Google Vision

mcp服务器谷歌视觉

MCP服务器 模型上下文协议 允许像Claude这样的LLM使用Google Cloud Vision API读取扫描文档、手写文本和图像。

描述

该项目实现了一个MCP服务器，为语言模型提供高级视觉功能。由开发 Kohen Avocats巴黎律师事务所，该工具每天用于处理复杂的法律文件：扫描文件、手写信件、定向错误的PDF等。

问题解决了

像Claude这样的LLM擅长文本分析，但不能原生：

• 读取扫描的PDF（无文本层的图像）
• 破译手写文字
• 处理方向错误或颠倒的文档
• 从文档照片中提取文本

MCP服务器通过提供与Google Cloud Vision的标准化接口来填补这一空白，使LLM能够“查看”和阅读任何文档。

Cas d'usage

• 橱柜 ：阅读扫描件、手写信件、旧文件
• RAG的营养 ：提取文本以在矢量数据库中索引
• 文件处理 ：具有自动多页PDF管理的大规模OCR
• 可访问性 ：为视障人士转录文件

主要特点

• 高精度OCR ：打印和手写文本识别
• 支持多页 ：并行处理多达2000页的PDF
• 方向检测 ：即使文档颠倒，也能正确阅读
• 9个功能Vision API ：文本、文档、标签、面孔、对象、徽标、地标、网络、safe_search
• 智能重试 ：带抖动的指数回溯，实现最大可靠性
• Unicode鲁棒性 ：管理带有重音符号和特殊字符的文件名

先决条件

• Python 3.11+
• Google Cloud Vision API密钥在这里获取)
• 不兼容LLM的MCP（克劳德桌面等）

安装

1.创建和激活虚拟环境

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

或使用UV：

uv venv .venv
source .venv/bin/activate

2.安装包

通过pip（来自pypi）：

pip install mcp-server-google-vision

通过紫外线：

uv pip install mcp-server-google-vision

或者从GitHub：

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

3.配置API密钥

创建文件 .env :

GOOGLE_API_KEY=votre_clé_api_google

或导出变量：

export GOOGLE_API_KEY="votre_clé_api_google"

使用Claude Desktop进行配置

最简单的方法是使用 uvx （需要安装 紫外线) :

{
  "mcpServers": {
    "google-vision": {
      "command": "uvx",
      "args": ["--from", "mcp-server-google-vision", "mcp-google-vision"],
      "env": {
        "GOOGLE_API_KEY": "votre_clé_api"
      }
    }
  }
}

或者，如果您通过pip安装了软件包：

{
  "mcpServers": {
    "google-vision": {
      "command": "python",
      "args": ["-m", "mcp_server_google_vision"],
      "env": {
        "GOOGLE_API_KEY": "votre_clé_api"
      }
    }
  }
}

可用工具

…（本节其余部分）

建筑技术

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

要点技术要点

• 可重用HTTP会话 ：20个连接池，实现最佳性能
• 使用指数回溯重试 ：初始延迟1s，最大延迟60s，乘数2x
• Unicode格式 ：支持法语特殊字符（重音符号、排版撇号）
• 平行治疗 : asyncio.gather 对于多页PDF

局限性

• 最大PDF大小：20 MB
• 受Google Cloud Vision配额限制的请求
• 连接互联网需求

贡献

欢迎捐款！不要犹豫：

• 打开问题以报告错误
• 提出改进的拉取请求
• 分享您的用例

电影导演

由开发 Maître Hassan Kohen，巴黎刑事律师，创始人 Kohen Avocats.

该MCP服务器源于一个具体需求：允许Claude分析法律文件中的文件，包括扫描和手写文件。今天，它每天在办公室用于：

• 读取扫描的对手零件
• 手写信件分析
• 内部法律RAG的供应

有用链接

• Kohen Avocats-巴黎鳄梨内阁
• Maître Hassan Kohen，巴黎刑事律师
• 包PyPI
• 模型上下文协议
• Google Cloud Vision API
• MCP Python SDK

许可证

MIT许可证

______________________________________________________________________

*该项目是开源的，可以在MIT许可下自由使用、修改和重新分发。*