PP-OCRv5 MCP服务器在海光主板的部署与实战

在当今数字化快速发展的时代，OCR（光学字符识别）技术已经成为从图像中提取文本信息的重要工具。无论是在自动化办公、智能文档处理还是在内容创作领域，OCR 技术的应用都极大地提高了工作效率和准确性。本次评测，我们基于海光 3350 工控机作为统一计算平台，搭载 NVIDIA GeForce RTX 4070显卡，运行PaddleOCR MCP服务进行本地测试。

测试平台-配置信息

• 板卡：海光 C86-3G-3350 主板（8核16线程，3.0-3.3GHz）
• 内存：32GB DDR4 ECC（双通道）
• 显卡：Nvidia Geforce RTX 4070
• 系统盘：512/512 SATA（Win11专业版）
• 电源：750W 80Plus
• 大模型：Qwen3-14b、PP-OCRv5
• 推理工具：CheryStudio

一，安装PaddleOCR_MCP库

首先，在命令提示行执行命令安装源头库

git clone https://github.com/PaddlePaddle/PaddleOCR.git

然后再执行命令，安装MCP服务驱动：

pip install -e mcp_server

若需验证MCP服务器安装是否成功，可输入命令

paddleocr_mcp –help

二，在CheryStudio中使用PaddleOCR MCP服务器

首先，打开Cherry Studio在软件的“MCP服务器”管理页面，安装好UV和Bun。

然后，在Cherry Studio的“MCP服务器”管理页面，点击“+ 添加服务器-从JSON导入”，填入下面的参数：

{
"mcpServers": {
"paddleocr-ocr": {
{"mcpServers": {"paddleocr-ocr": {"command": "请注意，如果你使用的是Anaconda，请在Anaconda安装的隔离环境中输入where paddleocr_mcp来获取对应的MCP路径。否则无法使用",
"args": [],
"env": {
"PADDLEOCR_MCP_PIPELINE": "OCR",
"PADDLEOCR_MCP_PPOCR_SOURCE": "local"
}
}
}
}

最后，点击“确定”按钮，完成在Cherry Studio中，配置PaddleOCR MCP。

三，PaddleOCR MCP服务器运行

首先，启用MCP服务器输入需要进行的操作与对应的图片路径：

根据路径"C:test.pdf"，从文档中提取文本、公式和其他信息

四，总结

借助Cherry Studio 与大模型及 PaddleOCR MCP 的深度融合，用户不仅能高效精准地从各类图像中提取文本内容，还可进一步完成结构化数据提取等复杂任务。结合 Cherry Studio 灵活的配置能力，用户可量身定制专属 AI 助手，显著提升工作效率与生活便捷性。

---

如果你有更好的文章，欢迎投稿！

稿件接收邮箱： [e-mail]

更多精彩内容请关注“算力魔方”！

审核编辑 黄宇