Gemini OCR

Servidor MCP de Gemini OCR

Este proyecto proporciona un servicio de OCR (Reconocimiento Óptico de Caracteres) simple pero potente a través de un servidor FastMCP, aprovechando las capacidades de la API de Google Gemini. 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 a texto plano, por ejemplo, fbVk

Características

• OCR basado en archivos: Extrae texto directamente de un archivo de imagen en tu sistema local.
• OCR con base64: Extrae texto de una cadena de imagen codificada en base64.
• Fácil de usar: Expone la funcionalidad de OCR como herramientas simples en un servidor MCP.
• Impulsado por Gemini: Utiliza los avanzados modelos Gemini de Google para un reconocimiento de texto de alta precisión.

Requisitos previos

• Python 3.8 o superior
• Una clave de API de Google Gemini. 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:

   # Install uv standalone if needed
   
   ## On macOS and Linux.
   curl -LsSf https://astral.sh/uv/install.sh | sh
   
   ## On Windows.
   powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
   

3. Instala las dependencias requeridas:

   uv sync
   

Ejemplo de configuración de MCP

Si estás ejecutando esto como un servidor para una aplicación MCP principal, puedes configurarlo en tu config.json principal de MCP.

Ejemplo en 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"
      }
    }
  }
}

Ejemplo en Linux/macOS:

{
  "mcpServers": {
    "gemini-ocr-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/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"
      }
    }
  }
}

Nota: Recuerda reemplazar las rutas de marcador de posición con la ruta absoluta a tu directorio del proyecto.

Herramientas proporcionadas

ocr_image_file

Realiza 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_image_base64

Realiza 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.