在當今數(shù)字化快速發(fā)展的時代，OCR（光學字符識別）技術已經成為從圖像中提取文本信息的重要工具。無論是在自動化辦公、智能文檔處理還是在內容創(chuàng)作領域，OCR 技術的應用都極大地提高了工作效率和準確性。本次評測，我們基于海光 3350 工控機作為統(tǒng)一計算平臺，搭載 NVIDIA GeForce RTX 4070顯卡，運行PaddleOCR MCP服務進行本地測試。

測試平臺-配置信息

• 板卡：海光 C86-3G-3350 主板（8核16線程，3.0-3.3GHz）
• 內存：32GB DDR4 ECC（雙通道）
• 顯卡：Nvidia Geforce RTX 4070
• 系統(tǒng)盤：512/512 SATA（Win11專業(yè)版）
• 電源：750W 80Plus
• 大模型：Qwen3-14b、PP-OCRv5
• 推理工具：CheryStudio

一，安裝PaddleOCR_MCP庫

首先，在命令提示行執(zhí)行命令安裝源頭庫

git clone https://github.com/PaddlePaddle/PaddleOCR.git

然后再執(zhí)行命令，安裝MCP服務驅動：

pip install -e mcp_server

若需驗證MCP服務器安裝是否成功，可輸入命令

paddleocr_mcp –help

二，在CheryStudio中使用PaddleOCR MCP服務器

首先，打開Cherry Studio在軟件的“MCP服務器”管理頁面，安裝好UV和Bun。

然后，在Cherry Studio的“MCP服務器”管理頁面，點擊“+ 添加服務器-從JSON導入”，填入下面的參數(shù)：

{
"mcpServers": {
"paddleocr-ocr": {
{"mcpServers": {"paddleocr-ocr": {"command": "請注意，如果你使用的是Anaconda，請在Anaconda安裝的隔離環(huán)境中輸入where paddleocr_mcp來獲取對應的MCP路徑。否則無法使用",
"args": [],
"env": {
"PADDLEOCR_MCP_PIPELINE": "OCR",
"PADDLEOCR_MCP_PPOCR_SOURCE": "local"
}
}
}
}

最后，點擊“確定”按鈕，完成在Cherry Studio中，配置PaddleOCR MCP。

三，PaddleOCR MCP服務器運行

首先，啟用MCP服務器輸入需要進行的操作與對應的圖片路徑：

根據路徑"C:test.pdf"，從文檔中提取文本、公式和其他信息

四，總結

借助Cherry Studio 與大模型及 PaddleOCR MCP 的深度融合，用戶不僅能高效精準地從各類圖像中提取文本內容，還可進一步完成結構化數(shù)據提取等復雜任務。結合 Cherry Studio 靈活的配置能力，用戶可量身定制專屬 AI 助手，顯著提升工作效率與生活便捷性。

如果你有更好的文章，歡迎投稿！

稿件接收郵箱： nami.liu@pasuntech.com

更多精彩內容請關注“算力魔方”！

審核編輯 黃宇