Local OCR MCP

基于 FastMCP 与 PaddleOCR 的最小化本地 OCR MCP 服务，只保留 stdio -> ocr_recognize -> PaddleOCR -> 统一响应 envelope 这一条主路径，适合本地 IDE、Agent 和 MCP Client 直接接入。

---

1. 快速开始

环境要求

• Python 3.10+
• uv

1. 直接用 uvx 运行

uvx --from "local-ocr-mcp[paddleocr]" local-ocr-mcp

适合直接接入 MCP 客户端，不需要手动创建虚拟环境。

2. 本地开发运行

git clone <repository-url>
cd local-ocr-mcp
uv sync --extra dev --extra paddleocr
uv run python -m local_ocr_mcp

3. MCP 客户端配置示例

{
  "mcpServers": {
    "local-ocr-mcp": {
      "command": "uvx",
      "args": ["--from", "local-ocr-mcp[paddleocr]", "local-ocr-mcp"]
    }
  }
}

📖 仓库里也保留了一份同步后的配置样例 → mcp_config.json

---

2. 核心特性

特性	说明
单路径主链路	只保留 stdio -> ocr_recognize -> PaddleOCR，没有传输分支和引擎路由
最小工具面	对外只暴露 ocr_recognize 与 ocr_health_check 两个工具
统一响应契约	所有工具统一返回 status / data / error / meta envelope
固定输入模型	当前只接受本地图片路径 image.path，不支持 URL、base64 或上传流
稳定错误语义	用固定错误码暴露常见失败路径，便于客户端编排与恢复
低认知负担	不保留多引擎、analysis、progress、heartbeat、registry/factory 等扩展层

---

3. 技术栈

• Python 3.10+ / uv - 运行时与依赖管理
• FastMCP - MCP 服务框架
• PaddleOCR - 固定 OCR 引擎
• Pillow - 图片合法性校验
• pytest - 最小契约测试

---

4. 架构概览

┌──────────────────────────────────────────────────────┐
│                 MCP Client / IDE / Agent            │
├──────────────────────────────────────────────────────┤
│                     stdio transport                  │
├──────────────────────────────────────────────────────┤
│       FastMCP Tools: ocr_recognize / health_check   │
├──────────────────────────────────────────────────────┤
│  RecognitionService            HealthService         │
├──────────────────────────────────────────────────────┤
│                  PaddleOCREngine                    │
├──────────────────────────────────────────────────────┤
│          PaddleOCR / Filesystem / Image Validation   │
└──────────────────────────────────────────────────────┘

当前实现刻意保持单向依赖和短链路：

• CLI 只负责启动 stdio
• Tool 层只负责暴露 MCP 接口
• Service 层负责校验输入并整形成统一 envelope
• Engine 层只负责调用 PaddleOCR 并归一化结果

---

5. 工具契约

工具	说明
ocr_recognize	识别本地图片并返回统一 OCR 结果
ocr_health_check	返回轻量健康状态、运行时版本和启动时长

ocr_recognize 请求示例

{
  "image": {
    "path": "./example.png"
  }
}

ocr_recognize 输入约束

• image 必须是对象
• image.path 必须是非空字符串
• 当前只允许 image.path
• 相对路径会按服务进程当前工作目录解析为绝对路径

ocr_recognize 成功响应示例

{
  "status": "ok",
  "data": {
    "text": "示例文本",
    "boxes": [
      {"x1": 0.0, "y1": 0.0, "x2": 120.0, "y2": 32.0}
    ],
    "confidence": 0.98,
    "engine": "paddleocr",
    "processing_ms": 143
  },
  "error": null,
  "meta": {
    "timestamp": "2026-03-14T00:00:00+00:00",
    "runtime_version": "0.2.0",
    "request_id": "8c4c9d5c-6b4d-4f1f-b6df-4ff80e3ff6b6",
    "resolved_engine": "paddleocr",
    "resolved_image_path": "/abs/path/example.png"
  }
}

ocr_health_check 响应示例

{
  "status": "ok",
  "data": {
    "status": "healthy",
    "uptime_ms": 1234,
    "transport": "stdio",
    "runtime_version": "0.2.0"
  },
  "error": null,
  "meta": {
    "timestamp": "2026-03-14T00:00:00+00:00",
    "runtime_version": "0.2.0"
  }
}

---

6. 错误语义与运行约束

统一错误结构

{
  "status": "error",
  "data": null,
  "error": {
    "code": "file_not_found|invalid_image|engine_not_available|internal_error",
    "message": "具体错误信息",
    "retryable": false
  },
  "meta": {
    "timestamp": "...",
    "runtime_version": "0.2.0",
    "request_id": "...",
    "resolved_engine": "paddleocr"
  }
}

错误码说明

• file_not_found：image.path 指向的文件不存在
• invalid_image：请求结构不合法，或文件存在但不是有效图片
• engine_not_available：PaddleOCR 未安装或初始化失败
• internal_error：识别链路内部出现未归类异常

当前运行约束

• 只支持 stdio
• 只支持 PaddleOCR
• 不会自动切换引擎
• 不支持 streamable-http
• 不支持 analysis、progress、heartbeat
• 不支持 URL、base64、上传流等非文件输入

PaddleOCR 兼容行为

内部固定使用 PaddleOCR，但对其 Python API 保留最小兼容：

• 优先走较新的 predict()
• 如果安装版本只支持旧接口，则回退到 ocr()
• 对外继续返回统一响应结构

---

7. 配置与脚本

可选环境变量

变量	说明	默认值
PADDLEOCR_LANG	PaddleOCR 初始化语言	ch
LOG_LEVEL	日志级别	INFO

示例：

PADDLEOCR_LANG=ch LOG_LEVEL=INFO uv run python -m local_ocr_mcp

辅助脚本

当前 scripts/ 目录只保留和最小实现一致的两个脚本：

• uv run python scripts/list_tools.py
• uv run python scripts/recognize_image.py path/to/image.png --json

📖 详细说明 → scripts/README.md

---

8. 开发与验证

常用命令：

uv run python -m pytest -q
uv run python -m local_ocr_mcp --help
uv run python scripts/list_tools.py
uv run python scripts/recognize_image.py path/to/image.png --json

CI 当前只覆盖最小必需验证：

• 编译检查
• 单元测试
• CLI --help
• stdio 启动烟测

---

9. 常见问题

1. 服务启动后为什么一直不退出？

因为它在等待 MCP 客户端通过 stdio 调用工具。这是正常行为。

2. 为什么返回 engine_not_available？

通常说明 PaddleOCR 或底层依赖没有正确安装。优先重新同步依赖：

uv sync --extra paddleocr

如果你是通过 uvx 启动，确认命令里包含：

uvx --from local-ocr-mcp[paddleocr] local-ocr-mcp

3. 为什么返回 invalid_image？

常见原因：

• 请求里没有 image.path
• image.path 不是字符串
• 文件存在，但不是合法图片

4. 相对路径为什么找不到文件？

相对路径是相对于服务进程当前工作目录解析的。最稳妥的做法是直接传绝对路径。

5. 为什么不保留多引擎和 HTTP？

因为当前版本明确选择“核心最小化”路线，只保留本地 OCR 主链路，不为未来扩展提前保留复杂结构。

---

最后更新: 2026-03-14
License: MIT