Paragonos Gemini Ocr MCP

其他工具MCP服务器

Metarune Labs私人有限公司ParagonOS的一部分


用于Claude、Cursor和MCP兼容客户端的各种工具的集合。包括利用Google Gemini API的OCR（光学字符识别）功能。通过模型上下文协议，使用文件路径或base64编码字符串从图像中提取文本。

概述

此MCP服务器提供企业级OCR功能，使AI助手能够使用谷歌先进的Gemini模型从图像中高精度提取文本。

示例用例：

从以下图像中提取文本：

CAPTCHA

将其转换为纯文本。， fbVk

主要特点

• 基于文件的OCR： 直接从本地系统上的图像文件中提取文本
• Base64 OCR： 从base64编码的图像字符串中提取文本
• 高精度： 利用谷歌先进的Gemini模型进行卓越的文本识别
• 易于集成： 用于无缝集成AI助手的简单MCP工具
• 多格式支持： 适用于各种图像格式（PNG、JPG、JPEG等）

需求

• Python 3.8+
• Google Gemini API密钥
• FastMCP
• Claude桌面或光标（或任何MCP客户端）

安装

1.克隆存储库

git clone https://github.com/Paragon-OS/paragonos-misc-tools-mcp.git
cd paragonos-misc-tools-mcp

2.安装UV（如果需要）

macOS/Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh

窗户：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

3.安装依赖项

uv sync

4.安装Playwright浏览器（用于Notion工具）

安装依赖项后，您需要安装Playwright的Chromium浏览器：

playwright install chromium

MCP配置

编辑您的Claude配置(~/Library/Application Support/Claude/claude_desktop_config.json)或光标配置(~/.cursor/mcp.json):

{
  "mcpServers": {
    "paragonos-misc-tools": {
      "command": "uv",
      "args": [
        "--directory",
        "/full/path/to/paragonos-misc-tools-mcp",
        "run",
        "misc-tools-mcp"
      ],
      "env": {
        "GEMINI_MODEL": "gemini-2.5-flash-preview-05-20",
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY"
      }
    }
  }
}

窗户：

{
  "mcpServers": {
    "paragonos-misc-tools": {
      "command": "uv",
      "args": [
        "--directory",
        "C:\\full\\path\\to\\paragonos-misc-tools-mcp",
        "run",
        "misc-tools-mcp"
      ],
      "env": {
        "GEMINI_MODEL": "gemini-2.5-flash-preview-05-20",
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY"
      }
    }
  }
}

可用工具

ocr_image_file

对本地图像文件执行OCR。

• 参数： image_file （string）-图像文件的绝对或相对路径
• 退货： 从图像中提取文本

ocr_image_base64

对base64编码的图像执行OCR。

• 参数： base64_image （string）-图像的Base64编码字符串
• 退货： 从图像中提取文本

read_notion_markdown

从Notion发布的网站URL中提取降价内容。

• 参数： notion_url （string）-Notion发布网站的完整URL（必须是 notion.site，不 notion.so)
• 退货： 以字符串形式提取的markdown内容

使用示例

• “从/path/to/screencast.png处的图像中提取文本”
• “读取此图像中的文本：\[base64字符串\]”
• “验证码.jpg中的文本是什么意思？”
• “OCR此收据图像并提取总金额”
• “阅读此Notion页面的标记：https://example.notion.site/..."

关于ParagonOS

ParagonOS是由 Metarune Labs私人有限公司，在人工智能助手和现代服务之间提供安全、可靠和可扩展的桥梁。

许可证

根据Apache 2.0许可证授权。有关详细信息，请参阅LICENSE文件。

______________________________________________________________________

由Metarune Labs私人有限公司开发 ParagonOS生态系统的一部分