OCR.space über MCP mit Gemini verbinden

💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → OCR.space klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen, fertig. Kein Docker, kein git clone, kein lokaler Server.

OCR.space + Gemini

OCR.space OCR API: Lies den Text von Bildern und PDFs (Kassenbons, Rechnungen, Scans, Screenshots, Fotos von Dokumenten) über eine öffentliche URL, mit automatischer Spracherkennung, Tabellenmodus für Kassenbons und Export als durchsuchbares PDF. Kostenloser API-Key.

Voraussetzungen

Die vollständige Setup-Anleitung ist in den Connector eingebaut (im Store sichtbar, wenn du den Connector auswählst). Benötigte Umgebungsvariablen für diesen Connector:

OCR_SPACE_API_KEY

Schritt 1 — Zugangsdaten holen

Die Einrichtung dauert etwa 1 Minute. Du brauchst einen OCR.space-API-Key: einen kostenlosen Key, der per E-Mail kommt, oder den Key eines PRO-Tarifs.

1. Fordere unter ocr.space/ocrapi/freekey einen kostenlosen API-Key an. OCR.space schickt ihn dir per E-Mail.
2. Füge nur den Key in OCR_SPACE_API_KEY ein, ohne Leerzeichen und Anführungszeichen. Der Connector schickt ihn im Header apikey.
3. Installiere den Connector. Die Prüfung bei der Installation liest ein kleines Beispielbild, das als eine Anfrage zählt.
4. Führe ocr_space_read_url mit einem kleinen öffentlichen Bild aus, etwa einem Screenshot oder dem Foto eines Kassenbons: Es liefert den Text jeder Seite.

Was er liest: den Text von Bildern (JPG, PNG, GIF, TIF, BMP, WEBP) und PDFs unter einer öffentlichen URL: Kassenbons, Rechnungen, Lieferscheine, gescannte Briefe, Screenshots und Fotos von Dokumenten. ocr_space_read_url gibt einen Text pro Seite mit Zeilenumbrüchen zurück, dazu Exit-Codes. ocr_space_make_searchable_pdf macht aus einem Scan ein durchsuchbares PDF (eine unsichtbare Textebene über dem Original) und liefert den Download-Link zusammen mit dem erkannten Text.

Die Datei muss öffentlich sein: OCR.space lädt die Datei selbst herunter, deshalb muss die URL aus dem Internet ohne Anmeldung erreichbar sein. Ein Link auf ein privates Laufwerk oder einen E-Mail-Anhang scheitert mit E217 (could not download). Hat die URL keine Dateiendung, nennt die KI OCR.space den Dateityp.

Engines und Sprachen: Engine 2 (Standard) ist schnell, erkennt die Sprache selbst und kommt gut mit Zahlen und Sonderzeichen zurecht. Engine 3 ist die genaueste, mit über 200 Sprachen, Handschrift und komplexen Layouts, aber langsamer. Die Sprache auto funktioniert mit beiden; erkennt sie die falsche Sprache, setzt die KI einen Code wie ger, fre, ita, spa, chs oder jpn.

Kassenbons, kleine und gedrehte Bilder: Der Tabellenmodus hält Kassenbons und Tabellen Zeile für Zeile in Lesereihenfolge. Hochskalieren hilft bei kleinen oder unscharfen Bildern, Scans und Screenshots. Die Ausrichtungserkennung dreht gedrehte Fotos vor dem Lesen richtig herum.

Durchsuchbare PDFs: Der Download-Link (SearchablePDFURL) läuft nach etwa einer Stunde ab, speichere die Datei also bald. Im kostenlosen Tarif trägt das PDF ein Wasserzeichen. Die Textebene lässt sich in PDF-Viewern hervorgehoben anzeigen oder unsichtbar halten.

Nur lesend: Beide Tools lesen nur, auch wenn es POST-Anfragen sind. In deinem OCR.space-Konto ändert sich nichts, deshalb gibt es nichts zu bestätigen, und kein Tool ist bei der Installation ausgeschaltet.

Limits: Im kostenlosen Tarif darf eine Datei bis zu 1 MB groß sein und ein PDF bis zu 3 Seiten haben, bei 25.000 Anfragen im Monat und 500 am Tag pro IP-Adresse. Engine 3 ist im kostenlosen Tarif auf 1.000 Seiten im Monat begrenzt. PRO-Keys erlauben 5 MB pro Datei und mehr Seiten.

Die Antwort lesen: OCRExitCode 1 heißt, alle Seiten wurden gelesen, 2 einige, 3 oder 4 keine, und ErrorMessage sagt, warum. OCR.space meldet Verarbeitungsfehler mit HTTP 200; der Connector macht daraus einen fehlgeschlagenen Aufruf mit der Meldung von OCR.space.

Häufige Fehler: 403 E555 bedeutet einen falschen API-Key. 400 E400 heißt, dass keine Datei angegeben wurde, E204 ein falscher Parameter. E217 ist eine URL, die sich nicht herunterladen lässt. 429 oder E500 heißt, dass das Monats- oder Tageslimit erreicht ist: Versuch es später noch einmal oder nimm einen PRO-Key.

Der Connector lädt keine Dateien von deinem Computer hoch und kann keine Links auf private Laufwerke oder E-Mail-Anhänge lesen: Er arbeitet nur mit einer öffentlichen URL.

Schritt 2 — Adapter installieren

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Schritt 3 — Connector in Gemini hinzufügen

Deine Server-URL: Öffne in AnythingMCP MCP Servers → den Server, auf dem dieser Connector liegt, und kopiere seine URL (https://cloud.anythingmcp.com/mcp/…). Setze sie überall ein, wo diese Anleitung YOUR_SERVER_ID zeigt.

Gemini CLI liest MCP-Server aus ~/.gemini/settings.json (unter Windows %USERPROFILE%\.gemini\settings.json). Füge hinzu:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Erstelle in AnythingMCP unter MCP Servers → dein Server → API keys einen MCP-API-Key und setze ihn anstelle von YOUR_MCP_API_KEY ein.
2. Speichere die Datei und starte gemini neu.
3. Führe in der Gemini CLI /mcp aus (oder gemini mcp list im Terminal): anythingmcp sollte als verbunden erscheinen.
4. Leg los: Gemini CLI kann jetzt die OCR.space-Tools aufrufen.

Verfügbare Tools

Beispiel-Prompts

• „Lies den Kassenbon unter https://example.com/belege/2026-10-14.jpg und liste jeden Artikel mit Preis in Euro und die Summe auf.“
• „Hol aus der gescannten Rechnung unter https://example.com/scans/rechnung-4711.pdf Rechnungsnummer, Datum, Lieferant und Bruttobetrag.“
• „Mach aus dem eingescannten Mietvertrag unter https://example.com/docs/mietvertrag-scan.pdf ein durchsuchbares PDF und gib mir den Download-Link.“
• „Das Foto von diesem Lieferschein liegt quer: https://example.com/fotos/lieferschein.jpg. Lies es und sag mir, welche Artikel in welcher Menge drauf stehen.“
• „Lies die handschriftlichen Notizen vom Whiteboard unter https://example.com/notizen/meeting.jpg mit der genauesten Engine.“

FAQ

Wo sucht Gemini CLI nach MCP-Servern? In ~/.gemini/settings.json für deinen Benutzer oder in .gemini/settings.json innerhalb eines Projekts. gemini mcp list zeigt jeden Server und ob er sich verbindet.

Nächste Schritte

• Connector-Startseite
• Mit Claude verbinden
• Mit ChatGPT verbinden