woladi/macos-vision-mcp

何をするか

woladi/macos-vision-mcpは、macOSのネイティブVision APIをラップしたMCPサーバーで、強力なローカルOCRおよび画像分析機能を提供します。画像やPDFに対する光学文字認識を可能にし、読み取り順序の段落、バウンディングボックス、信頼度スコアを含む詳細なメタデータを提供します。このツールは、顔検出、バーコード認識、QRコードスキャン、文書の角検出、画像分類もサポートしており、すべてがあなたのマシン上でローカルに処理されます。

セットアップ方法

これはmacOSシステム用に設計されたMCP（モデルコンテキストプロトコル）サーバーです。インストールには、GitHubからリポジトリをクローンし、AIツールの設定内でMCPサーバーとして構成することが含まれます。Visionフレームワークが利用可能なmacOSを持っていることを確認し、次にサーバーエンドポイントをClaudeまたは互換性のあるAIクライアントの設定に追加してください。

主な機能

• 行と段落IDおよび信頼度指標を持つOCR
• 読み取り順序を保持したPDFテキスト抽出
• 正確なテキスト位置のためのバウンディングボックス座標
• 顔検出と認識
• バーコードとQRコードのスキャン
• 文書スキャンのための文書角検出
• 画像分類機能
• 完全なローカル処理 - 外部API呼び出しは不要