Vision OCR MCP

本地 RapidOCR（rapidocr + ONNX Runtime，默认免费）+ 通义千问 Qwen-VL（summarize / both）。

能力

mode	说明
ocr（默认）	本地 OCR，中英截图/报错
summarize	通义千问视觉总结（需 API Key）
both	OCR 原文 + 千问总结

输入：path 本地路径，或 from_clipboard=true 剪贴板图片。不落盘，结果直接返回给 Agent。

安装

cd d:\code\cuosor\skills+mcp\vision-ocr-mcp
python -m pip install -e .
copy .env.example .env
# 编辑 .env，填入 DASHSCOPE_API_KEY（仅 summarize/both 需要）

接入 Cursor

编辑用户 MCP 配置（常见路径）：%USERPROFILE%\.cursor\mcp.json

{
  "mcpServers": {
    "vision-ocr": {
      "command": "D:\\Anaconda3-new\\python.exe",
      "args": ["-m", "vision_ocr_mcp"],
      "cwd": "d:\\code\\cuosor\\skills+mcp\\vision-ocr-mcp",
      "env": {
        "DASHSCOPE_API_KEY": "sk-你的密钥",
        "QWEN_VL_MODEL": "qwen-vl-plus",
        "PYTHONPATH": "d:\\code\\cuosor\\skills+mcp\\vision-ocr-mcp\\src"
      }
    }
  }
}

若已 pip install -e .，可去掉 PYTHONPATH，command 用安装了该包的同一个 Python。

改完后重启 Cursor / 重载 MCP。对话里可说：

• 「用 vision-ocr 读这张图 D:\xxx.png」
• 「从剪贴板 OCR」
• 「用 summarize 总结这张架构图」

费用

• OCR：本地，免费
• 千问：按 Token；新用户常有免费额度，见阿里云百炼控制台

云端高精度 OCR 未接入，可后续再加。