本地 OCR 识别 bauerelizabeth07139/opencode-ppocr-mcp

opencode-ppocr-mcp

本地 OCR，无需云端。 PP-OCRv6 Medium 检测 + 识别，跑在 ONNX Runtime（CPU）上，支持图片和多页 PDF。

本地 OCR：PP-OCRv6 Medium 检测+识别，ONNX Runtime CPU 推理，可识别图片与多页 PDF。

作为 DeepSeek Harness 插件：MCP 服务器打包在 bundle 里，装一个插件就全部搞定——不用手动编辑 mcpServers 文件。

安装

DeepSeek Harness Desktop —— 打开侧边栏的 Plugins，选择 Add plugin，输入：

https://github.com/bauerelizabeth07139/opencode-ppocr-mcp

然后把新的 dsh-ppocr bundle 打开。Desktop 应用启动的是预留的 desktop 配置档，所以必须在这里启用。

dsh 命令行 —— 装进你实际启动的配置档：

dsh plugin --profile web add bauerelizabeth07139/opencode-ppocr-mcp

机器上没有 git？ pnpm 解析 git 简写时会调用 git ls-remote，缺 git 就会报 'git' is not recognized。改用 tarball——那条路径走的是纯 HTTPS：

dsh plugin --profile web add https://codeload.github.com/bauerelizabeth07139/opencode-ppocr-mcp/tar.gz/main

同一个地址在 Desktop 的 Add plugin 对话框里也能用。把 main 换成 commit SHA 就能锁定到具体版本（/tar.gz/<sha>）。

卸载用 dsh plugin --profile web remove dsh-ppocr。

环境要求

- Python ≥ 3.8，在 PATH 里，或者用 python 指向它。
- 该解释器里要有 OCR 依赖栈——这是最重的部分：

pip install paddlepaddle==3.0.0 paddleocr==3.7.0 onnxruntime Pillow

本仓库的 requirements.txt 锁定的正是这些版本。
- 首次运行需要磁盘和网络： 第一次调用工具时，检测和识别模型（约 170 MB）会下载到 ~/.paddlex/official_models/。仅 CPU；不需要 GPU，也不需要显示器。

工具

服务器注册了 2 个工具。DSH 会自动加命名空间，所以模型调用时写作 mcp__ppocr__<tool>：

| 工具 | 作用 |
| ocr_image | 对单张图片跑检测 + 识别，返回文本。参数：image_path（必填）。 |
| ocr_pdf | 逐页渲染并识别 PDF。参数：pdf_path（必填）、start_page（默认 1）、end_page（可选）。 |

配置

| 键 | 环境变量 | 默认值 | 含义 |
| python | — | 自动发现 | 运行服务器的解释器——必须带 OCR 依赖栈 |
| toolCallTimeoutMs | — | 600000 | DSH 的单次调用预算；首次调用还要下载模型 |
| env | — | {} | 原样透传环境变量（服务器不读任何变量） |

每个字段都可选，写在 loader 行里。例如在 cordis.patch.yml 中：

- id: dsh-ppocr
name: 'dsh-ppocr'
config:
python: 'C:\ocr-venv\Scripts\python.exe'
toolCallTimeoutMs: 900000

说明

- 插件负责挂载；解释器必须带依赖栈。 服务器懒加载导入 PaddleOCR，只在调用工具时才导入。这样缺少依赖会表现为工具报错并指出是哪个导入失败，而不是插件拒绝加载。把 python 指向一个装有 paddlepaddle、paddleocr、onnxruntime 和 Pillow 的解释器。

- 首次调用很慢。 检测和识别模型（约 170 MB）会在首次使用时下载到 ~/.paddlex/official_models/；每次调用 600 s 的预算足够覆盖。
- end_page 必须是数字。 服务端不会做类型转换，传字符串会让它的比较失败——请传整数。

如何挂载

index.js 解析出一个 Python 解释器（先看配置的 python，再看 PATH 上的 python3/python），把 argv 和工作目录交给服务端，然后通过 @deepseek-ai/dsh-mcp-client 以 stdio MCP 服务端的形式挂载它，并设置 failOnStartupError: true。这样服务端启动失败会变成可见的错误，而不是悄悄少了一个工具。

凭据是显式转发的。Harness 会从子进程继承的环境里清除形似凭据的变量（KEY、TOKEN、SECRET、PASSWORD），所以 config.apiKey——回退到服务端文档里写的那个变量——由插件自己写入子进程的环境。也就是说下面两种写法都能用：

config:
apiKey: '<your key>'

export the API key variable='<your key>' # picked up at load time

开发

没有构建步骤，也没有运行时依赖——@deepseek-ai/cordis 和 @deepseek-ai/dsh-mcp-client 是由 Harness 提供的 peer。

npm test # node >= 22: manifest checks + the stdio mount, both Harness-free

挂载测试用打桩的 @deepseek-ai/dsh-mcp-client 加载 index.js，断言插件产出的 stdio 配置完全一致，包括上面的凭据转发。

仓库结构

| 路径 | 用途 |
| index.js | DSH 插件：解析解释器并挂载服务端 |
| cordis.patch.yml | 激活插件的加载器行 |
| locale/{en,zh}.json | 插件列表里的卡片标题和描述 |
| assets/icon.svg | 卡片配图 |
| test/ | npm test：manifest 组合与挂载契约 |
| server.py | MCP 服务端，未改动 |
| requirements.txt | OCR 依赖栈，已锁定版本 |

其他宿主（未改动）

该服务端是普通的 stdio MCP 服务端，在其他任何地方依然可用。仓库原有的 README 原样保留为 README.opencode.md，其中的启动配置依然有效：

{
"mcp": {
"ppocr": {
"type": "local",
"command": ["python", "path/to/server.py"],
"enabled": true
}
}
}

许可证

MIT —— 仓库的 README 声明了 MIT，但没有附带许可证文件；本插件的发布补上了一个。