Ddddocr Captcha MCP

🚀 ddddocr 验证码识别 MCP 服务器

这是一个强大的验证码识别MCP服务器，它基于 ddddocr 库构建，具备先进的文本OCR识别、目标检测和滑块匹配能力。

🚀 快速开始

你可以通过以下两种方式安装并使用本项目：

从 Smithery 安装（推荐）

1. 访问 Smithery.ai
2. 搜索 “ddddocr-captcha-recognition-ymeng98”
3. 一键安装到你的AI工具链中

本地开发

# 克隆并设置项目
git clone <repository-url>
cd ddddocr-captcha
npm install

# 安装Python依赖
pip install -r requirements.txt

# 运行开发服务器
npm run dev

✨ 主要特性

• 🔤 文本OCR识别 - 从验证码图像中识别文本内容
• 🎯 目标检测 - 检测验证码图像中的目标物体
• 🔄 滑块匹配 - 高精度匹配滑块验证码的位置
• ⚡ 高性能 - 基于ONNX运行时，处理速度快
• 🔌 MCP兼容 - 完全兼容模型上下文协议

💻 使用示例

可用工具

ocr_recognize

从验证码图像中识别文本内容。 参数：

• image_base64（可选）：Base64编码的图像数据
• image_path（可选）：图像文件的路径

detect_objects

检测验证码图像中的目标物体。 参数：

• image_base64（可选）：Base64编码的图像数据
• image_path（可选）：图像文件的路径

match_slider

匹配滑块验证码的位置。 参数：

• target_base64（可选）：目标图像的Base64编码
• background_base64（可选）：背景图像的Base64编码
• target_path（可选）：目标图像文件的路径
• background_path（可选）：背景图像文件的路径

health_check

检查 ddddocr 服务的健康状态。

🔧 技术细节

• 核心识别：dddocr 库
• 图像处理：OpenCV、Pillow
• 协议：模型上下文协议（MCP）
• 运行时：TypeScript（Node.js）+ Python 后端
• 模型：基于ONNX的神经网络

📄 许可证

本项目采用 MIT 许可证。

支持

如果遇到问题或有疑问，请访问我们的GitHub仓库或联系维护者。