OpenAI OCR MCP Server

基本能力

产品定位

OpenAI OCR MCP Server 是一个专注于图像文本提取的服务，主要用于开发环境中快速从图像中提取文本内容，提升开发效率。

核心功能

• 图像文本提取：使用 OpenAI 的 GPT-4.1-mini 视觉模型从多种图像格式中提取文本。
• 自动文本文件创建：提取的文本会自动保存为文件，与源图像放在同一目录下。
• 基于内容的文件命名：使用内容哈希生成唯一的文件名，便于文件管理。
• 多格式支持：支持 JPG、PNG、GIF 和 WebP 格式的图像。
• 错误处理与日志：提供详细的错误处理和日志记录功能，便于调试。

适用场景

• 开发者在 Cursor IDE 中快速从图像中提取文本。
• 需要自动化处理大量图像文本的场景。
• 对图像文本提取的准确性和效率有较高要求的场景。

工具列表

• OCR 工具：通过 Cursor IDE 的命令面板调用，用于选择并处理图像文件。
• 文本文件生成工具：自动生成与图像内容对应的文本文件。

常见问题解答

• 文件大小限制：最大支持 5MB 的图像文件，超过此大小的文件会被拒绝。
• API 密钥问题：需要正确设置 OpenAI API 密钥，否则服务无法运行。
• 图像格式问题：仅支持 JPG、PNG、GIF 和 WebP 格式的图像。

使用教程

使用依赖

1. 确保已安装 Node.js 和 npm。
2. 克隆项目仓库。

安装教程

1. 安装依赖： bash npm install
2. 构建 TypeScript 代码： bash npm run build
3. 在 .env 文件中设置 OpenAI API 密钥： OPENAI_API_KEY=your_api_key_here

调试方式

1. 运行测试： bash npm test
2. 查看日志：服务会记录详细的处理步骤和错误信息，便于调试。

许可证

该项目遵循 MIT 开源许可条款，请参阅 MIT 了解完整条款。