Openai Ocr MCP

🚀 OpenAI OCR MCP 服务器

本项目是一个具备光学字符识别（OCR）功能的模型上下文协议（MCP）服务器，借助 OpenAI 的视觉能力，与 Cursor IDE 集成，可实现从图像中无缝提取文本。

🚀 快速开始

本服务器与 Cursor IDE 集成，能实现从图像中无缝提取文本。只需在 Cursor 设置中配置 MCP 服务器，即可通过命令面板使用 OCR 工具。

✨ 主要特性

• 图像文字提取：借助 OpenAI 的 GPT - 4.1 - mini 模型，可从 JPG、PNG、GIF 和 WebP 等多种图像格式中精准提取文本。
• 自动创建文本文件：自动将提取的文本与源图像一同保存，方便后续查看。
• 基于内容的文件命名：采用唯一的内容哈希进行文件管理，使文件组织更加有序。
• 强大的错误处理：具备全面的验证和错误报告机制，能有效应对各种异常情况。
• 详细的日志记录：提供调试友好的日志记录，便于进行故障排查。

📦 安装指南

1. 克隆仓库。
2. 安装依赖：

   npm install
   

3. 构建 TypeScript 代码：

   npm run build
   

4. 在 .env 文件中设置 OpenAI API 密钥：

   OPENAI_API_KEY=your_api_key_here
   

💻 使用示例

基础用法

在 Cursor IDE 中

1. 在 Cursor 设置中配置 MCP 服务器。
2. 通过 Cursor 的命令面板使用 OCR 工具。
3. 选择要处理的图像文件。
4. 提取的文本将：
   • 显示在 Cursor 中。
   • 与图像一起保存为文本文件。

文本文件输出

对于每个处理过的图像，服务器创建一个文本文件，采用以下命名约定：

{原始图像名称}-{内容哈希}.txt

示例：

• 输入图像：document.jpg
• 输出文件：document-a1b2c3d4.txt

content_hash 是从提取的文本中生成的独特 8 字符哈希，确保：

• 不同文本内容的独特文件名。
• 源图像与提取文本之间的轻松匹配。
• 当同一图像产生不同结果时进行版本跟踪。

高级用法

本服务器支持多种图像格式，包括 JPEG/JPG、PNG、GIF 和 WebP。同时，建立了文件大小验证机制，最大文件大小限制为 5MB，超过此限制的文件将被拒绝并显示错误消息。

🔧 技术细节

视觉模型

• 使用 OpenAI 的 GPT - 4.1 - mini 模型，该模型经过优化，可用于从图像中提取文本，支持高详细度的图像分析，并通过 OpenAI 的视觉 API 处理图像。
• 支持高详细度的图像分析。
• 通过 OpenAI 的视觉 API 处理图像。

文件处理

• 自动创建文本文件。
• 进行内容哈希生成。
• 支持多种图像格式。
• 建立在文件大小验证基础上。

📄 许可证

本项目采用 MIT License。