OpenAI OCR MCP Server

OpenAI OCR MCP 服务

一个使用 OpenAI 的视觉能力提供 OCR（光学字符识别）功能的模型上下文协议（MCP）服务。此服务与 Cursor IDE 集成，可无缝提取图像中的文本。

功能

• 图像文本提取：使用 OpenAI 的 GPT-4.1-mini 视觉模型提取各种图像格式中的文本
• 自动创建文本文件：自动将提取的文本保存在源图像旁边
• 基于内容的文件命名：使用唯一的内容哈希，便于管理文件
• 支持多种图像格式：支持 JPG、PNG、GIF 和 WebP 格式
• 稳健的错误处理：提供全面的验证和错误报告
• 详细日志：提供便于调试的日志，帮助排查问题

技术详情

视觉模型

• 使用 OpenAI 的 GPT-4.1-mini 模型
• 针对从图像中提取文本进行了优化
• 支持高细节图像分析
• 通过 OpenAI 的视觉 API 处理图像

文件处理

• 自动创建文本文件
• 基于内容生成哈希
• 支持多种图像格式
• 内置文件大小验证

安装

1. 克隆代码库
2. 安装依赖项：

   npm install
   

3. 构建 TypeScript 代码：

   npm run build
   

4. 在 .env 文件中设置你的 OpenAI API 密钥：

   OPENAI_API_KEY=your_api_key_here
   

使用方法

在 Cursor IDE 中

1. 在 Cursor 设置中配置 MCP 服务
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
   • 作为文本文件保存在图像旁边

文本文件输出

对于每张经过处理的图像，服务都会按照以下命名规则创建一个文本文件：

{original_image_name}-{content_hash}.txt

示例：

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

content_hash 是根据提取的文本生成的唯一 8 字符哈希，可确保：

• 不同文本内容对应不同的文件名
• 轻松匹配源图像与提取的文本
• 同一图像产生不同结果时可追踪版本

支持的图像格式

• JPEG/JPG
• PNG
• GIF
• WebP

文件大小限制

• 最大文件大小：5MB
• 超出此限制的文件将被拒绝，并显示错误消息

错误处理

此服务会针对常见问题提供详细的错误消息：

• 图像格式无效
• 文件大小超出限制
• 文件访问问题
• API 密钥问题
• 文本提取失败

开发

从源代码构建

npm run build

运行测试

npm test

调试

此服务会提供详细日志，包括：

• API 密钥验证
• 文件处理步骤
• 文本提取结果
• 文件保存操作

环境变量

• OPENAI_API_KEY：你的 OpenAI API 密钥（必需）
• 同时支持标准（sk-...）和项目专用（sk-proj-...）API 密钥

贡献

欢迎贡献！欢迎提交 Pull Request。

许可证

MIT 许可证