woladi/macos-vision-mcp

Qué hace

woladi/macos-vision-mcp es un servidor MCP que envuelve la API Vision nativa de macOS para proporcionar potentes capacidades locales de OCR y análisis de imágenes. Permite el reconocimiento óptico de caracteres en imágenes y PDFs con metadatos detallados, incluyendo el orden de lectura de párrafos, cuadros delimitadores y puntuaciones de confianza. La herramienta también admite la detección de rostros, el reconocimiento de códigos de barras, la exploración de códigos QR, la detección de esquinas de documentos y la clasificación de imágenes, todo procesado localmente en su máquina.

Cómo configurar

Este es un servidor MCP (Model Context Protocol) diseñado para sistemas macOS. La instalación implica clonar el repositorio desde GitHub y configurarlo como un servidor MCP dentro de la configuración de su herramienta AI. Asegúrese de tener macOS con el marco Vision disponible y luego agregue el punto final del servidor a la configuración de su cliente AI Claude o compatible.

Características clave

• OCR con identificadores de línea y párrafo y métricas de confianza
• Extracción de texto PDF con preservación del orden de lectura
• Coordenadas de cuadro delimitador para ubicación precisa del texto
• Detección y reconocimiento de rostros
• Exploración de códigos de barras y códigos QR
• Detección de esquinas de documentos para escaneo de documentos
• Capacidades de clasificación de imágenes
• Procesamiento completamente local: no se requieren llamadas a API externas