OCR MCP
MCP server che converte screenshot di pagine web in Markdown strutturato usando GLM-OCR (Zhipu). Si registra nel mcp-gateway: i tool compaiono in Claude come mcp__mcp-gateway__ocr__*.
Tool
| Tool | Cosa fa |
|---|---|
ocr_image(image, instructions="") |
OCR di un'immagine già catturata. image = base64, data URI, o URL http(s) a un'immagine. |
ocr_webpage(url, full_page=True, viewport_width=0, wait_until="networkidle", instructions="") |
Cattura uno screenshot full-page dell'URL con Chromium headless, poi OCR. |
ocr_health() |
Stato e configurazione (host GLM-OCR, API style, modello, key, Chromium, tiling). Nessuna chiamata a pagamento. |
I tool restituiscono il Markdown come testo. Il server NON scrive file .md: gira su un LXC remoto senza accesso al disco locale. È la sessione Claude a salvare il .md dove serve (es. "salva il risultato in ./pagina.md").
Motore OCR — .env
Il server è agnostico all'endpoint: si passa da cloud a self-hosted cambiando solo il .env.
| Variabile | Cloud Zhipu | vLLM self-hosted |
|---|---|---|
GLM_OCR_BASE_URL |
https://api.z.ai/api/paas/v4 |
http://<host-vllm>:8000 |
GLM_OCR_API_STYLE |
layout_parsing |
chat |
GLM_OCR_MODEL |
glm-ocr |
zai-org/GLM-OCR |
GLM_OCR_API_KEY |
chiave API Zhipu | token del server vLLM |
chat→POST {BASE}/v1/chat/completions(OpenAI-compatibile).layout_parsing→POST {BASE}/layout_parsing(endpoint dedicato Zhipu).
Screenshot molto alti: tagliati in tile sovrapposte (MAX_TILE_HEIGHT / TILE_OVERLAP / MAX_TILES) e il Markdown viene ricucito automaticamente.
Deploy (CT102)
./deploy/install.sh [email protected]
rsync → /opt/ocr-mcp, crea venv, playwright install --with-deps chromium, installa e avvia il servizio systemd ocr-mcp. Poi su CT102 compila /opt/ocr-mcp/.env e systemctl restart ocr-mcp.
Registrazione nel gateway
Su CT102, aggiungere alla lista upstreams: in /etc/mcp-gateway/upstreams.yaml:
- name: ocr
url: http://127.0.0.1:8011/sse
tags:
- core
- ocr
poi systemctl restart mcp-gateway.
Porta 8011: la 8009 è occupata da
gmaile la 8008 da un altro servizio. Se va cambiata, aggiornareconfig.py,.env,deploy/ocr-mcp.servicee la voceupstreams.yaml. Il tagcorerende i tool visibili nelle sessioni che caricano il set core del gateway.
Verifica
curl http://127.0.0.1:8011/→ 200 con stato.- In Claude Code
/mcp→mcp__mcp-gateway__ocr__ocr_image | ocr_webpage | ocr_health. - Chiamare
ocr_health, poiocr_webpagesu una pagina lunga reale.
Stack
Python 3.12 · FastMCP (mcp==1.27.0) · Uvicorn · httpx · Playwright/Chromium · Pillow. Transport SSE su /sse, servizio systemd, log di audit dei job in SQLite (/var/lib/ocr-mcp/ocr_mcp.db).
