发票识别LLM MCP（MCP&Agent挑战赛 - -作品4）

megemini/InvoiceLLMMCP

4 Stars 1.2k 次浏览 megemini 更新于 2026-08-23

InvoiceLLM 是一个智能发票识别代理，使用先进的OCR技术和本地大模型从发票文档中提取结构化信息。该系统支持图片和PDF格式，为敏感财务文档处理提供注重隐私的解决方案。

其他

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "gradio": {
      "url": "https://megemini-invoicellm.ms.show/gradio_api/mcp/sse"
    },
    "upload_files_to_gradio": {
      "args": [
        "--from",
        "gradio[mcp]",
        "gradio",
        "upload-mcp",
        "https://megemini-invoicellm.ms.show/gradio_api/mcp/",
        "\u003cUPLOAD_DIRECTORY\u003e"
      ],
      "command": "uvx"
    }
  }
}

服务介绍

domain:

cv
tags:
invoice
ocr
document-processing
financial
models:
Qwen3-0.6B
deployspec:
entry_file: app.py
license: Apache License 2.0

📄 InvoiceLLM - 智能发票识别智能体

📖 项目简介

InvoiceLLM 是一个智能发票识别智能体，使用先进的OCR技术和本地大模型从发票文档中提取结构化信息。该系统支持图片和PDF格式，为敏感财务文档处理提供注重隐私的解决方案。

✨ 功能特点

📋 多格式支持: 处理图片文件（JPG、PNG等）和PDF文档
🔍 先进OCR技术: 使用PaddleOCR进行准确的文本提取
🤖 AI驱动分析: 利用本地大模型（Qwen3-0.6B）进行智能字段提取
🔒 隐私保护: 所有处理都在本地进行，确保敏感发票数据安全
📊 全面字段提取: 提取关键发票信息，包括：
- 📝 通用字段：发票号码、发票代码、开票日期、金额、税额
- 🏢 购买方和销售方信息：公司详情、纳税人识别号、地址、电话、银行账户
- 🛍️ 商品信息：商品名称、规格型号、数量、单价、税率
- 👤 其他信息：收款人、复核、开票人

🏗️ 技术架构

📄 文档处理:
- 🖼️ 图片：使用PaddleOCR进行OCR处理
- 📑 PDF：使用PyMuPDF直接提取文本
🧠 信息提取:
- 🤖 本地大模型（Qwen3-0.6B）进行智能字段解析
- ✅ 高级验证和纠正算法
💻 用户界面:
- 🌐 基于Gradio的Web界面
- ⚡ 实时处理和可视化

🚀 使用方法

📤 上传发票文件（图片或PDF）
✅ 点击提交处理发票
📋 以JSON格式查看提取的结构化信息

📦 部署指南

环境要求

Python 3.8 或更高版本
操作系统：Linux、macOS 或 Windows
至少 4GB RAM（推荐 8GB 或更多）
至少 2GB 可用磁盘空间（用于模型文件）

安装步骤

克隆项目
bash
git clone https://www.modelscope.cn/studios/megemini/InvoiceLLM.git
cd InvoiceLLM
创建虚拟环境（推荐）
bash
python -m venv venv
source venv/bin/activate # Linux/macOS

或

venv\Scripts\activate # Windows
安装依赖
bash
pip install -r requirements.txt
下载模型文件
- Qwen3-0.6B 模型将自动在首次运行时下载
- 或者手动下载并放置在模型目录中

运行应用

启动 Web 界面
bash
python app.py
访问应用
- 打开浏览器访问 http://127.0.0.1:7860
- 或使用 Gradio 提供的本地链接
作为 MCP Server 使用
- 启动应用后，MCP Server 会自动运行
- Streamable HTTP URL: http://127.0.0.1:7860/gradio_api/mcp/
- SSE URL: http://127.0.0.1:7860/gradio_api/mcp/sse

💡 使用示例

示例 1：处理图片发票

点击"选择文件"按钮上传一张发票图片（JPG、PNG等格式）
点击"开始识别"按钮
查看识别结果：
- 左侧显示 OCR 可视化结果
- 右侧显示提取的结构化 JSON 数据

示例 2：处理 PDF 发票

上传 PDF 格式的发票文件
点击"开始识别"按钮
系统将自动提取 PDF 中的文本并使用 AI 模型解析
查看提取的发票信息

示例 3：使用示例文件

在页面底部的"示例"区域，点击任意示例发票图片
或点击"处理示例"按钮
系统将自动处理示例文件并显示结果

🛠️ 依赖项

🔧 PaddleOCR：图片处理OCR引擎
📄 PyMuPDF：PDF文本提取
🤖 Qwen3-0.6B：本地大语言模型
🖥️ Gradio：Web界面框架
🖼️ PIL：图像处理
🔥 PyTorch：模型推理后端

📜 许可证

Apache License 2.0

查看源码项目主页