DS OCR 平台
面向 DeepSeek-OCR 的一体化方案：
- GitHub 仓库：
- Cloudflare Worker：统一接收 OCR 请求，整理图片输入、提示词与输出格式，转发至硅基流动
deepseek-ai/DeepSeek-OCR模型，并返回纯文本 / Markdown / 布局信息等多种结果。 - MCP Server：基于 Model Context Protocol 的工具服务，可在 Claude Code、Codex CLI 等支持 MCP 的客户端中直接调用该 OCR 能力。
- Shared 模块：共享输出格式、提示词等定义，保证 Worker 与 MCP 行为一致。
快速开始
环境准备
- 安装依赖
npm install- 凭据配置
- 将硅基流动 Key（siliconflowkey.env）写入 apps/worker/.dev.vars
printf "SILICONFLOW_API_KEY=%s\n" "$(cat siliconflowkey.env)" > apps/worker/.dev.vars- 部署到 Cloudflare 前，执行：
npm run deploy --workspace @dsocr/worker # 首次会提示登录/配置 wrangler
wrangler secret put SILICONFLOW_API_KEY # 交互式粘贴 Key- Cloudflare API Token（allcfkey.env）可用于 wrangler login --api-token $(cat allcfkey.env)。 - 当前部署实例（示例）：https://dsocr-worker.vee5208.workers.dev/ocr
本地开发
- 启动 Worker（端口默认 8787）：
npm run dev --workspace @dsocr/worker- 发送测试请求：
curl -X POST http://127.0.0.1:8787/ocr \
-H "Content-Type: application/json" \
-d '{
"image_url": "https://example.com/sample.png",
"outputs": ["plain_text", "markdown"]
}'- MCP 服务：
npm run start --workspace @dsocr/mcp-server> 默认读取 DSOCR_WORKER_URL 环境变量（未设置时使用 http://127.0.0.1:8787/ocr）。
测试
npm run test # 运行全部工作区测试
npm run test --workspace @dsocr/worker
npm run test --workspace @dsocr/mcp-server一键脚本（Windows PowerShell）
仓库提供 scripts/setup-mcp.ps1 简化配置：
# 仅设置当前会话变量
pwsh -File scripts/setup-mcp.ps1
# 持久化变量并自动安装依赖、配置 CLI、启动 MCP
pwsh -File scripts/setup-mcp.ps1 `
-Persist `
-InstallDependencies `
-ConfigureClients `
-StartServer `
-WorkerUrl "https://dsocr-worker.vee5208.workers.dev/ocr" `
-TimeoutMs 120000参数说明：
-InstallDependencies：执行npm install，确保tsx等依赖可用。-Persist：通过setx写入用户级环境变量，并生成.env.mcp。-ConfigureClients：检测claude/codexCLI，自动注册dsocrMCP 服务（未安装时给出提示）。- 运行时脚本会生成/使用
scripts/start-mcp-server.cmd作为启动入口，客户端触发时自动调用，无需手工执行npm run start ...。 -StartServer：新开 PowerShell 窗口运行npm run start --workspace @dsocr/mcp-server。-WorkerUrl、-TimeoutMs：自定义 MCP 连接的 Worker 地址与超时时长。
目录结构
apps/
worker/ Cloudflare Worker 源码（入口 src/index.ts）
mcp/ MCP Server 源码（入口 src/index.ts）
packages/
shared/ 公共常量与类型定义部署建议
- Worker
- 编辑 apps/worker/wrangler.toml 中的 name、routes 等参数以匹配目标域名。 - wrangler deploy 部署后可通过 wrangler tail 观察日志。 - 若需图片较大或自定义格式，可在请求体中通过 mode、outputs、prompt 调整行为。
- MCP Server
- 打包为 Node 脚本后，可放置到任意有 STDIO 能力的环境。 - Claude Code 配置示例：
claude mcp add --transport stdio dsocr "node /path/to/apps/mcp/dist/index.js"- Codex CLI 或其他 MCP 客户端，可根据其要求配置指令/路径；默认使用 Worker 端点，如需指向线上地址可设置 DSOCR_WORKER_URL=https://your.worker.url/ocr。
工具输入说明（MCP）
| 字段 | 类型 | 说明 |
|---|---|---|
source / sources | string / string[] | 图片本地路径、file://、HTTP URL、dataURL、Base64 均可 |
outputs | string 或 string[] | 指定返回格式，支持 plain_text、markdown、layout_markdown、html、text_blocks 及其别名 |
mode | string | 对应 Worker 的预设（auto、plain、markdown、layout 等） |
prompt | string | 自定义 OCR 指令，若提供将覆盖 mode 默认提示词 |
language | string | 优先输出语言提示（如 zh-CN、en-US） |
raw | boolean | 为 true 时，Worker 会回传原始响应与请求 payload |
运行时注意
- Cloudflare Worker 体积限制 10 MB，若需要大文件请在客户端压缩或拆分。
outputs中的text_blocks返回 JSON 数组（文本 + 归一化坐标 + 置信度），便于结构化处理。- MCP 工具默认返回 Markdown 文本以及完整 JSON，可同时满足模型上下文与工程接入需求。
后续计划
- 接入流式响应与任务状态跟踪。
- 在 shared 模块加入更多 DS OCR 预设（表格、票据等专用模板）。
- 引入 e2e 测试（Mock fetch）保障 Worker 行为。