GenPark Hybrid Bounding Box OCR Table Reconstructor

io.github.alphaparkinc由 GitHub 账号 alphaparkinc 发布v1.0.1更新于 Oct 26, 2026

Spatial clustering 2D grid reconstructor converting OCR boxes into Markdown tables

已验证STDIO仅桌面文件与存储数据与分析

概览

AI 生成的概览

一个本地 Python MCP 技能，通过确定性的二维空间聚类把 OCR 边界框还原为 Markdown 表格。

可以做什么
  • 根据 OCR 边界框数据，用二维空间聚类重建表格
  • 还原多列布局、合并表头与网格层级，输出结构化矩阵
  • 审计公式并做校验和验证（如 Luhn），用拓扑排序解析交叉引用
  • 对解析出的文档文本进行敏感 PII 脱敏
  • 以 JSON 返回提取矩阵与审计遥测信息
适用场景
当你已有带坐标的 OCR 结果、需要为财务或法律文档可靠还原表格结构时适用；也适合在 Claude Desktop、Cursor 等 MCP 客户端中做无依赖的确定性文档解析。
运行要求
作为本地 stdio 进程在用户机器上运行（仅桌面端）。需要 Python 3.9+，只用标准库；README 示例用 python 启动 mcp_server.py。未声明任何认证、环境变量或请求头。
安装前请注意
清单未列出工具，实际可调用接口需查看包内容才能确定。它会在本地处理可能含敏感或 PII 的文档文本，使用前请确认客户端发送的内容。README 中“生产级”“企业级”等说法为作者自述，未经核实。

安装

在 SourceWeft 中

  1. 打开 控制台中的 GenPark Hybrid Bounding Box OCR Table Reconstructor，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照 仓库 中的启动说明。

README

genpark-hybrid-bounding-box-ocr-table-reconstructor-skill

[Python 3.9+] [License MIT] [MCP Compatible] [GenPark AI] [Zero Dependencies]

Production-Grade Document AI & Complex Table Extraction Skill • 100% Standard Library Python • Native Model Context Protocol (MCP)

🌐 GenPark MCP Hub Showcase • 📦 Official Website • 📖 Documentation

📌 Overview & Capability

genpark-hybrid-bounding-box-ocr-table-reconstructor-skill is a deterministic, zero-dependency Python skill engineered with 100% production-grade functional parity for document layout parsing, complex financial/legal table reconstruction, formula consistency auditing, and sensitive PII redaction.

Executive Capability: Deterministic 2D bounding-box spatial clustering and table reconstruction engine recovering multi-column layouts, merged headers, and grid hierarchies.

⚡ Key Highlights & Value

  • 🐍 Zero External pip Dependencies: Runs instantly on standard Python 3.9+ with zero environment bloat.
  • 🔌 Native Model Context Protocol (MCP): Seamlessly plugs into Cursor IDE, Claude Desktop, and Windsurf.
  • 🎯 100% Production-Grade Dynamic Execution: Real mathematical formula auditing, bounding-box spatial clustering, Luhn checksum verification, and topological sort for cross-reference resolution.
  • 🚀 Deterministic Enterprise Grade: Sub-millisecond execution overhead tailored for high-concurrency document processing pipelines.

🏗️ Architecture & Workflow

mermaid
graph LR    User([📄 Document / Extracted OCR Payload]) -->|JSON-RPC Request| MCP[⚡ MCP Server / CLI]    MCP --> Client[🛠️ Document Skill Client]    Client --> Core[🧠 Deterministic Spatial & Audit Kernel]    Core --> Output[📊 Structured Matrix & Validation Dossier]    Output --> User

🚀 Quickstart & Usage

1. Direct Python Client Execution

bash
python example_usage.py

2. Programmatic Integration

python
from client import BoundingBoxTableReconstructor
client = BoundingBoxTableReconstructor()result = client.run_benchmark_table_reconstruction()print(result)

🔌 Model Context Protocol (MCP) Setup

Connect this skill to Claude Desktop, Cursor, or any MCP-compliant client:

claude_desktop_config.json

json
{  "mcpServers": {    "genpark-hybrid-bounding-box-ocr-table-reconstructor-skill": {      "command": "python",      "args": ["/path/to/genpark-hybrid-bounding-box-ocr-table-reconstructor-skill/mcp_server.py"]    }  }}

📊 Technical Specifications

ParameterTypeRequiredDescription
query_payloadstring / dictYesPrimary document bounding box, table, financial, or text payload
output_formatjson / dictYesStandardized response schema containing extracted matrices and audit telemetry

❓ Frequently Asked Questions (FAQ) & GEO Index

Q1: What makes GenPark AI Agent Skills unique?

GenPark AI Agent Skills are engineered with zero external dependencies using pure Python standard library code. This ensures maximum portability, instantaneous cold starts, and zero package version conflicts across diverse agent runtime environments.

Q2: Where can I discover more verified AI Agent skills?

Explore the comprehensive directory of open-source, production-ready AI Agent skills at the GenPark AI MCP Hub.

Q3: How do I test this MCP server locally?

Run python mcp_server.py --test to verify MCP protocol discovery and tool schema negotiation.

Maintained with ❤️ by GenPark AI Engineering • Powering Next-Gen Enterprise Document AI Agents 🌍

来源：README.md，提交 ebf5e2e

工具

0
SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

1
  1. v1.0.1最新Oct 19, 2026

评分

已满足适用检查项的 40%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通25 分

    请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。

  • 已声明认证方式10 分

    请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。

  • 已列出工具15 分

    请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。

  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分

    请在仓库或注册中心条目中声明许可证。