AI导哈

多后端OCR服务器

一个支持多种OCR后端（包括本地Marker、DeepSeek API和Mistral API）的服务，适用于文档文本提取和手写识别。

  • by differentstuff
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 differentstuff/mcp-server-ocr

使用说明

OCR MCP服务器

LibreChat的多后端OCR MCP服务器，支持Marker（本地）、DeepSeek API和Mistral API。

特性

  • 多个后端：Marker（本地，免费），DeepSeek API，Mistral API
  • 自动回退：失败时无缝回退到下一个后端
  • 灵活配置：基于环境的配置
  • 成本有效：对于简单文档使用本地Marker，对于复杂手写使用API
  • 易于集成：适用于LibreChat MCP
  • 可选后端：仅启用所需的后端

快速开始

最小设置（标记+西北风）

# Install
pip install -r requirements.txt

# Configure (only Mistral key required)
echo 'MISTRAL_API_KEY=your-key-here' > .env

# Test
python -m ocr_mcp.server

LibreChat配置

mcpServers:
  ocr:
    command: "python"
    args: ["-m", "ocr_mcp.server"]
    env:
      MISTRAL_API_KEY: "your-mistral-key-here"
      ENABLED_BACKENDS: "marker,mistral"
      DEFAULT_BACKEND: "marker"

配置

环境变量

# API Keys (only required for enabled backends)
MISTRAL_API_KEY=your-mistral-key-here      # Required if mistral enabled
DEEPSEEK_API_KEY=your-deepseek-key-here    # Optional - only if deepseek enabled

# Backend Configuration
ENABLED_BACKENDS=marker,mistral            # Comma-separated list
DEFAULT_BACKEND=marker                     # Default backend to use

# Processing Settings
MAX_FILE_SIZE_MB=50                        # Maximum file size
TIMEOUT_SECONDS=120                        # Processing timeout
API_TIMEOUT=30                             # API call timeout
API_MAX_RETRIES=3                          # API retry attempts
MARKER_BATCH_SIZE=1                        # Marker batch size

后端选项

仅标记（不需要API密钥）：

ENABLED_BACKENDS: "marker"
DEFAULT_BACKEND: "marker"

Marker+Mistral（推荐）：

MISTRAL_API_KEY: "your-key"
ENABLED_BACKENDS: "marker,mistral"
DEFAULT_BACKEND: "marker"

所有后端（当您拥有DeepSeek密钥时）：

MISTRAL_API_KEY: "your-mistral-key"
DEEPSEEK_API_KEY: "your-deepseek-key"
ENABLED_BACKENDS: "marker,deepseek,mistral"
DEFAULT_BACKEND: "marker"

用法

在LibreChat助手中

自动选择后端：

Extract text from this PDF

指定后端：

Use Mistral to extract text from this handwritten page

批量处理：

Process all uploaded PDFs with Marker first, use Mistral for pages with tables

可用工具

  • 光学字符识别：从PDF文件或图像中提取文本
    • file_path （必填）：文件路径
    • backend （可选）：要使用的特定后端（标记、deepseek、mistral）

后端详细信息

标记（本地）

  • 优点：免费、快速、仅限CPU-无API费用
  • 最佳：文本量大的文档，干净的PDF
  • 局限性：难以书写和复杂布局
  • 需求：不需要API密钥

Mistral API（像素）

  • 优点：OCR精度最高，布局复杂时表现出色
  • 最佳：表格、表格、混合内容、手写
  • 成本：基于API使用情况
  • 需求：有效的Mistral API密钥

DeepSeek API

  • 优点：出色的手写识别，价格实惠
  • 最佳：手写笔记、标记文件
  • 成本：基于API使用情况
  • 需求：有效的DeepSeek API密钥（可选）

稍后添加DeepSeek

当您准备启用DeepSeek时：

  1. 从以下位置获取API密钥：https://platform.deepseek.com/api_keys
  2. 添加到您的配置中：
    DEEPSEEK_API_KEY: "your-deepseek-key-here"
ENABLED_BACKENDS: "marker,deepseek,mistral"
  3. 重新开始免费聊天

服务器将在可用时自动检测并使用DeepSeek。

故障排除

MCP服务器未出现

  • 检查 librechat.yaml 缩进（YAML对空格敏感）
  • 验证API密钥设置是否正确
  • 检查Docker日志： docker-compose logs -f

“后端不可用”错误

  • 确保 ENABLED_BACKENDS 匹配您可用的API密钥
  • 如果未提供API密钥，将跳过DeepSeek
  • 如果启用了Mistral，则需要有效的API密钥
  • 标记不需要额外设置

处理速度慢

  • Marker在本地运行（对于简单文档来说速度很快）
  • API调用每页需要2-5秒
  • 考虑对大型书籍进行批量处理

标记安装问题

# Install marker-pdf separately
pip install marker-pdf

# Or install all dependencies
pip install -r requirements.txt

配置验证错误

服务器将在启动时验证您的配置。常见错误：

  • “DeepSeek后端已启用，但未设置DEEPSEK_API_KEY”

    • 添加API密钥，或从ENABLED_BACKENDS中删除“深度搜索”

  • “已启用Mistral后端，但未设置Mistral_API_KEY”

    • 添加API密钥，或从ENABLED_BACKENDS中删除“mistral”

发展

项目结构

ocr-mcp/
├── ocr_mcp/
│   ├── __init__.py
│   ├── server.py          # Main MCP server
│   ├── config.py          # Configuration management
│   └── backends/
│       ├── __init__.py
│       ├── base.py        # Base backend interface
│       ├── marker.py      # Marker backend
│       ├── deepseek.py    # DeepSeek API backend
│       └── mistral.py     # Mistral API backend
├── pyproject.toml
└── README.md

从源代码运行

# Install in development mode
pip install -e .

# Run server
python -m ocr_mcp.server

许可证

MIT许可证

贡献

欢迎投稿！请随时提交问题或拉取请求。

相关 MCP