一，為什么文檔 AI 智能體需要PaddleOCR MCP Server？

在構(gòu)建面向報(bào)告分析、合同信息提取或科研論文總結(jié)等場(chǎng)景的文檔 AI 智能體時(shí)，解析PDF格式文件及掃描版圖像文檔往往成為大語(yǔ)言模型（LLM）的痛點(diǎn)。這是因?yàn)長(zhǎng)LM本質(zhì)是語(yǔ)言模型，能處理字符序列，卻無(wú)法直接解析圖像或PDF文件的內(nèi)容。

PaddleOCR MCP Server 將 PaddleOCR 的文字識(shí)別和文檔解析能力，以MCP工具的形式提供給 AI 智能體，從而讓 AI 智能體能夠直接處理文檔內(nèi)容，而無(wú)需手動(dòng)提取文本。

二，什么是PaddleOCR MCP Server？

PaddleOCR MCP Server 是一個(gè)輕量級(jí) Model Context Protocol (MCP) 服務(wù)，專為將 PaddleOCR 的文檔理解能力無(wú)縫集成到文檔AI智能體而設(shè)計(jì)，讓AI智能體能夠按需調(diào)用文字識(shí)別或文檔解析工具，如下圖所示，實(shí)現(xiàn)從圖像/PDF中提取結(jié)構(gòu)化信息：

• OCR：文字識(shí)別工具，從圖像/PDF 提取高質(zhì)量文本。
• PP-StructureV3：文檔解析工具，從圖像/PDF中提取表格、標(biāo)題、段落和公式等文檔元素，并以Markdown/JSON格式輸出。

視頻鏈接：[PaddleOCR MCP Server 實(shí)戰(zhàn)：3步將OCR和文檔解析輕松集成到 AI智能體 (qq.com)]
PaddleOCR MCP Server 提供三種部署模式，適配大多數(shù)智能體場(chǎng)景：

三，三步將 PaddleOCR MCP Server 集成到你的 AI 智能體

本節(jié)將以本地部署為例，介紹如何將 PaddleOCR 集成到你的智能體中。

步驟 1??：安裝 PaddleOCR MCP Server

# 創(chuàng)建并激活虛擬環(huán)境 (推薦)
conda create -n ocr-env python=3.11
conda activate ocr-env
# 安裝PaddlePaddle GPU版本 (根據(jù)您的CUDA版本選擇合適的版本)
pip install paddlepaddle-gpu==3.1.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
python -c "import paddle; paddle.utils.run_check()"  # 驗(yàn)證PaddlePaddle安裝是否成功
# 安裝PaddleOCR
pip install paddleocr[doc-parser]
# 安裝PaddleOCR MCP Server
git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR
pip install -e mcp_server

安裝完畢后，運(yùn)行以下命令，若出現(xiàn)下圖所示的運(yùn)行信息，則說(shuō)明安裝成功：

paddleocr_mcp --pipeline OCR --ppocr_source local --port 8234  --http

步驟 2??：配置PaddleOCR MCP Server

首先，打開(kāi)兩個(gè)命令行窗口，分別運(yùn)行以下命令，啟動(dòng)PaddleOCR MCP Server的OCR和PP-StructureV3服務(wù)：

# 啟動(dòng)PaddleOCR OCR MCP Server
paddleocr_mcp --pipeline OCR --ppocr_source local --port 8234  --http
# 啟動(dòng)PaddleOCR PP-StructureV3 MCP Server
paddleocr_mcp --pipeline PP-StructureV3 --ppocr_source local --port 9234  --http

然后，在你的 AI 智能體 MCP 配置文件中（例如：mcp_settings.json）添加以下內(nèi)容：

{
  "mcpServers": {
    "pp-ocrv5": {
      "isActive": true,
      "name": "PP-OCRv5 (local)",
      "type": "streamableHttp",
      "description": "Local PP-OCRv5 pipeline for text recognition.",
      "tags": [],
      "baseUrl": "http://127.0.0.1:8234/mcp"
    },
    "pp-structurev3": {
      "isActive": true,
      "name": "PP-StructureV3 (local)",
      "type": "streamableHttp",
      "description": "Local PP-StructureV3 pipeline for document parser.",
      "tags": [],
      "baseUrl": "http://127.0.0.1:9234/mcp"
    }
  }
}

以Cherry Studio為例，在Settings中選擇 MCP，并把上述配置復(fù)制到JSON編輯框，然后點(diǎn)擊OK按鈕即可。

https://www.cherry-ai.com/

配置成功后，會(huì)有一個(gè)小綠點(diǎn)出現(xiàn)，如下圖所示：

步驟 3??：在智能體中調(diào)用PaddleOCR MCP Server的能力

當(dāng)PaddleOCR MCP Server配置成功后，僅需要在智能體中使用具有function-call能力的大語(yǔ)言模型，即可調(diào)用 PaddleOCR MCP Server的工具。以Cherry Studio為例，在智能體中調(diào)用OCR工具的示例如下：

Prompt: What's in the picture: /home/ppov/Pictures/ocr_test.jpeg

在智能體中調(diào)用PP-StructureV3工具的示例如下：

Prompt: Extract the table from:/home/ppov/Desktop/test_document.pdf, and output markdown format table

四，總結(jié)與展望

PaddleOCR MCP Server是 AI 智能體理解圖片和PDF文檔的橋梁。通過(guò)3 步將OCR和文檔解析輕松集成到 AI 智能體 —— 相當(dāng)于讓AI智能體獲得了“閱讀”文檔的能力，拓展了AI智能體的能力邊界。

下一步與資源

審核編輯 黃宇