Openai Ocr MCP

🚀 OpenAI OCR MCP 服務器

本項目是一個具備光學字符識別（OCR）功能的模型上下文協議（MCP）服務器，藉助 OpenAI 的視覺能力，與 Cursor IDE 集成，可實現從圖像中無縫提取文本。

🚀 快速開始

本服務器與 Cursor IDE 集成，能實現從圖像中無縫提取文本。只需在 Cursor 設置中配置 MCP 服務器，即可通過命令面板使用 OCR 工具。

✨ 主要特性

• 圖像文字提取：藉助 OpenAI 的 GPT - 4.1 - mini 模型，可從 JPG、PNG、GIF 和 WebP 等多種圖像格式中精準提取文本。
• 自動創建文本文件：自動將提取的文本與源圖像一同保存，方便後續查看。
• 基於內容的文件命名：採用唯一的內容哈希進行文件管理，使文件組織更加有序。
• 強大的錯誤處理：具備全面的驗證和錯誤報告機制，能有效應對各種異常情況。
• 詳細的日誌記錄：提供調試友好的日誌記錄，便於進行故障排查。

📦 安裝指南

1. 克隆倉庫。
2. 安裝依賴：

   npm install
   

3. 構建 TypeScript 代碼：

   npm run build
   

4. 在 .env 文件中設置 OpenAI API 密鑰：

   OPENAI_API_KEY=your_api_key_here
   

💻 使用示例

基礎用法

在 Cursor IDE 中

1. 在 Cursor 設置中配置 MCP 服務器。
2. 通過 Cursor 的命令面板使用 OCR 工具。
3. 選擇要處理的圖像文件。
4. 提取的文本將：
   • 顯示在 Cursor 中。
   • 與圖像一起保存為文本文件。

文本文件輸出

對於每個處理過的圖像，服務器創建一個文本文件，採用以下命名約定：

{原始圖像名稱}-{內容哈希}.txt

示例：

• 輸入圖像：document.jpg
• 輸出文件：document-a1b2c3d4.txt

content_hash 是從提取的文本中生成的獨特 8 字符哈希，確保：

• 不同文本內容的獨特文件名。
• 源圖像與提取文本之間的輕鬆匹配。
• 當同一圖像產生不同結果時進行版本跟蹤。

高級用法

本服務器支持多種圖像格式，包括 JPEG/JPG、PNG、GIF 和 WebP。同時，建立了文件大小驗證機制，最大文件大小限制為 5MB，超過此限制的文件將被拒絕並顯示錯誤消息。

🔧 技術細節

視覺模型

• 使用 OpenAI 的 GPT - 4.1 - mini 模型，該模型經過優化，可用於從圖像中提取文本，支持高詳細度的圖像分析，並通過 OpenAI 的視覺 API 處理圖像。
• 支持高詳細度的圖像分析。
• 通過 OpenAI 的視覺 API 處理圖像。

文件處理

• 自動創建文本文件。
• 進行內容哈希生成。
• 支持多種圖像格式。
• 建立在文件大小驗證基礎上。

📄 許可證

本項目採用 MIT License。