式 (0-13，默认 6)
• whitelist (可选): 字符白名单限制

示例:

{
  "name": "ocr_recognize",
  "arguments": {
    "image": "iVBORw0KGgoAAAANSUhEU...",
    "language": "eng+chi_sim",
    "whitelist": "0123456789"
  }
}

text_detection

检测文字区域并返回边界框信息。

参数:

• image (必需): Base64 编码的图片数据
• language (可选): 检测语言

image_preprocessing

图像预处理以提升 OCR 准确率。

参数:

• image (必需): Base64 编码的图片数据
• operations (可选): 处理操作数组 ['grayscale', 'contrast', 'brightness', 'blur', 'sharpen', 'threshold']
• threshold (可选): 二值化阈值 (0-255，默认 128)

slide_captcha_match

通过模板匹配解决滑动验证码。

参数:

• background_image (必需): 带缺口的背景图片 (Base64)
• piece_image (必需): 拼图块图片 (Base64)
• threshold (可选): 匹配阈值 (0-1，默认 0.8)

⚙️ 配置

Claude Desktop 配置

本地开发:

{
  "mcpServers": {
    "ocr-captcha": {
      "command": "npx",
      "args": ["tsx", "src/index.ts"],
      "cwd": "/path/to/ocr-captcha-mcp-server"
    }
  }
}

Smithery 部署:

{
  "mcpServers": {
    "ocr-captcha": {
      "command": "npx",
      "args": ["-y", "@smithery/cli", "run", "your-deployment-url"]
    }
  }
}

🏗️ 架构设计

graph TB
    A[AI Agent] --> B[MCP Protocol Layer]
    B --> C[Service Management Layer]
    C --> D[Image Processing Engine]
    D --> E[Tesseract.js OCR]
    D --> F[Template Matching]
    D --> G[Image Preprocessing]
    
    C --> H[Error Handling & Validation]
    C --> I[Resource Management]
    
    J[Docker Container] --> K[Non-root User]
    J --> L[Health Checks]

📋 系统要求

• Node.js 18+
• 内存: 建议 512MB+（用于图像处理）
• Docker（可选，用于容器化部署）
• 支持的图片格式: PNG, JPEG, GIF, BMP

🧪 测试

项目包含完整的测试套件：

# 运行所有测试
npm test

# 测试 MCP 协议通信
node test-protocol.cjs

# 简单功能测试
node simple-test.cjs

# TypeScript 完整测试
npm run dev -- test-mcp.ts

🔒 安全特性

• ✅ Docker 容器中使用非 root 用户运行
• ✅ 输入参数严格验证
• ✅ 完善的错误处理机制
• ✅ 不持久化存储用户图片
• ✅ 内存使用优化和垃圾回收

🤝 贡献指南

1. Fork 这个仓库
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交你的更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 开源协议

本项目基于 MIT 协议开源 - 查看 文件了解详情。

🙏 致谢

• Tesseract.js - 强大的 OCR 引擎
• Model Context Protocol - AI 代理通信协议
• Smithery - AI 服务部署平台
• Sharp - 高性能图像处理库

📞 支持

如有问题或建议：

• 查看 GitHub Issues
• 参考 MCP 文档
• 访问 Smithery 文档