GLM OCR MCP Server

GLM OCR MCP服务器

MCP服务器，用于使用Zhpuai GLM-OCR从图像和PDF中提取文本。

用法

{
  "mcpServers": {
    "glm-ocr": {
      "command": "uvx",
      "args": ["glm-ocr-mcp"],
      "env": {
        "ZHIPU_API_KEY": "your_api_key_here",
        "ZHIPU_OCR_API_URL": "https://open.bigmodel.cn/api/paas/v4/layout_parsing"
      }
    }
  }
}

使用Claude代码

claude mcp add --scope user glm-ocr \
  --env ZHIPU_API_KEY=your_api_key_here \
  --env ZHIPU_OCR_API_URL=https://open.bigmodel.cn/api/paas/v4/layout_parsing \
  -- uvx glm-ocr-mcp

与Codex一起使用

使用以下命令添加MCP服务器：

codex mcp add glm-ocr \
  --env ZHIPU_API_KEY=your_api_key_here \
  --env ZHIPU_OCR_API_URL=https://open.bigmodel.cn/api/paas/v4/layout_parsing \
  -- uvx glm-ocr-mcp

工具

服务器提供了一个工具：

• 提取文本：从本地文件或URL中提取(png, jpg/jpeg, pdf)

- 默认返回Markdown文本 - 集 return_json=true 返回结构化JSON md_results （包含页面解析详细信息，如 bbox_2d, content, label等等）

参数：

• 文件路径：的本地文件路径或URL png, jpg/jpeg，或 pdf
• base64数据：可选数据URL/base64有效载荷（在以下情况下使用 file_path 不可用）
• start_page_id：可选PDF起始页（从1开始，仅适用于PDF）
• end_page_id：可选PDF结束页（从1开始，仅对PDF有效）
• 返回_儿子：可选布尔值，默认值 false. true 返回JSON； false 返回Markdown。

例子

# Extract text from local image
extract_text(file_path="./screenshot.png")

# Extract text from local PDF
extract_text(file_path="./document.pdf")

# Extract text from URL image
extract_text(file_path="https://example.com/test.jpg")

# Use base64/data URL
extract_text(base64_data="data:image/png;base64,iVBORw0KGgo...")

# Extract structured layout JSON
extract_text(file_path="https://example.com/test.png", return_json=True)

发展

# Create virtual environment
uv venv
source .venv/bin/activate

# Sync dependencies and install current project
uv sync

# Run server for testing
python -m glm_ocr_mcp.server

Windows PowerShell激活：

.venv\Scripts\Activate.ps1

项目结构

glm-ocr-mcp/
├── pyproject.toml         # Project configuration
├── README.md              # Documentation
├── .env.example           # Environment variable template
├── src/
│   └── glm_ocr_mcp/
│       ├── __init__.py
│       ├── __main__.py    # Entry point
│       ├── ocr.py         # OCR client
│       └── server.py      # MCP server