MCP使用文档
文字识别 OCR MCP
把图片、PDF、证照、票据交给Dumate、 Cursor、Claude、Dumate、Codex、WorkBuddy、DSH 等智能体,即可完成文字识别、文档解析、字段抽取与信息核验。
| 想做的事 | 直接这样说 |
|---|---|
| 文档转 Markdown | 将这份 PDF 解析为 Markdown,保留标题和表格 |
| 提取身份证信息 | 识别这张身份证,提取姓名、证号、有效期;无法识别的请标明 |
| 整理发票 | 把这张发票整理成入账表格,包含日期、金额、税额、购买方 |
| 发票验真 | 根据发票代码、号码、开票日期和金额做增值税发票验真 |
快速开始
以 Cursor 为例。其他客户端见「常见客户端配置」。
1. 获取 API Key
- 打开 API Key 管理页,创建 API Key。

- 权限选择「自定义权限」→「AI 开放能力」→ 建议勾选「全部接口」。

- 复制 Key(通常以
bce-v3开头)。
注意:文字识别控制台里的 API Key / Secret Key 不能用于 MCP。
2. 写入配置
打开 Cursor → Customize → MCP,单击 + New MCP Server,或编辑 ~/.cursor/mcp.json。

下面以 文档解析 + 卡证票据结构化 为示例:
1{
2 "mcpServers": {
3 "baidu-ocr-document": {
4 "url": "https://aip.baidubce.com/mcp/document/sse",
5 "headers": {
6 "Authorization": "Bearer <您的 API Key>"
7 }
8 },
9 "baidu-ocr-kie": {
10 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
11 "headers": {
12 "Authorization": "Bearer <您的 API Key>"
13 }
14 }
15 }
16}
把 <您的 API Key> 换成真实 Key(Bearer 后有一个空格)。按照客户端支持协议和业务需求选择SSE或者Streamable HTTP协议。
可选:本机设置环境变量 BAIDU_OCR_TOKEN,配置里写 "Authorization": "Bearer ${env:BAIDU_OCR_TOKEN}",改完后请重启客户端。
3. 试一句
1将这份文件解析为 Markdown,保留标题和表格:
2https://example.com/sample.pdf
或:
1识别这张身份证,提取姓名、身份证号、有效期;无法识别的字段请标明。
有结果返回即表示接通。
按任务选服务
先看这张表,再决定装哪个 MCP、用哪个工具。建议按需接入,不要一次全开。
| 您要做的事 | 服务 | 工具 |
|---|---|---|
| 单张照片 / 截图读文字 | 通用文字识别 | ocr_general_accurate_location |
| 只要表格单元格 | 通用文字识别 | ocr_table |
| 手写 / 印章 / 二维码 / 数字 | 通用文字识别 | ocr_handwriting / ocr_seal / ocr_qrcode / ocr_digits |
| PDF、Word、HTML、Excel,偏重速度 | 文档解析 | document_parse |
| 单页、复杂版面转 Markdown | 文档解析 | document_parse_Paddle(PaddleOCR-VL) |
| 多页、跨页表格 / 段落、标题层级 | 文档解析 | document_parse_Unlimited(UnlimitedOCR) |
| 转成可编辑 Word / Excel | 文档解析 | doc_convert |
| 不确定是什么证、什么票 | 卡证票据结构化 | ocr_general_llm |
| 已确定是身份证 | 卡证票据结构化 | ocr_id_card |
| 已确定是营业执照 | 卡证票据结构化 | ocr_business_license |
| 已确定是财务票据 / 混贴多张票 | 卡证票据结构化 | ocr_finance_receipt |
| 已确定是银行卡 | 卡证票据结构化 | ocr_bank_card |
| 合同、订单按字段清单抽取 | 卡证票据结构化 | document_extract |
| 发票验真 | 信息核验 | ocr_vat_verify |
| 查企业工商信息 | 信息核验 | company_business_info |
| 企业二要素核验 | 信息核验 | company_verify_two |
| 企业三要素核验 | 信息核验 | company_verify_three |
| 企业四要素核验 | 信息核验 | company_verify_four |
| 检测图片是否被篡改 | 信息核验 | ocr_image_tamper |
| 试卷版面分析 | 教育与文档处理 | ocr_exam_analysis |
| 切题 / 批改 / 作文 | 教育与文档处理 | 对应教育类工具 |
| 去手写 / 矫正拍摄件 | 教育与文档处理 | remove_handwriting / doc_crop_enhance |
服务地址
每个服务同时提供 SSE和 Streamable HTTP,能力相同,按客户端支持情况选一个即可。
| 服务 | SSE | Streamable HTTP |
|---|---|---|
| 通用文字识别 | https://aip.baidubce.com/mcp/ocr_general/sse |
https://aip.baidubce.com/mcp/ocr_general/streamable |
| 文档解析 | https://aip.baidubce.com/mcp/document/sse |
https://aip.baidubce.com/mcp/document/streamable |
| 卡证票据结构化 | https://aip.baidubce.com/mcp/ocr_kie/sse |
https://aip.baidubce.com/mcp/ocr_kie/streamable |
| 信息查询与核验 | https://aip.baidubce.com/mcp/ocr_verify/sse |
https://aip.baidubce.com/mcp/ocr_verify/streamable |
| 教育与文档处理 | https://aip.baidubce.com/mcp/ocr_edu/sse |
https://aip.baidubce.com/mcp/ocr_edu/streamable |
常见客户端配置
Dumate(百度搭子)
- 打开 专家套件 · 技能 → 连接应用 → 添加 → 添加应用。

-
在「手动配置」中填写:
- 应用名称:如
baidu-ocr-kie - 服务端点 URL:
https://aip.baidubce.com/mcp/ocr_kie/sse - 传输协议:SSE(也可选 Streamable HTTP,并改用
/streamable地址) - 请求头:名称
Authorization,值Bearer <您的 API Key>
- 应用名称:如

- 保存后在对话中验证调用。
Cursor
打开 Customize → MCP,或编辑 ~/.cursor/mcp.json / 项目 .cursor/mcp.json:

1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
5 "headers": {
6 "Authorization": "Bearer <您的 API Key>"
7 }
8 }
9 }
10}
保存后在 Customize → MCP 中确认已连接。

豆包办公(豆包工作)
- 打开豆包工作客户端,进入左侧 插件 · 技能 · 伙伴。
- 点击右上角 + 添加 → 新建自定义连接器。

-
在弹窗中填写:
- 服务器名称:如
baidu-ocr-kie - 传输类型:HTTP
- 服务器 URL:
https://aip.baidubce.com/mcp/ocr_kie/streamable(推荐 Streamable) - Headers:添加
Authorization=Bearer <您的 API Key>
- 服务器名称:如

- 保存后,在 新工作任务 中试用;可用
/或@指定该插件。
千问办公
- 打开千问办公,进入左侧 扩展 → 连接器(或「技能 · 扩展 → 连接器」)。

- 点击右上角 + 添加,可选「粘贴 JSON 配置」或「手动填写配置」。

- 推荐「粘贴 JSON 配置」,将下方内容完整粘贴后导入(界面若带有 STDIO 占位示例,直接覆盖即可):
1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "type": "sse",
5 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
6 "headers": {
7 "Authorization": "Bearer <您的 API Key>"
8 }
9 }
10 }
11}
若选择「手动填写配置」,服务器类型选 SSE 或 Streamable HTTP,名称填 baidu-ocr-kie,地址与 Header 与上表一致。
若走 Streamable HTTP,将 type 改为 streamable-http(或以客户端选项为准),url 改为 https://aip.baidubce.com/mcp/ocr_kie/streamable。添加或开关连接器后,请 新建一个对话任务 再试用。
WorkBuddy
打开 专家 · 技能 · 连接器 → 连接器 → + 自定义连接器 → 配置 MCP,或编辑 ~/.workbuddy/mcp.json:

1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "type": "sse",
5 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
6 "headers": {
7 "Authorization": "Bearer <您的 API Key>"
8 }
9 }
10 }
11}


保存后状态灯为绿色即可。CodeBuddy CLI 也可使用 ~/.codebuddy/.mcp.json,建议显式写 "type": "sse"。
DeepSeek Harness
可通过 @deepseek-ai/dsh-mcp-client 接入。将以下内容写入用户 patch(如 $DSH_HOME/cordis.patch.yml),启动时使用 dsh web --patch:
1- insert:
2 - id: baidu-ocr-kie
3 name: "@deepseek-ai/dsh-mcp-client"
4 config:
5 serverName: baidu-ocr-kie
6 transport: stdio
7 command: npx
8 args:
9 - -y
10 - supergateway
11 - --sse
12 - https://aip.baidubce.com/mcp/ocr_kie/sse
13 - --header
14 - "Authorization: Bearer <您的 API Key>"
若当前 Harness 版本支持远程 Streamable HTTP,也可直接配置 url: https://aip.baidubce.com/mcp/ocr_kie/streamable 与 headers,无需 supergateway(字段以 Harness MCP 文档 为准)。
Claude Code
1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "type": "sse",
5 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
6 "headers": {
7 "Authorization": "Bearer <您的 API Key>"
8 }
9 }
10 }
11}
必须包含 "type": "sse",否则远程服务可能被跳过。
Codex
Codex 客户端支持自定义 MCP。打开 连接至自定义 MCP,类型选择 流式 HTTP(Streamable HTTP):

按如下填写:
- 名称:如
baidu-ocr-kie - 类型:流式 HTTP
- URL:
https://aip.baidubce.com/mcp/ocr_kie/streamable - 标头:添加
Authorization=Bearer <您的 API Key>(也可改用「Bearer 令牌环境变量」)
保存后即可在对话中调用。
若使用 CLI / 配置文件,也可在 ~/.codex/config.toml 中配置同等 Streamable HTTP 地址。
Claude Desktop
打开 Claude → Settings → Developer → Edit Config(需安装 Node.js):
1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "command": "npx",
5 "args": [
6 "-y",
7 "supergateway",
8 "--sse",
9 "https://aip.baidubce.com/mcp/ocr_kie/sse",
10 "--header",
11 "Authorization: Bearer <您的 API Key>"
12 ]
13 }
14 }
15}
Trae / Cline / Windsurf
Trae: 在 MCP 设置中填写 url 与 headers;CLI 在 trae_cli.yaml 中增加 type: sse。
Cline: 编辑 ~/.cline/mcp.json:
1{
2 "mcpServers": {
3 "baidu-ocr-kie": {
4 "type": "sse",
5 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
6 "headers": {
7 "Authorization": "Bearer <您的 API Key>"
8 }
9 }
10 }
11}
Windsurf: 编辑 ~/.codeium/windsurf/mcp_config.json。若原生 SSE 失败,使用与 Claude Desktop 相同的 supergateway 配置。
五个服务完整模板(SSE)
需要 Streamable HTTP 时,把地址末尾的 sse 换成 streamable(例如 .../ocr_kie/streamable)。
1{
2 "mcpServers": {
3 "baidu-ocr-general": {
4 "url": "https://aip.baidubce.com/mcp/ocr_general/sse",
5 "headers": { "Authorization": "Bearer <您的 API Key>" }
6 },
7 "baidu-ocr-document": {
8 "url": "https://aip.baidubce.com/mcp/document/sse",
9 "headers": { "Authorization": "Bearer <您的 API Key>" }
10 },
11 "baidu-ocr-kie": {
12 "url": "https://aip.baidubce.com/mcp/ocr_kie/sse",
13 "headers": { "Authorization": "Bearer <您的 API Key>" }
14 },
15 "baidu-ocr-verify": {
16 "url": "https://aip.baidubce.com/mcp/ocr_verify/sse",
17 "headers": { "Authorization": "Bearer <您的 API Key>" }
18 },
19 "baidu-ocr-edu": {
20 "url": "https://aip.baidubce.com/mcp/ocr_edu/sse",
21 "headers": { "Authorization": "Bearer <您的 API Key>" }
22 }
23 }
24}
生产环境建议用 "Bearer ${env:BAIDU_OCR_TOKEN}",避免明文 Key 入库。
试一试
多页 PDF → Markdown(UnlimitedOCR)
1请用文档解析(UnlimitedOCR)将下面的多页 PDF 转为 Markdown,保留标题层级和跨页表格:
2https://example.com/contract.pdf
单页复杂扫描件可改用 document_parse_Paddle;更看重速度或解析 Excel / HTML 用标准版 document_parse。
读图文字
1识别图片中的全部文字,并给出每行文字的位置:
2https://example.com/photo.jpg
身份证字段
1识别这张身份证,提取姓名、性别、民族、出生日期、住址、身份证号、签发机关、有效期限。无法识别的字段请标明「未识别」。
发票入账
1识别这张发票,整理成表格,包含发票类型、代码、号码、开票日期、购买方、销售方、金额、税额、价税合计。
发票验真
1请根据以下信息做增值税发票验真,并说明真伪结论:
2发票代码、发票号码、开票日期、开票金额(不含税)……
工具清单
通用文字识别
| 工具名称 | 说明 |
|---|---|
ocr_general_accurate_location |
高精度通用文字识别(含位置),多语种 |
ocr_table |
表格文字识别 V2,支持有线 / 无线 / 合并单元格 / 多表 |
ocr_handwriting |
手写中文与手写数字 |
ocr_seal |
印章检测与识别 |
ocr_qrcode |
二维码 / 条形码 |
ocr_digits |
仅识别数字 |
文档解析
| 工具名称 | 版本 | 适用 |
|---|---|---|
document_parse |
标准版 | 更快;HTML、Excel 等 |
document_parse_Paddle |
PaddleOCR-VL | 单页、复杂版面 |
document_parse_Unlimited |
UnlimitedOCR | 多页、跨页表格 / 段落、标题层级 |
doc_convert |
格式转换 | 输出保留版式的 Word / Excel |
卡证票据结构化(KIE)
| 工具名称 | 说明 |
|---|---|
ocr_file_classify |
先判断图中是什么文档 / 卡证 / 票据 |
ocr_general_llm |
类型不确定或长尾证照票据时的通用结构化 |
ocr_id_card |
身份证专项 |
ocr_business_license |
营业执照专项 |
ocr_finance_receipt |
财务票据专项(支持混贴) |
ocr_bank_card |
银行卡专项(含发卡行信息) |
document_extract |
合同 / 订单等按字段清单抽取 |
信息核验
| 工具名称 | 说明 |
|---|---|
ocr_vat_verify |
增值税发票验真 |
company_business_info |
企业工商信息查询(高级版) |
company_verify_two_factors |
企业二要素核验 |
company_verify_three_factors |
企业三要素核验 |
company_verify_four_factors |
企业四要素核验 |
ocr_image_tamper |
图片篡改检测 |
教育与文档处理
| 工具名称 | 说明 |
|---|---|
ocr_exam_analysis |
试卷 / 作业版面分析 |
ocr_paper_cut |
试卷切题 |
ocr_homework_correct |
智能作业批改 |
ocr_handwriting_composition |
手写作文识别 |
remove_handwriting |
去手写、保留印刷体 |
doc_crop_enhance |
文档矫正增强 |
常见问题
| 问题 | 处理 |
|---|---|
| 401 / 未授权 | 使用bce-v3 开头的智能云 API Key,并开通 AI 开放能力权限;Header 写 Authorization: Bearer <Key> |
| Cursor 连不上 | 用url + headers;不要把未编码 Key 拼进 URL;保存后重载 MCP |
| Claude Code 没加载 | SSE 配置必须含"type": "sse" |
| Codex 连不上 | Streamable 用/streamable,SSE 用 /sse,不要混用;Codex 客户端优先选「流式 HTTP」并填 /streamable 地址 |
| 识别失败 | 确认文件 URL 公网可访问;单次请求 ≤ 4MB;账号已实名且有额度 |
| 模型选错工具 | 少装几个 MCP;用 64K+ 上下文模型;指令里写清「转 Markdown」还是「抽字段」 |
| 环境变量不生效 | 重启客户端;网页端通常读不到本机环境变量,改直接填 Key |
附录:说明与规范
以下内容不影响上手,需要时再看。
用前须知
- 建议使用 64K tokens 以上 上下文的大模型。
- 单次请求建议不超过 4MB;长文档请优先传文件 URL,避免大体积 Base64。
- 修改 MCP 配置后通常需要重载或重启客户端。
- 发票验真入参一般是代码、号码、日期、金额等,不是直接对图片验真。
传输协议(SSE 与 Streamable HTTP)
HTTP+SSE(/sse) |
Streamable HTTP(/streamable) |
|
|---|---|---|
| 规范 | MCP 2024-11-05 HTTP+SSE | MCP 2025-03-26 起的 Streamable HTTP |
| 怎么连 | 先建立 SSE 长连接,再收发消息 | 向同一 HTTP 端点 POST,按需返回 JSON 或请求级事件流 |
| 怎么选 | Cursor、Claude Code 等多数现网客户端 | 客户端明确支持 Streamable HTTP 时优先 |
两种地址对应同一套工具。规范原文:
MCP 是什么
MCP(Model Context Protocol)是大模型与外部工具之间的标准协议。工具支持 MCP 后,可被各类支持该协议的智能体客户端调用,无需为每个平台单独开发插件。
相关链接
问题咨询:百度智能云控制台提交工单,或提交合作咨询。
评价此篇文章
