Servidor MCP Gemini OCR

Este proyecto proporciona un sencillo pero potente servicio de OCR (Reconocimiento Óptico de Caracteres) a través de un servidor FastMCP, aprovechando las capacidades de la API Gemini de Google. Permite extraer texto de imágenes proporcionando una ruta de archivo o una cadena codificada en base64.

Objetivo

Extraer el texto de la siguiente imagen

y convertirlo en texto plano, por ejemplo, fbVk

Características

• OCR basado en archivos: Extraiga texto directamente de un archivo de imagen en su sistema local.
• OCR en base64: Extraiga texto de una cadena de imagen codificada en base64.
• Fácil de usar: Expone la funcionalidad OCR como herramientas sencillas en un servidor MCP.
• Powered by Gemini: Utiliza los modelos avanzados Gemini de Google para un reconocimiento de texto de alta precisión.

Requisitos previos

• Python 3.8 o superior
• Una clave API Gemini de Google. Puedes obtener una en Google AI Studio.

Configuración e instalación

1. Clona el repositorio:

   git clone https://github.com/WindoC/gemini-ocr-mcp cd gemini-ocr-mcp

2. Crea y activa un entorno virtual:

   # Instala uv standalone si es necesario ## En macOS y Linux. curl -LsSf https://astral.sh/uv/install.sh | sh ## En Windows. powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

3. Instala las dependencias necesarias:

   uv sync

Ejemplo de configuración de MCP

Si está ejecutando esto como un servidor para una aplicación MCP padre, puede configurarlo en su config.json MCP principal.

Ejemplo de Windows:

{ "mcpServers": { "gemini-ocr-mcp": { "command": "uv", "args": [ "--directory", "x:\\\path\\\to\your\\project\\\gemini-ocr-mcp", "run", "gemini-ocr-mcp.py" ], "env": {"GEMINI_MODEL": "gemini-2.5-flash-preview-05-20", "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY" } } }

Linux/macOS Ejemplo:

{ "mcpServers": { "gemini-ocr-mcp": { "command": "uv", "args": [ "--directory", "/ruta/a/tu/proyecto/gemini-ocr-mcp", "run", "gemini-ocr-mcp.py" ], "env": { "GEMINI_MODEL": "gemini-2.5-flash-preview-05-20", "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY" } } }

Nota: Recuerde sustituir las rutas de los marcadores de posición por la ruta absoluta al directorio de su proyecto.

Herramientas proporcionadas

archivo_imagen_ocr

Realiza el OCR en un archivo de imagen local.

• Parámetro:image_file (cadena): La ruta absoluta o relativa al archivo de imagen.
• Devuelve: (cadena) El texto extraído de la imagen.

ocr_imagen_base64

Realiza el OCR en una imagen codificada en base64.

• Parámetro: base64_image (cadena): La cadena codificada en base64 de la imagen.
• Devuelve: (cadena) El texto extraído de la imagen.