PaddleOCR MCP Server 实战：3步将OCR和文档解析轻松集成到 AI智能体

一，为什么文档 AI 智能体需要PaddleOCR MCP Server？

在构建面向报告分析、合同信息提取或科研论文总结等场景的文档 AI 智能体时，解析PDF格式文件及扫描版图像文档往往成为大语言模型（LLM）的痛点。这是因为LLM本质是语言模型，能处理字符序列，却无法直接解析图像或PDF文件的内容。

PaddleOCR MCP Server 将 PaddleOCR 的文字识别和文档解析能力，以MCP工具的形式提供给 AI 智能体，从而让 AI 智能体能够直接处理文档内容，而无需手动提取文本。

二，什么是PaddleOCR MCP Server？

PaddleOCR MCP Server 是一个轻量级 Model Context Protocol (MCP) 服务，专为将 PaddleOCR 的文档理解能力无缝集成到文档AI智能体而设计，让AI智能体能够按需调用文字识别或文档解析工具，如下图所示，实现从图像/PDF中提取结构化信息：

• OCR：文字识别工具，从图像/PDF 提取高质量文本。
• PP-StructureV3：文档解析工具，从图像/PDF中提取表格、标题、段落和公式等文档元素，并以Markdown/JSON格式输出。

视频链接：[PaddleOCR MCP Server 实战：3步将OCR和文档解析轻松集成到 AI智能体 (qq.com)]
PaddleOCR MCP Server 提供三种部署模式，适配大多数智能体场景：

三，三步将 PaddleOCR MCP Server 集成到你的 AI 智能体

本节将以本地部署为例，介绍如何将 PaddleOCR 集成到你的智能体中。

步骤 1️⃣：安装 PaddleOCR MCP Server

# 创建并激活虚拟环境 (推荐)
conda create -n ocr-env python=3.11
conda activate ocr-env
# 安装PaddlePaddle GPU版本 (根据您的CUDA版本选择合适的版本)
pip install paddlepaddle-gpu==3.1.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
python -c "import paddle; paddle.utils.run_check()"  # 验证PaddlePaddle安装是否成功
# 安装PaddleOCR
pip install paddleocr[doc-parser]
# 安装PaddleOCR MCP Server
git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR
pip install -e mcp_server

安装完毕后，运行以下命令，若出现下图所示的运行信息，则说明安装成功：

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

步骤 2️⃣：配置PaddleOCR MCP Server

首先，打开两个命令行窗口，分别运行以下命令，启动PaddleOCR MCP Server的OCR和PP-StructureV3服务：

# 启动PaddleOCR OCR MCP Server
paddleocr_mcp --pipeline OCR --ppocr_source local --port 8234  --http
# 启动PaddleOCR PP-StructureV3 MCP Server
paddleocr_mcp --pipeline PP-StructureV3 --ppocr_source local --port 9234  --http

然后，在你的 AI 智能体 MCP 配置文件中（例如：mcp_settings.json）添加以下内容：

{
  "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为例，在Settings中选择 MCP，并把上述配置复制到JSON编辑框，然后点击OK按钮即可。

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

配置成功后，会有一个小绿点出现，如下图所示：

步骤 3️⃣：在智能体中调用PaddleOCR MCP Server的能力

当PaddleOCR MCP Server配置成功后，仅需要在智能体中使用具有function-call能力的大语言模型，即可调用 PaddleOCR MCP Server的工具。以Cherry Studio为例，在智能体中调用OCR工具的示例如下：

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

在智能体中调用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，总结与展望

PaddleOCR MCP Server是 AI 智能体理解图片和PDF文档的桥梁。通过3 步将OCR和文档解析轻松集成到 AI 智能体 —— 相当于让AI智能体获得了“阅读”文档的能力，拓展了AI智能体的能力边界。

下一步与资源

审核编辑 黄宇