GenPark Hybrid Bounding Box OCR Table Reconstructor

io.github.alphaparkinc由 GitHub 帳號 alphaparkinc 發布v1.0.1更新於 Oct 26, 2026

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

已驗證STDIO僅桌面檔案與儲存資料與分析

概覽

AI 產生的概覽

一個本機 Python MCP 技能，透過確定性的二維空間聚類把 OCR 邊界框還原成 Markdown 表格。

可以做什麼
  • 依 OCR 邊界框資料，以二維空間聚類重建表格
  • 還原多欄版面、合併表頭與網格階層，輸出結構化矩陣
  • 稽核公式並做校驗和驗證（如 Luhn），以拓撲排序解析交叉參照
  • 對解析出的文件文字進行敏感 PII 去識別化
  • 以 JSON 回傳擷取矩陣與稽核遙測資訊
適用情境
當你已有帶座標的 OCR 結果、需要為財務或法律文件可靠還原表格結構時適用；也適合在 Claude Desktop、Cursor 等 MCP 用戶端中做無相依套件的確定性文件解析。
執行需求
以本機 stdio 程序在使用者電腦上執行（僅桌面端）。需要 Python 3.9+，只用標準函式庫；README 範例以 python 啟動 mcp_server.py。未宣告任何驗證、環境變數或標頭。
安裝前請注意
清單未列出工具，實際可呼叫的介面需檢視套件內容才能確定。它會在本機處理可能含敏感或 PII 的文件文字，使用前請確認用戶端送出的內容。README 中「生產級」「企業級」等說法為作者自述，未經查證。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 GenPark Hybrid Bounding Box OCR Table Reconstructor，將其新增到工作區。
  2. 為需要使用其工具的對話啟用該服務。

Desktop only，透過 STDIO。 STDIO 服務會啟動本機處理程序，因此需要 SourceWeft 桌面主機。

其他 MCP 客戶端

參照 儲存庫 中的啟動說明。

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 🌍

來源：README.md，提交 ebf5e2e

工具

0
SourceWeft 尚未在沙箱中啟動過該軟體包，因此其工具未知。

版本歷史

1
  1. v1.0.1最新Oct 19, 2026

評分

已滿足適用檢查項的 40%

該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通25 分

    請保持端點能夠回應 MCP 握手；SourceWeft 每 30 天探測一次。

  • 已宣告認證方式10 分

    請在註冊中心條目中宣告憑證請求標頭，或保持端點能夠回應探測，以便判定其認證方式。

  • 已列出工具15 分

    請讓伺服器在無憑證時回應 tools/list，或發布可在沙箱中無憑證啟動的軟體包。

  • 描述必需15 分
  • 圖示10 分
  • 文件15 分
  • 授權條款10 分

    請在儲存庫或註冊中心條目中宣告授權條款。