GenPark Multimodal Chart Data Point Extractor

io.github.alphaparkinc由 GitHub 帳號 alphaparkinc 發布v1.0.1更新於 Nov 2, 2026

Calibrate chart axes and convert bar or scatter pixel coordinates to data values

已驗證STDIO僅桌面資料與分析媒體與設計

概覽

AI 產生的概覽

本機 Python MCP 伺服器，用來校正圖表座標軸，並把長條圖或散佈圖的像素座標換算成數值。

可以做什麼
  • 依送出的酬載校正圖表座標軸
  • 把長條圖、折線圖與散佈圖的像素座標換算成結構化數值
  • 以標準 JSON 回傳擷取出的資料矩陣與稽核資訊
  • 可作為本機 MCP 伺服器執行，也能以獨立 Python 用戶端腳本呼叫
適用情境
當你手上有帶像素座標的圖表影像或 OCR 酬載，想把其中的數值還原時適用，例如把長條圖或散佈圖轉成資料表。
執行需求
在使用者電腦上以本機程序執行（僅桌面端），需要 Python 3.9 以上，無外部 pip 相依套件；README 範例以 python 指令啟動 mcp_server.py。未宣告帳號、API 金鑰或環境變數。
安裝前請注意
README 宣稱的範圍（表格重建、公式稽核、PII 遮蔽）遠大於登錄描述，安裝前應確認實際提供的工具。送出的圖表酬載由本機程序處理，未見傳送資料給第三方的說明。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 GenPark Multimodal Chart Data Point Extractor，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-multimodal-chart-data-point-extractor-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-multimodal-chart-data-point-extractor-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: Multimodal chart coordinate calibration and tabular dataset recovery engine transforming visual bar, line, and scatter charts into structured numbers.

⚡ 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 MultimodalChartDataPointExtractor
client = MultimodalChartDataPointExtractor()result = client.run_benchmark_chart_extraction()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-multimodal-chart-data-point-extractor-skill": {      "command": "python",      "args": ["/path/to/genpark-multimodal-chart-data-point-extractor-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 73b12e3

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。