DS OCR 平台

面向 DeepSeek-OCR 的一体化方案：

• GitHub 仓库：https://github.com/velist/dsocr
• Cloudflare Worker：统一接收 OCR 请求，整理图片输入、提示词与输出格式，转发至硅基流动 deepseek-ai/DeepSeek-OCR 模型，并返回纯文本 / Markdown / 布局信息等多种结果。
• MCP Server：基于 Model Context Protocol 的工具服务，可在 Claude Code、Codex CLI 等支持 MCP 的客户端中直接调用该 OCR 能力。
• Shared 模块：共享输出格式、提示词等定义，保证 Worker 与 MCP 行为一致。

快速开始

环境准备

1. 安装依赖

   npm install

2. 凭据配置
   • 将硅基流动 Key（siliconflowkey.env）写入 apps/worker/.dev.vars

     printf "SILICONFLOW_API_KEY=%s\n" "$(cat siliconflowkey.env)" > apps/worker/.dev.vars

   • 部署到 Cloudflare 前，执行：

npm run deploy --workspace @dsocr/worker # 首次会提示登录/配置 wrangler wrangler secret put SILICONFLOW_API_KEY # 交互式粘贴 Key

- Cloudflare API Token（`allcfkey.env`）可用于 `wrangler login --api-token $(cat allcfkey.env)`。
 - 当前部署实例（示例）：`https://dsocr-worker.vee5208.workers.dev/ocr`

### 本地开发

- 启动 Worker（端口默认 8787）：
 ```bash
 npm run dev --workspace @dsocr/worker

• 发送测试请求：

  curl -X POST http://127.0.0.1:8787/ocr \
       -H "Content-Type: application/json" \
       -d '{
         "image_url": "https://example.com/sample.png",
         "outputs": ["plain_text", "markdown"]
       }'

• MCP 服务：

  npm run start --workspace @dsocr/mcp-server

  默认读取 DSOCR_WORKER_URL 环境变量（未设置时使用 http://127.0.0.1:8787/ocr）。

测试

npm run test            # 运行全部工作区测试
npm run test --workspace @dsocr/worker
npm run test --workspace @dsocr/mcp-server

一键脚本（Windows PowerShell）

仓库提供 scripts/setup-mcp.ps1 简化配置：

# 仅设置当前会话变量
pwsh -File scripts/setup-mcp.ps1

# 持久化变量并自动安装依赖、配置 CLI、启动 MCP
pwsh -File scripts/setup-mcp.ps1 `
  -Persist `
  -InstallDependencies `
  -ConfigureClients `
  -StartServer `
  -WorkerUrl "https://dsocr-worker.vee5208.workers.dev/ocr" `
  -TimeoutMs 120000

参数说明：

• -InstallDependencies：执行 npm install，确保 tsx 等依赖可用。
• -Persist：通过 setx 写入用户级环境变量，并生成 .env.mcp。
• -ConfigureClients：检测 claude / codex CLI，自动注册 dsocr MCP 服务（未安装时给出提示）。
• 运行时脚本会生成/使用 scripts/start-mcp-server.cmd 作为启动入口，客户端触发时自动调用，无需手工执行 npm run start ...。
• -StartServer：新开 PowerShell 窗口运行 npm run start --workspace @dsocr/mcp-server。
• -WorkerUrl、-TimeoutMs：自定义 MCP 连接的 Worker 地址与超时时长。

目录结构

apps/
  worker/      Cloudflare Worker 源码（入口 src/index.ts）
  mcp/         MCP Server 源码（入口 src/index.ts）
packages/
  shared/      公共常量与类型定义

部署建议

1. Worker
   • 编辑 apps/worker/wrangler.toml 中的 name、routes 等参数以匹配目标域名。
   • wrangler deploy 部署后可通过 wrangler tail 观察日志。
   • 若需图片较大或自定义格式，可在请求体中通过 mode、outputs、prompt 调整行为。
2. MCP Server
   • 打包为 Node 脚本后，可放置到任意有 STDIO 能力的环境。
   • Claude Code 配置示例：

     claude mcp add --transport stdio dsocr "node /path/to/apps/mcp/dist/index.js"

   • Codex CLI 或其他 MCP 客户端，可根据其要求配置指令/路径；默认使用 Worker 端点，如需指向线上地址可设置 DSOCR_WORKER_URL=https://your.worker.url/ocr。

工具输入说明（MCP）

字段	类型	说明
source / sources	string / string[]	图片本地路径、file://、HTTP URL、dataURL、Base64 均可
outputs	string 或 string[]	指定返回格式，支持 plain_text、markdown、layout_markdown、html、text_blocks 及其别名
mode	string	对应 Worker 的预设（auto、plain、markdown、layout 等）
prompt	string	自定义 OCR 指令，若提供将覆盖 mode 默认提示词
language	string	优先输出语言提示（如 zh-CN、en-US）
raw	boolean	为 true 时，Worker 会回传原始响应与请求 payload

运行时注意

• Cloudflare Worker 体积限制 10 MB，若需要大文件请在客户端压缩或拆分。
• outputs 中的 text_blocks 返回 JSON 数组（文本 + 归一化坐标 + 置信度），便于结构化处理。
• MCP 工具默认返回 Markdown 文本以及完整 JSON，可同时满足模型上下文与工程接入需求。

后续计划

• 接入流式响应与任务状态跟踪。
• 在 shared 模块加入更多 DS OCR 预设（表格、票据等专用模板）。
• 引入 e2e 测试（Mock fetch）保障 Worker 行为。