mcp-server-google-vision 1.0.0

MCP server providing OCR capabilities to LLMs via Google Cloud Vision API - Read scanned PDFs, handwritten text, and images

mcp-server-google-vision

Serveur MCP Model Context Protocol permettant aux LLMs comme Claude de lire des documents scannés, du texte manuscrit et des images avec l'API Google Cloud Vision.

Description

Ce projet implémente un serveur MCP qui donne des capacités de vision avancées aux modèles de langage. Développé par Kohen Avocats, un cabinet d'avocats parisien, cet outil est utilisé quotidiennement pour traiter des documents juridiques complexes : pièces scannées, courriers manuscrits, PDF mal orientés, etc.

Le problème résolu

Les LLMs comme Claude excellent dans l'analyse de texte, mais ne peuvent pas nativement :

• Lire des PDF scannés (images sans couche texte)
• Déchiffrer l'écriture manuscrite
• Traiter des documents mal orientés ou inversés
• Extraire du texte de photos de documents

Ce serveur MCP comble cette lacune en fournissant une interface standardisée vers Google Cloud Vision, permettant aux LLMs de "voir" et lire n'importe quel document.

Cas d'usage

• Cabinets d'avocats : Lecture de pièces scannées, correspondances manuscrites, documents anciens
• Alimentation de RAG : Extraction de texte pour indexation dans des bases vectorielles
• Traitement documentaire : OCR de masse avec gestion automatique des PDFs multi-pages
• Accessibilité : Transcription de documents pour personnes malvoyantes

Fonctionnalités clés

• OCR haute précision : Reconnaissance de texte imprimé et manuscrit
• Support multi-pages : Traitement parallèle des PDFs jusqu'à 2000 pages
• Détection d'orientation : Lecture correcte même si le document est à l'envers
• 9 features Vision API : text, document, labels, faces, objects, logos, landmarks, web, safe_search
• Retry intelligent : Backoff exponentiel avec jitter pour une fiabilité maximale
• Unicode robuste : Gestion des noms de fichiers avec accents et caractères spéciaux

Prérequis

• Python 3.11+
• Une clé API Google Cloud Vision (obtenir ici)
• Un LLM compatible MCP (Claude Desktop, etc.)

Installation

1. Créer et activer un environnement virtuel

python -m venv venv
source venv/bin/activate  # Sur Windows: venv\Scripts\activate

Ou avec uv :

uv venv .venv
source .venv/bin/activate

2. Installer le package

Via pip :

pip install git+https://github.com/kohen-avocats/mcp-server-google-vision.git

Via uv :

uv pip install git+https://github.com/kohen-avocats/mcp-server-google-vision.git

3. Configurer la clé API

Créez un fichier .env :

GOOGLE_API_KEY=votre_clé_api_google

Ou exportez la variable :

export GOOGLE_API_KEY="votre_clé_api_google"

Configuration avec Claude Desktop

Modifiez le fichier de configuration de Claude Desktop (Paramètres > Développeur > Modifier la configuration) :

{
  "mcpServers": {
    "google-vision": {
      "command": "/chemin/vers/venv/bin/python",
      "args": ["/chemin/vers/mcp-server-google-vision/src/server.py"],
      "env": {
        "GOOGLE_API_KEY": "votre_clé_api"
      }
    }
  }
}

Outils disponibles

1. analyze_image

Analyse une image avec les capacités de Google Cloud Vision.

Paramètres :

• image_path : Chemin absolu vers l'image
• features : Liste des analyses (défaut : ["text", "labels"])
  • text : Détection de texte simple
  • document : OCR avancé pour documents
  • labels : Classification d'objets
  • faces : Détection de visages
  • objects : Localisation d'objets
  • logos : Détection de logos
  • landmarks : Reconnaissance de monuments
  • web : Recherche d'images similaires
  • safe_search : Détection de contenu sensible
• response_format : "json" ou "markdown"

Exemple d'utilisation :

Lis le texte manuscrit sur cette image : /Users/avocat/courrier.jpg

2. analyze_pdf

Extrait le texte d'un PDF scanné avec traitement parallèle optimisé.

Paramètres :

• pdf_path : Chemin absolu vers le PDF
• extract_text_only : Si True, extraction de texte uniquement (défaut : True)
• response_format : "json" ou "markdown"

Caractéristiques :

• Support jusqu'à 2000 pages
• Traitement parallèle par lots de 5 pages
• Sauvegarde automatique si texte > 5000 caractères
• Taille maximale : 20 MB

Exemple d'utilisation :

Extrais le texte de ce document scanné : /Users/avocat/pieces/assignation.pdf

Exemples de prompts

Lecture de document manuscrit

J'ai reçu un courrier manuscrit. Peux-tu le lire et me faire un résumé ?
[Le LLM utilise analyze_image avec features=["document"]]

Extraction pour RAG

Extrais le texte de tous les PDFs dans ce dossier pour alimenter notre base documentaire.
[Le LLM utilise analyze_pdf en boucle et retourne le texte structuré]

Analyse complète d'image

Analyse cette photo : identifie le texte, les objets et les logos visibles.
[Le LLM utilise analyze_image avec features=["text", "labels", "objects", "logos"]]

Architecture technique

mcp-server-google-vision/
├── src/
│   └── server.py       # Serveur MCP principal
├── pyproject.toml      # Configuration du package
├── README.md           # Documentation
└── LICENSE             # Licence MIT

Points techniques notables

• Session HTTP réutilisable : Pool de 20 connexions pour performances optimales
• Retry avec backoff exponentiel : Délai initial 1s, max 60s, multiplicateur 2x
• Gestion Unicode : Support des caractères spéciaux français (accents, apostrophes typographiques)
• Traitement parallèle : asyncio.gather pour les PDFs multi-pages

Limitations

• Taille maximale des PDFs : 20 MB
• Requêtes limitées par les quotas Google Cloud Vision
• Connexion internet requise

Contribution

Les contributions sont les bienvenues ! N'hésitez pas à :

• Ouvrir une issue pour signaler un bug
• Proposer une pull request pour une amélioration
• Partager vos cas d'usage

Auteur

Développé par Maître Hassan KOHEN, avocat pénaliste à Paris, fondateur de Kohen Avocats.

Ce serveur MCP est né d'un besoin concret : permettre à Claude d'analyser les pièces d'un dossier juridique, y compris les documents scannés et manuscrits. Il est aujourd'hui utilisé quotidiennement au cabinet pour :

• La lecture de pièces adverses scannées
• L'analyse de correspondances manuscrites
• L'alimentation d'un RAG juridique interne

Liens utiles

• Kohen Avocats - Cabinet d'avocats Paris
• Maître Hassan KOHEN, avocat pénaliste à Paris
• Model Context Protocol
• Google Cloud Vision API
• MCP Python SDK

Licence

MIT License

---

Ce projet est open source et peut être librement utilisé, modifié et redistribué sous licence MIT.