Discover Awesome MCP Servers

MCP with Gemini Tutorial

Membangun Server MCP dengan Google Gemini

MCP 服务器示例

A MCP Server FastDemo with webui

Clover MCP (Model Context Protocol) Server

Memungkinkan agen AI untuk mengakses dan berinteraksi dengan data pedagang Clover, inventaris, dan pesanan melalui server MCP yang diautentikasi OAuth secara aman.

MCP Ayd Server

Mirror of

Quantitative Researcher MCP Server

Menyediakan alat untuk mengelola knowledge graph penelitian kuantitatif, memungkinkan representasi terstruktur dari proyek penelitian, dataset, variabel, hipotesis, uji statistik, model, dan hasil.

eRegulations MCP Server

Implementasi server Protokol Konteks Model yang menyediakan akses terstruktur dan ramah AI ke data eRegulations, sehingga memudahkan model AI untuk menjawab pertanyaan pengguna tentang prosedur administratif.

Data Visualization MCP Server

Cermin dari

Wikipedia MCP Image Crawler

Sebuah Alat Pencarian Gambar Wikipedia. Mengikuti Lisensi Creative Commons untuk gambar dan menggunakannya dalam proyek Anda melalui Claude Desktop/Cline.

Deep Research MCP Server 🚀

MCP Deep Research Server using Gemini creating a Research AI Agent

Filesystem MCP Server

Server MCP Sistem File yang Ditingkatkan

MCP Mistral OCR

Okay, I understand. You want to use the Mistral OCR API (which is a paid service) to perform OCR on images or PDFs, either from local files or from URLs. Here's a breakdown of how you would approach this, along with considerations and potential code snippets (using Python as an example, since it's commonly used for API interactions): **1. Understanding the Mistral OCR API:** * **Documentation is Key:** The most important thing is to thoroughly read the Mistral OCR API documentation. This will tell you: * **Endpoint URLs:** Where to send your requests (e.g., the base URL for OCR processing). * **Authentication:** How to authenticate your requests (API keys, tokens, etc.). This is *crucial* for a paid API. * **Request Format:** How to structure your requests (e.g., JSON, multipart/form-data). This will specify how to send the image/PDF data. * **Response Format:** How the OCR results are returned (e.g., JSON with text, bounding boxes, confidence scores). * **Error Handling:** How errors are reported and how to handle them gracefully. * **Rate Limits:** How many requests you can make per time period (to avoid being throttled). * **Pricing:** Understand the cost per request or the subscription model. * **Example Request/Response:** Look for example requests and responses in the documentation. This will give you a clear idea of what to send and what to expect. **2. General Workflow:** 1. **Choose a Programming Language:** Python is a good choice due to its libraries for API interaction and file handling. 2. **Install Necessary Libraries:** * `requests`: For making HTTP requests to the API. * `requests_toolbelt`: Helpful for creating multipart/form-data requests (if required by the API). * `io`: For working with in-memory file-like objects. * `pdfminer.six` or `PyPDF2`: If you need to extract images from PDFs *before* sending them to the OCR API (some APIs can handle PDFs directly, others require images). 3. **Authentication:** Store your API key securely (e.g., as an environment variable). Never hardcode it directly in your script. 4. **File Handling (Local Files):** * Read the image or PDF file into memory. * If it's a PDF and the API doesn't directly support PDFs, you'll need to extract the images from the PDF. 5. **URL Handling (Remote Files):** * Download the image or PDF from the URL. * Handle potential errors during download (e.g., 404 Not Found, network issues). 6. **Prepare the Request:** * Construct the HTTP request according to the API documentation. This will likely involve: * Setting the correct headers (e.g., `Content-Type`, `Authorization`). * Encoding the image/PDF data in the appropriate format (e.g., base64 encoding, multipart/form-data). * Including any other required parameters (e.g., language hints). 7. **Send the Request:** Use the `requests` library to send the HTTP request to the Mistral OCR API endpoint. 8. **Handle the Response:** * Check the HTTP status code (e.g., 200 OK, 400 Bad Request, 500 Internal Server Error). * Parse the response body (usually JSON) to extract the OCR text. * Handle any errors reported by the API. 9. **Process the OCR Text:** Do whatever you need to do with the extracted text (e.g., save it to a file, display it, analyze it). **Python Example (Illustrative - Adapt to Mistral OCR API Documentation):** ```python import requests import os from io import BytesIO from PIL import Image # For image handling #from pdfminer.high_level import extract_pages # If you need to extract images from PDFs # Replace with your actual API key and endpoint API_KEY = os.environ.get("MISTRAL_OCR_API_KEY") # Get API key from environment variable API_ENDPOINT = "https://api.mistralocr.com/v1/ocr" # Replace with the actual endpoint def ocr_image(image_path=None, image_url=None): """ Performs OCR on an image, either from a local path or a URL. """ if not API_KEY: print("Error: MISTRAL_OCR_API_KEY environment variable not set.") return None if image_path and image_url: print("Error: Provide either image_path or image_url, not both.") return None if not image_path and not image_url: print("Error: Provide either image_path or image_url.") return None try: if image_path: # Local file with open(image_path, "rb") as image_file: image_data = image_file.read() else: # URL response = requests.get(image_url, stream=True) response.raise_for_status() # Raise HTTPError for bad responses (4xx or 5xx) image_data = response.raw.read() # Prepare the request (adapt to Mistral OCR API's requirements) headers = { "Authorization": f"Bearer {API_KEY}", # Or whatever authentication method is required } files = { "image": ("image.jpg", BytesIO(image_data), "image/jpeg"), # Adjust filename and content type } data = { "language": "eng", # Example parameter - adjust as needed } # Send the request response = requests.post(API_ENDPOINT, headers=headers, files=files, data=data) response.raise_for_status() # Raise HTTPError for bad responses # Parse the response result = response.json() if "text" in result: return result["text"] else: print(f"OCR failed. Response: {result}") return None except requests.exceptions.RequestException as e: print(f"Error during API request: {e}") return None except FileNotFoundError: print(f"Error: File not found at {image_path}") return None except Exception as e: print(f"An unexpected error occurred: {e}") return None # Example usage: #ocr_text = ocr_image(image_path="path/to/your/image.jpg") ocr_text = ocr_image(image_url="https://example.com/image.png") if ocr_text: print("OCR Text:\n", ocr_text) else: print("OCR failed.") def ocr_pdf(pdf_path=None, pdf_url=None): """ Performs OCR on a PDF, either from a local path or a URL. This function assumes the API can handle PDFs directly. If not, you'll need to extract images from the PDF first. """ if not API_KEY: print("Error: MISTRAL_OCR_API_KEY environment variable not set.") return None if pdf_path and pdf_url: print("Error: Provide either pdf_path or pdf_url, not both.") return None if not pdf_path and not pdf_url: print("Error: Provide either pdf_path or pdf_url.") return None try: if pdf_path: # Local file with open(pdf_path, "rb") as pdf_file: pdf_data = pdf_file.read() else: # URL response = requests.get(pdf_url, stream=True) response.raise_for_status() # Raise HTTPError for bad responses (4xx or 5xx) pdf_data = response.raw.read() # Prepare the request (adapt to Mistral OCR API's requirements) headers = { "Authorization": f"Bearer {API_KEY}", # Or whatever authentication method is required } files = { "pdf": ("document.pdf", BytesIO(pdf_data), "application/pdf"), # Adjust filename and content type } data = { "language": "eng", # Example parameter - adjust as needed } # Send the request response = requests.post(API_ENDPOINT, headers=headers, files=files, data=data) response.raise_for_status() # Raise HTTPError for bad responses # Parse the response result = response.json() if "text" in result: return result["text"] else: print(f"OCR failed. Response: {result}") return None except requests.exceptions.RequestException as e: print(f"Error during API request: {e}") return None except FileNotFoundError: print(f"Error: File not found at {pdf_path}") return None except Exception as e: print(f"An unexpected error occurred: {e}") return None # Example usage for PDF: #ocr_text = ocr_pdf(pdf_path="path/to/your/document.pdf") #ocr_text = ocr_pdf(pdf_url="https://example.com/document.pdf") #if ocr_text: # print("OCR Text:\n", ocr_text) #else: # print("OCR failed.") ``` **Important Considerations:** * **Error Handling:** The example code includes basic error handling, but you should add more robust error handling to catch potential issues like network errors, API errors, and invalid file formats. Log errors to a file or monitoring system for debugging. * **API Rate Limits:** Be mindful of the Mistral OCR API's rate limits. Implement retry logic with exponential backoff if you encounter rate limiting errors. * **Cost Optimization:** Since it's a paid API, optimize your usage to minimize costs. For example: * Pre-process images to improve OCR accuracy (e.g., deskewing, noise reduction). Better accuracy means fewer retries. * Only send images/PDFs that actually need OCR. * Consider using a cheaper OCR API for less critical tasks. * **Security:** Protect your API key. Use environment variables and avoid committing it to your code repository. * **PDF Image Extraction (If Needed):** If the API *doesn't* directly support PDFs, you'll need to extract the images from the PDF. Here's an example using `pdfminer.six`: ```python from pdfminer.high_level import extract_pages from pdfminer.image import Image as PDFMinerImage from PIL import Image as PILImage def extract_images_from_pdf(pdf_path): """Extracts images from a PDF file using pdfminer.six.""" images = [] for page_layout in extract_pages(pdf_path): for element in page_layout: if isinstance(element, PDFMinerImage): try: image = PILImage.frombytes( "RGB", (element.width, element.height), element.data, "raw", "RGB", element.stride, ) images.append(image) except Exception as e: print(f"Error processing image: {e}") return images # Example usage (if the API requires images): #pdf_images = extract_images_from_pdf("path/to/your/document.pdf") #for i, image in enumerate(pdf_images): # # Save the image to a file or process it directly # image.save(f"image_{i}.png") # ocr_text = ocr_image(image_path=f"image_{i}.png") # Use the ocr_image function from above # if ocr_text: # print(f"OCR Text for image {i}:\n", ocr_text) # else: # print(f"OCR failed for image {i}.") ``` **Translation to Indonesian:** Tentu, ini terjemahan dari penjelasan di atas ke dalam Bahasa Indonesia: **Menggunakan Mistral OCR API (Berbayar) untuk OCR Gambar atau PDF, Secara Lokal atau Melalui URL** Anda ingin menggunakan Mistral OCR API (layanan berbayar) untuk melakukan OCR pada gambar atau PDF, baik dari file lokal maupun dari URL. Berikut adalah uraian tentang cara melakukannya, beserta pertimbangan dan contoh kode (menggunakan Python sebagai contoh, karena umum digunakan untuk interaksi API): **1. Memahami Mistral OCR API:** * **Dokumentasi adalah Kunci:** Hal terpenting adalah membaca dokumentasi Mistral OCR API secara menyeluruh. Ini akan memberi tahu Anda: * **URL Endpoint:** Ke mana Anda mengirim permintaan (misalnya, URL dasar untuk pemrosesan OCR). * **Autentikasi:** Cara mengautentikasi permintaan Anda (kunci API, token, dll.). Ini *sangat penting* untuk API berbayar. * **Format Permintaan:** Cara menyusun permintaan Anda (misalnya, JSON, multipart/form-data). Ini akan menentukan cara mengirim data gambar/PDF. * **Format Respons:** Cara hasil OCR dikembalikan (misalnya, JSON dengan teks, kotak pembatas, skor kepercayaan). * **Penanganan Kesalahan:** Cara kesalahan dilaporkan dan cara menanganinya dengan baik. * **Batas Tingkat (Rate Limits):** Berapa banyak permintaan yang dapat Anda buat per periode waktu (untuk menghindari pembatasan). * **Harga:** Pahami biaya per permintaan atau model berlangganan. * **Contoh Permintaan/Respons:** Cari contoh permintaan dan respons dalam dokumentasi. Ini akan memberi Anda gambaran yang jelas tentang apa yang harus dikirim dan apa yang diharapkan. **2. Alur Kerja Umum:** 1. **Pilih Bahasa Pemrograman:** Python adalah pilihan yang baik karena pustakanya untuk interaksi API dan penanganan file. 2. **Instal Pustaka yang Diperlukan:** * `requests`: Untuk membuat permintaan HTTP ke API. * `requests_toolbelt`: Berguna untuk membuat permintaan multipart/form-data (jika diperlukan oleh API). * `io`: Untuk bekerja dengan objek seperti file dalam memori. * `pdfminer.six` atau `PyPDF2`: Jika Anda perlu mengekstrak gambar dari PDF *sebelum* mengirimkannya ke OCR API (beberapa API dapat menangani PDF secara langsung, yang lain memerlukan gambar). 3. **Autentikasi:** Simpan kunci API Anda dengan aman (misalnya, sebagai variabel lingkungan). Jangan pernah memasukkannya langsung ke dalam skrip Anda. 4. **Penanganan File (File Lokal):** * Baca file gambar atau PDF ke dalam memori. * Jika itu adalah PDF dan API tidak mendukung PDF secara langsung, Anda perlu mengekstrak gambar dari PDF. 5. **Penanganan URL (File Jarak Jauh):** * Unduh gambar atau PDF dari URL. * Tangani potensi kesalahan selama pengunduhan (misalnya, 404 Not Found, masalah jaringan). 6. **Siapkan Permintaan:** * Buat permintaan HTTP sesuai dengan dokumentasi API. Ini kemungkinan akan melibatkan: * Mengatur header yang benar (misalnya, `Content-Type`, `Authorization`). * Mengenkode data gambar/PDF dalam format yang sesuai (misalnya, pengkodean base64, multipart/form-data). * Menyertakan parameter lain yang diperlukan (misalnya, petunjuk bahasa). 7. **Kirim Permintaan:** Gunakan pustaka `requests` untuk mengirim permintaan HTTP ke endpoint Mistral OCR API. 8. **Tangani Respons:** * Periksa kode status HTTP (misalnya, 200 OK, 400 Bad Request, 500 Internal Server Error). * Parse isi respons (biasanya JSON) untuk mengekstrak teks OCR. * Tangani kesalahan apa pun yang dilaporkan oleh API. 9. **Proses Teks OCR:** Lakukan apa pun yang perlu Anda lakukan dengan teks yang diekstraksi (misalnya, simpan ke file, tampilkan, analisis). **Contoh Python (Ilustratif - Sesuaikan dengan Dokumentasi Mistral OCR API):** ```python import requests import os from io import BytesIO from PIL import Image # Untuk penanganan gambar #from pdfminer.high_level import extract_pages # Jika Anda perlu mengekstrak gambar dari PDF # Ganti dengan kunci API dan endpoint Anda yang sebenarnya API_KEY = os.environ.get("MISTRAL_OCR_API_KEY") # Dapatkan kunci API dari variabel lingkungan API_ENDPOINT = "https://api.mistralocr.com/v1/ocr" # Ganti dengan endpoint yang sebenarnya def ocr_image(image_path=None, image_url=None): """ Melakukan OCR pada gambar, baik dari jalur lokal maupun URL. """ if not API_KEY: print("Error: Variabel lingkungan MISTRAL_OCR_API_KEY tidak diatur.") return None if image_path and image_url: print("Error: Berikan image_path atau image_url, jangan keduanya.") return None if not image_path and not image_url: print("Error: Berikan image_path atau image_url.") return None try: if image_path: # File lokal with open(image_path, "rb") as image_file: image_data = image_file.read() else: # URL response = requests.get(image_url, stream=True) response.raise_for_status() # Munculkan HTTPError untuk respons buruk (4xx atau 5xx) image_data = response.raw.read() # Siapkan permintaan (sesuaikan dengan persyaratan Mistral OCR API) headers = { "Authorization": f"Bearer {API_KEY}", # Atau metode autentikasi apa pun yang diperlukan } files = { "image": ("image.jpg", BytesIO(image_data), "image/jpeg"), # Sesuaikan nama file dan tipe konten } data = { "language": "eng", # Contoh parameter - sesuaikan seperlunya } # Kirim permintaan response = requests.post(API_ENDPOINT, headers=headers, files=files, data=data) response.raise_for_status() # Munculkan HTTPError untuk respons buruk # Parse respons result = response.json() if "text" in result: return result["text"] else: print(f"OCR gagal. Respons: {result}") return None except requests.exceptions.RequestException as e: print(f"Error selama permintaan API: {e}") return None except FileNotFoundError: print(f"Error: File tidak ditemukan di {image_path}") return None except Exception as e: print(f"Terjadi kesalahan tak terduga: {e}") return None # Contoh penggunaan: #ocr_text = ocr_image(image_path="path/to/your/image.jpg") ocr_text = ocr_image(image_url="https://example.com/image.png") if ocr_text: print("Teks OCR:\n", ocr_text) else: print("OCR gagal.") def ocr_pdf(pdf_path=None, pdf_url=None): """ Melakukan OCR pada PDF, baik dari jalur lokal maupun URL. Fungsi ini mengasumsikan API dapat menangani PDF secara langsung. Jika tidak, Anda perlu mengekstrak gambar dari PDF terlebih dahulu. """ if not API_KEY: print("Error: Variabel lingkungan MISTRAL_OCR_API_KEY tidak diatur.") return None if pdf_path and pdf_url: print("Error: Berikan pdf_path atau pdf_url, jangan keduanya.") return None if not pdf_path and not pdf_url: print("Error: Berikan pdf_path atau pdf_url.") return None try: if pdf_path: # File lokal with open(pdf_path, "rb") as pdf_file: pdf_data = pdf_file.read() else: # URL response = requests.get(pdf_url, stream=True) response.raise_for_status() # Munculkan HTTPError untuk respons buruk (4xx atau 5xx) pdf_data = response.raw.read() # Siapkan permintaan (sesuaikan dengan persyaratan Mistral OCR API) headers = { "Authorization": f"Bearer {API_KEY}", # Atau metode autentikasi apa pun yang diperlukan } files = { "pdf": ("document.pdf", BytesIO(pdf_data), "application/pdf"), # Sesuaikan nama file dan tipe konten } data = { "language": "eng", # Contoh parameter - sesuaikan seperlunya } # Kirim permintaan response = requests.post(API_ENDPOINT, headers=headers, files=files, data=data) response.raise_for_status() # Munculkan HTTPError untuk respons buruk # Parse respons result = response.json() if "text" in result: return result["text"] else: print(f"OCR gagal. Respons: {result}") return None except requests.exceptions.RequestException as e: print(f"Error selama permintaan API: {e}") return None except FileNotFoundError: print(f"Error: File tidak ditemukan di {pdf_path}") return None except Exception as e: print(f"Terjadi kesalahan tak terduga: {e}") return None # Contoh penggunaan untuk PDF: #ocr_text = ocr_pdf(pdf_path="path/to/your/document.pdf") #ocr_text = ocr_pdf(pdf_url="https://example.com/document.pdf") #if ocr_text: # print("Teks OCR:\n", ocr_text) #else: # print("OCR gagal.") ``` **Pertimbangan Penting:** * **Penanganan Kesalahan:** Contoh kode menyertakan penanganan kesalahan dasar, tetapi Anda harus menambahkan penanganan kesalahan yang lebih kuat untuk menangkap potensi masalah seperti kesalahan jaringan, kesalahan API, dan format file yang tidak valid. Catat kesalahan ke file atau sistem pemantauan untuk debugging. * **Batas Tingkat API:** Perhatikan batas tingkat Mistral OCR API. Terapkan logika coba lagi dengan backoff eksponensial jika Anda menemukan kesalahan pembatasan tingkat. * **Optimasi Biaya:** Karena ini adalah API berbayar, optimalkan penggunaan Anda untuk meminimalkan biaya. Misalnya: * Pra-proses gambar untuk meningkatkan akurasi OCR (misalnya, deskewing, pengurangan noise). Akurasi yang lebih baik berarti lebih sedikit percobaan ulang. * Hanya kirim gambar/PDF yang benar-benar membutuhkan OCR. * Pertimbangkan untuk menggunakan API OCR yang lebih murah untuk tugas yang kurang penting. * **Keamanan:** Lindungi kunci API Anda. Gunakan variabel lingkungan dan hindari memasukkannya ke repositori kode Anda. * **Ekstraksi Gambar PDF (Jika Diperlukan):** Jika API *tidak* mendukung PDF secara langsung, Anda perlu mengekstrak gambar dari PDF. Berikut adalah contoh menggunakan `pdfminer.six`: ```python from pdfminer.high_level import extract_pages from pdfminer.image import Image as PDFMinerImage from PIL import Image as PILImage def extract_images_from_pdf(pdf_path): """Mengekstrak gambar dari file PDF menggunakan pdfminer.six.""" images = [] for page_layout in extract_pages(pdf_path): for element in page_layout: if isinstance(element, PDFMinerImage): try: image = PILImage.frombytes( "RGB", (element.width, element.height), element.data, "raw", "RGB", element.stride, ) images.append(image) except Exception as e: print(f"Error memproses gambar: {e}") return images # Contoh penggunaan (jika API memerlukan gambar): #pdf_images = extract_images_from_pdf("path/to/your/document.pdf") #for i, image in enumerate(pdf_images): # # Simpan gambar ke file atau proses langsung # image.save(f"image_{i}.png") # ocr_text = ocr_image(image_path=f"image_{i}.png") # Gunakan fungsi ocr_image dari atas # if ocr_text: # print(f"Teks OCR untuk gambar {i}:\n", ocr_text) # else: # print(f"OCR gagal untuk gambar {i}.") ``` **Penting:** Pastikan untuk mengganti placeholder seperti `API_KEY` dan `API_ENDPOINT` dengan nilai yang sesuai dari akun Mistral OCR API Anda. Selalu merujuk ke dokumentasi API resmi untuk informasi yang paling akurat dan terkini. Let me know if you have any other questions.

AISDK MCP Bridge

Bridge package enabling seamless integration between Model Context Protocol (MCP) servers and AI SDK tools. Supports multiple server types, real-time communication, and TypeScript.

MCP Prompt Server

Sebuah server yang berbasis Protokol Konteks Model yang menyediakan templat prompt yang telah ditentukan sebelumnya untuk tugas-tugas seperti peninjauan kode dan pembuatan dokumentasi API, memungkinkan alur kerja yang lebih efisien di editor Cursor/Windsurf.

GitLab MCP Server Tools

Configuration, adapters, and troubleshooting tools for GitLab MCP server implementation

Anki MCP Server

Server Protokol Konteks Model yang memungkinkan LLM berinteraksi dengan perangkat lunak kartu flash Anki, memungkinkan fungsi seperti membuat dek, menambahkan catatan, mencari kartu, dan mengelola konten kartu flash melalui bahasa alami.

BigQuery Analysis MCP Server

Sebuah server yang memungkinkan eksekusi dan validasi kueri SQL terhadap Google BigQuery dengan fitur keamanan yang mencegah modifikasi data dan pemrosesan berlebihan.

Unreal Engine Generative AI Support Plugin

UnrealMCP is here!! Automatic blueprint and scene generation from AI!! An Unreal Engine plugin for LLM/GenAI models & MCP UE5 server. Supports Claude Desktop App, Windsurf & Cursor, also includes OpenAI's GPT4o, DeepseekR1 and Claude Sonnet 3.7 APIs with plans to add Gemini, Grok 3, audio & realtime APIs soon.

mcp-flux-schnell MCP Server

Server MCP berbasis TypeScript yang memungkinkan pembuatan teks menjadi gambar menggunakan API model Flux Schnell dari Cloudflare.

Token Minter MCP

Sebuah server MCP yang menyediakan alat bagi agen AI untuk mencetak token ERC-20 di berbagai blockchain.

NextChat with MCP Server Builder

NextChat dengan fungsionalitas pembuatan server MCP dan integrasi OpenRouter.

Python CLI Tool for Generating MCP Servers from API Specs

Generates an MCP server using Anthropic's SDK given input as OpenAPI or GraphQL specs.

LLMling

Easy MCP (Model Context Protocol) servers and AI agents, defined as YAML.

MCP Server Giphy

Memungkinkan model AI untuk mencari, mengambil, dan menggunakan GIF dari Giphy dengan fitur seperti penyaringan konten, berbagai metode pencarian, dan metadata yang komprehensif.

LlamaCloud MCP Server

Mirror of

piapi-mcp-server

Mirror of

LiteMCP

A TypeScript framework for building MCP servers elegantly