DeepSeek-OCR 代理用于 Claude 代码
面向Claude Code的DeepSeek-OCR集成实现。通过Modal Labs在GPU上运行DeepSeek-OCR，提供高精度的OCR处理。
特点
- 高精度OCR（光学字符识别）DeepSeek-OCR实现97-98%的准确率
- 多语言支持日语、英语、中文等100多种语言
- 成本优化用Modal Labs的免费额度（每月30美元）覆盖个人使用
- Claude Code整合可通过MCP服务器无缝使用
- 代理服务对应：
ocr-specialist通过代理进行专业OCR处理
架构
Claude Code (Mac)
└─ MCP Server (Node.js/TypeScript)
└─ Modal Labs API
└─ Modal Functions (Python)
└─ DeepSeek-OCR (GPU: T4, 8GB VRAM)必要条件
软件
- Python 3.12+（或 Python 3.12及以上版本）用于模式CLI执行
- Node.js 18及以上版本用于运行MCP服务器
- Modal Labs 账户： modal.com（注：在中文语境中，网址通常直接保留原样，不进行翻译，因此“modal.com”仍为“modal.com”。但若要解释其含义，可以理解为这是一个名为“modal”的网站或平台的域名。）进行免费注册
系统要求
- macOS（支持Apple Silicon/Intel）
- 互联网连接（使用Modal Labs API）
设置
1. 快速入门
# セットアップスクリプトを実行
./scripts/setup.sh此脚本将自动执行以下操作：
- 确认Python/Node.js环境
- 安装Modal CLI
- 模式认证
- 部署Modal应用
- MCP服务器构建
- Claude Desktop设置指南
2. 手动设置
步骤1：安装Modal CLI
pip3 install modal步骤2：模态认证
modal token new浏览器会打开，请登录/注册Modal Labs并生成令牌。
步骤3：部署Modal App
cd modal_app
modal deploy main.py步骤4：构建MCP服务器
cd mcp-server
npm install
npm run build第五步：Claude Desktop设置
~/Library/Application Support/Claude/claude_desktop_config.json 并添加以下内容：
{
"mcpServers": {
"deepseek-ocr": {
"command": "node",
"args": [
"/Users/username/deepseek-ocr-agent/mcp-server/dist/index.js"
]
}
}
}重要请将路径替换为实际的项目路径。
步骤6：重启Claude Desktop
为使设置生效，将重启Claude Desktop。
使用方法
Claude Code的基本使用方法
- 将图片转换为Markdown格式
この画像をMarkdownに変換して: /path/to/document.png- 纯文本提取
この領収書からテキストを抽出: receipt.jpg- 自定义提示
この画像から表データだけを抽出してCSV形式で: table.png使用子代理
针对OCR专业任务 ocr-specialist 可使用次级代理：
@ocr-specialist この文書をデジタル化して详细的使用方法 USAGE.md（文件名，可译为“使用说明.md”或保持原样，因为文件名通常不翻译） 请参考。
成本
Modal Labs费用
- 免费名额每月30美元的信用额度
- GPU（T4）0.000164美元/秒
月度成本估算
个人使用（每日100张，每月3,000张）的情况下：
処理時間: 3,000枚 × 3秒 = 9,000秒
コスト: $0.000164 × 9,000 = $1.48/月
無料枠: $30/月
→ 実質$0（無料枠内）每月可免费处理多达10,000张。
故障排除
模式认证错误
modal token new请重新生成令牌。
MCP服务器未被识别
- 重启Claude Desktop
- 确认设置文件的路径
- 确认是否已构建MCP服务器：
ls mcp-server/dist/index.js
OCR处理失败
- 确认图像文件是否存在
- 确认是否支持图像格式（推荐PNG、JPG、JPEG）
- 确认是否已部署Modal应用：
modal app list
处理缓慢
- 首次执行时会发生冷启动（5-10秒）
- 从第二次开始会缩短到2-3秒左右
测试
动作测试
# テスト用画像を用意
./scripts/test-ocr.sh /path/to/test/image.pngMCP服务器测试
cd mcp-server
npm run dev项目结构
deepseek-ocr-agent/
├── modal_app/ # Modal Functions（Python）
│ ├── main.py # DeepSeek-OCR処理のメイン実装
│ └── requirements.txt # Python依存関係
│
├── mcp-server/ # MCPサーバー（TypeScript）
│ ├── src/
│ │ ├── index.ts # MCPサーバー本体
│ │ └── tools/
│ │ └── modal-ocr.ts # Modal API統合
│ ├── package.json
│ └── tsconfig.json
│
├── .claude/
│ └── agents/
│ └── ocr-specialist.md # OCR専門sub-agent
│
├── scripts/
│ ├── setup.sh # セットアップスクリプト
│ └── test-ocr.sh # テストスクリプト
│
├── config/
│ ├── claude_desktop_config.json # Claude Desktop設定例
│ └── .env.example # 環境変数サンプル
│
├── docs/ # ドキュメント
│ ├── USAGE.md # 使用方法ガイド
│ ├── DEPLOYMENT.md # デプロイメントガイド
│ └── SUMMARY.md # 実装サマリー
│
└── README.md技术栈
后端（模式功能）
- Python 3.12
- PyTorch 2.6.0
- Transformer 4.46.3
- DeepSeek-OCR（由deepseek-ai提供/DeepSeek-OCR）
- Flash Attention 2.7.3
MCP服务器
- Node.js 18及以上版本
- TypeScript 5.7
- @modelcontextprotocol/sdk（可译为：“@模型上下文协议/SDK”或根据具体语境简化为“模型上下文协议SDK”，但通常保留原样以体现技术术语的专有性）
- Axios
基础设施
- Modal Labs（无服务器GPU）
- NVIDIA T4 GPU（8GB 显存）
文件
详细文档如下 docs/ 位于目录中：
- USAGE.md 翻译为中文是：“使用说明.md” 或 “用法指南.md”（其中“.md”表示这是Markdown格式的文件）使用方法及实际案例
- DEPLOYMENT.md 翻译为中文是：“部署说明.md” 或 “部署文件.md”（具体翻译可能根据上下文有所调整，但基本意思是指一个关于部署的Markdown文件）部署与监控
- SUMMARY.md 翻译为中文是：“摘要文件.md” 或者 “概述文件.md”。这里，“SUMMARY.md”通常是一个Markdown格式的文件名，用于存放文档的摘要或概述内容实施概要
常见问题
能在搭载Apple Silicon的Mac上运行吗？
是的。在本地不使用GPU，而是通过Modal Labs使用云GPU（NVIDIA T4），因此无论是Apple Silicon还是Intel都能运行。
可以离线使用吗？
不。使用Modal Labs API需要互联网连接。
可以商用吗？
DeepSeek-OCR遵循MIT许可协议。请同时确认Modal Labs的使用条款。
其他问题 USAGE.md（文件名，可译为“使用说明.md”或保持原样，因为文件名通常不直接翻译） 请参阅FAQ部分。
许可证
麻省理工学院许可证（MIT License）
参考链接
- Modal Labs（注：这可能是一个公司或实验室的名称，根据上下文，“Modal”可能代表某种特定的概念或技术方向，但在此直接翻译为“模态实验室”或保持原样“Modal Labs”以保留其品牌特色。）
- 克劳德代码文档
- 模型上下文协议
贡献
欢迎提交Issue和Pull Request。
支持
如出现问题：
- 请参阅此README文件的故障排除部分
- 在GitHub上创建Issue
- Modal Labs（注：此名称可能是一个特定公司或实验室的名称，直接翻译为“模式实验室”可能不够准确，具体翻译需根据上下文或公司/实验室的实际业务来确定。此处仅为直译。） 文件参见