Gemini OCR MCP

Gemini OCR MCP Server

本项目通过 FastMCP 服务提供简单而强大的 OCR（光学字符识别）服务，并利用 Google Gemini API 的能力。你可以提供文件路径或 base64 编码字符串，从图像中提取文本。

目标

提取以下图像中的文本：

并将其转换为纯文本，例如 fbVk

功能

• **基于文件的 OCR：**直接从本地系统上的图像文件中提取文本。
• **Base64 OCR：**从 base64 编码的图像字符串中提取文本。
• **易于使用：**在 MCP 服务中以简单的工具形式提供 OCR 功能。
• **由 Gemini 提供支持：**利用 Google 先进的 Gemini 模型实现高精度文本识别。

前提条件

• Python 3.8 或更高版本
• Google Gemini API 密钥。你可以从 Google AI Studio 获取。

设置和安装

1. 克隆仓库：

   git clone https://github.com/WindoC/gemini-ocr-mcp
   cd gemini-ocr-mcp
   

2. 创建并激活虚拟环境：

   # 如有需要，单独安装 uv
   
   ## 在 macOS 和 Linux 上。
   curl -LsSf https://astral.sh/uv/install.sh | sh
   
   ## 在 Windows 上。
   powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
   

3. 安装所需依赖项：

   uv sync
   

MCP 配置示例

如果你将其作为上层 MCP 应用的服务运行，可以在主 MCP config.json 中进行配置。

Windows 示例：

{
  "mcpServers": {
    "gemini-ocr-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "x:\\path\\to\\your\\project\\gemini-ocr-mcp",
        "run",
        "gemini-ocr-mcp.py"
      ],
      "env": {
        "GEMINI_MODEL": "gemini-2.5-flash-preview-05-20",
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY"
      }
    }
  }
}

Linux/macOS 示例：

{
  "mcpServers": {
    "gemini-ocr-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/your/project/gemini-ocr-mcp",
        "run",
        "gemini-ocr-mcp.py"
      ],
      "env": {
        "GEMINI_MODEL": "gemini-2.5-flash-preview-05-20",
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY"
      }
    }
  }
}

**注意：**请记得将占位路径替换为项目目录的绝对路径。

提供的工具

ocr_image_file

对本地图像文件执行 OCR。

• 参数：image_file（字符串）：图像文件的绝对路径或相对路径。
• 返回值：（字符串）从图像中提取的文本。

ocr_image_base64

对 base64 编码的图像执行 OCR。

• 参数：base64_image（字符串）：图像的 base64 编码字符串。
• 返回值：（字符串）从图像中提取的文本。