AI导哈

屏幕截图OCR识别工具

一个能够捕获屏幕截图并进行OCR文本识别的服务器工具，支持多种输出格式和语言识别。

  • by kazuph
  • JavaScript
  • 本地部署
  • 23 星标
  • 更新于
在 GitHub 查看 kazuph/mcp-screenshot

使用说明

MCP屏幕截图

捕获屏幕截图并执行OCR文本识别的MCP服务器。

特性

  • 截图（左半、右半、全屏）
  • OCR文本识别（支持日语和英语）
  • 多种输出格式（JSON、Markdown、垂直、水平）

OCR引擎

此服务器使用两个OCR引擎：

  1. yomitoku

    • 主OCR引擎
    • 高精度日语文本识别
    • 作为API服务器运行

  2. Tesseract.js

    • 后备OCR引擎
    • 当yomitoku不可用时使用
    • 支持日语和英语识别

安装

npx -y @kazuph/mcp-screenshot

Claude桌面配置

将以下配置添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "screenshot": {
      "command": "npx",
      "args": ["-y", "@kazuph/mcp-screenshot"],
      "env": {
        "OCR_API_URL": "http://localhost:8000"  // yomitoku API base URL
      }
    }
  }
}

环境变量

变量名称 描述 默认值
OCR_API_URL yomitoku API基础URL http://localhost:8000

用法示例

你可以这样指导克劳德来使用它：

Please take a screenshot of the left half of the screen and recognize the text in it.

工具规格

捕捉

截取屏幕截图并执行OCR。

选项：

  • region：屏幕截图区域（“左”/“右”/“满”，默认值：“左”）
  • format：输出格式（'json'/'markdown'/'vertical'/'horizontal'，默认：'markdown'）

许可证

麻省理工学院

作者

卡祖夫

相关 MCP