当前位置：首页 > news >正文

PaddleOCR 本地部署与 MCP 服务调用指南（Mac Intel CPU）

news 2025/9/24 9:15:18

在本篇博客中，我们介绍如何在 Mac Intel CPU 上使用 Python 3.10 + PaddleOCR 本地部署 OCR 服务，并通过 MCP（MiniCP / CherryStudio）进行图片识别调用。

1️⃣ Python 环境准备

方式一：使用 Conda 环境（推荐）

# 创建专用环境
conda create -n paddleocr python=3.10 -y# 激活环境
conda activate paddleocr# 查看 Python 版本
python --version
# ✅ Python 3.10.x

⚠️ 注意：base 环境可能是 Python 3.8，PaddleOCR 3.x 需要 Python 3.10+。如果你想在 base 环境下使用，需要先升级 Python。

方式二：使用 Python venv（可选）

# 创建虚拟环境
python3.10 -m venv ~/paddleocr-env# 激活虚拟环境
source ~/paddleocr-env/bin/activate# 查看 Python 版本
python --version
# ✅ Python 3.10.x

2️⃣ 安装 PaddleOCR 及依赖

# 升级 pip
pip install --upgrade pip setuptools wheel# 安装 PaddlePaddle CPU 版本
pip install paddlepaddle==2.6.1# 安装 PaddleOCR
pip install paddleocr opencv-python shapely pyclipper fastapi uvicorn

测试安装

创建 test.py 文件：

from paddleocr import PaddleOCRocr = PaddleOCR()
result = ocr.ocr("test.jpg")  # 替换为本地测试图片
print(result)

运行：

python test.py

✅ 如果输出识别结果，说明安装成功。

3️⃣ 部署 MCP 服务

创建 mcp_ocr_server.py 文件，示例内容：

from fastapi import FastAPI, UploadFile, File
from paddleocr import PaddleOCR
import shutilapp = FastAPI()
ocr = PaddleOCR()@app.post("/ocr/")
async def ocr_upload(file: UploadFile = File(...)):with open("temp.jpg", "wb") as buffer:shutil.copyfileobj(file.file, buffer)result = ocr.ocr("temp.jpg")return {"result": result}

启动服务：

uvicorn mcp_ocr_server:app --reload --port 8083

✅ 打开浏览器访问 http://127.0.0.1:8083/docs 可以看到 Swagger UI，测试上传图片。

4️⃣ CherryStudio MCP 调用示例

假设你已经在 CherryStudio 中配置了 MCP 节点，调用方式示例：

import requestsurl = "http://127.0.0.1:8083/ocr/"
files = {"file": open("test.jpg", "rb")}
response = requests.post(url, files=files)
print(response.json())

你可以直接在 CherryStudio 控制台执行该 Python 代码，实现 图片 OCR 调用测试。