Docpick MCP server
✓ 인증됨로컬 OCR 엔진과 LLM을 사용하여 사용자 정의 Pydantic 스키마 기반의 구조화된 JSON을 문서에서 추출합니다.
다른 이름 QuartzUnit/docpick
- 스타
- 1
- Tools
- —
- 다운로드, 30일
- 2,671
- 최신 버전
- 0.1.2
- 마지막 커밋
- 2026년 4월 15일
- 라이선스
- Apache-2.0
Docpick MCP란?
Docpick은(는) MCP server입니다. 로컬 OCR 엔진과 LLM을 사용하여 사용자 정의 Pydantic 스키마 기반의 구조화된 JSON을 문서에서 추출합니다.
프로젝트 README에서 생성된 요약
Docpick MCP server 정보
Docpick는 프라이빗 데이터 파이프라인을 구축하는 개발자가 물리적 문서를 구조화된 JSON 데이터로 로컬에서 변환할 수 있도록 지원합니다. 이 시스템은 PaddleOCR, EasyOCR, GOT-OCR2.0과 같은 로컬 OCR 엔진과 Ollama 또는 vLLM과 같은 로컬 LLM 엔드포인트를 결합한 스키마 기반 추출 시스템입니다. 모든 프로세스가 사용자의 CPU 또는 GPU에서 실행되므로 송장, 영수증, 은행 명세서와 같은 민감한 정보가 기기 외부로 유출되지 않습니다.
사용자는 일반적인 문서를 위한 8가지 내장 스키마 중 하나를 선택하거나, 특정 데이터 구조를 강제하기 위해 사용자 정의 Pydantic 모델을 정의할 수 있습니다. 시스템에는 IBAN 또는 한국 사업자 등록 번호에 대한 체크디지트 검증 및 수학적 일관성을 보장하기 위한 필드 간 교차 검증과 같은 내장 유효성 검사 도구가 포함되어 있습니다. Python API를 통해 단일 파일을 처리하거나 병렬 워커를 사용하여 디렉토리 전체에 대해 배치 작업을 수행할 때도, 파이프라인이 OCR 폴백 및 LLM 재시도를 관리하여 높은 추출 정확도를 유지합니다.
활용 사례
- 1송장 데이터 추출세금 식별 번호와 품목별 합계를 검증하면서 상업 송장을 구조화된 JSON으로 변환합니다.
- 2신분증 문서 검증여권 정보를 추출하고 이를 ICAO 9303 표준 및 MRZ 영역과 대조하여 검증합니다.
- 3문서 배치 처리 자동화특정 스키마를 사용하여 문서가 가득 찬 폴더에서 병렬 추출 작업을 실행합니다.
- 4문서 간 일관성 보장송장, 선하증권, 패킹 리스트 간의 데이터가 일관되게 유지되는지 확인합니다.
프로젝트의 README를 바탕으로 작성되었습니다. 모든 활용 사례는 해당 내용의 인용문과 대조하여 확인합니다.
Docpick MCP 설치 방법
형식 확인: 2026년 11월 10일Cursor에 추가Goose에 추가Claude Code에 Docpick MCP 설치
$ claude mcp add docpick -- uvx docpickCursor에 Docpick MCP 설치
~/.cursor/mcp.json
{
"mcpServers": {
"docpick": {
"command": "uvx",
"args": [
"docpick"
]
}
}
}VS Code에 Docpick MCP 설치
.vscode/mcp.json
{
"servers": {
"docpick": {
"type": "stdio",
"command": "uvx",
"args": [
"docpick"
]
}
}
}VS Code CLI에 Docpick MCP 설치
$ code --add-mcp '{"name":"docpick","type":"stdio","command":"uvx","args":["docpick"]}'Claude Desktop에 Docpick MCP 설치
claude_desktop_config.json
{
"mcpServers": {
"docpick": {
"command": "uvx",
"args": [
"docpick"
]
}
}
}Codex에 Docpick MCP 설치
$ codex mcp add docpick -- uvx docpickCodex config.toml에 Docpick MCP 설치
~/.codex/config.toml
[mcp_servers.docpick] command = "uvx" args = ["docpick"]
Gemini CLI에 Docpick MCP 설치
$ gemini mcp add -s user docpick uvx -- docpickGemini settings.json에 Docpick MCP 설치
~/.gemini/settings.json
{
"mcpServers": {
"docpick": {
"command": "uvx",
"args": [
"docpick"
]
}
}
}자동 검사
2026년 11월 15일에 실행됨전체 보고서 →자동 검사를 통과했습니다. 이는 보안 감사가 아닙니다. 코드를 직접 읽고 서버에 필요한 최소한의 권한만 부여하십시오. 검사 방식
- 소스 저장소 연결 및 접근 가능quartzunit/docpick is public and reachablegithub.com/quartzunit/docpick ↗통과
- 패키지가 이 저장소를 소스로 명시docpick names quartzunit/docpick as sourcepypi.org/project/docpick/ ↗통과
- 빌드 출처(Sigstore 증명)No build attestation published for this release검사되지 않음
- 오픈 소스 라이선스 (OSI)Apache-2.0spdx.org/licenses/Apache-2.0.html ↗통과
- 최근 1년 내 커밋 또는 릴리스Last commit or release 2026-04-15github.com/quartzunit/docpick ↗통과
- OpenSSF Scorecard검사되지 않음
- 패키지 이름이 인기 패키지와 유사하지 않음No popular package one edit away from docpick통과
- 패키지 및 해당 종속성에 중요한 보안 권고 없음22 resolved dependencies checked; no critical advisoryosv.dev ↗통과
- 모델에 대한 숨겨진 지침 없음0 tool descriptions and the README read; no override phrases, credential paths or hidden characters통과
- 파괴적인 도구에 라벨 표시됨검사되지 않음
- 원격 엔드포인트가 MCP 핸드셰이크에 응답검사되지 않음
README
GitHub에서 보기Docpick
Document in, Structured JSON out. Locally. With your schema.
docpick is a lightweight, schema-driven document extraction pipeline that combines local OCR engines with local LLMs to extract structured JSON from any document — invoices, receipts, bills of lading, tax forms, and more.
- Zero cloud dependency — runs entirely on your machine (CPU or GPU)
- Custom schemas — define your own Pydantic models or use 8 built-in document schemas
- Validation built-in — checkdigit verification, cross-field rules, cross-document consistency
- Apache 2.0 — no GPL/AGPL dependencies
Install
pip install docpick # core (LLM extraction only)
pip install docpick[paddle] # + PaddleOCR (recommended)
pip install docpick[easyocr] # + EasyOCR (Korean-optimized)
pip install docpick[got] # + GOT-OCR2.0 (GPU, vision-language)
pip install docpick[all] # all OCR backends
Requirements: Python 3.11+ / LLM endpoint (vLLM, Ollama, or OpenAI-compatible)
Quick Start
Python API
from docpick import DocpickPipeline
from docpick.schemas import InvoiceSchema
pipeline = DocpickPipeline()
result = pipeline.extract("invoice.pdf", schema=InvoiceSchema)
print(result.data) # Structured dict matching schema
print(result.validation) # Validation errors/warnings
print(result.confidence) # Per-field confidence scores
CLI
# Extract structured data
docpick extract invoice.pdf --schema invoice --output result.json
# OCR only (no LLM)
docpick ocr document.png --lang ko,en
# Validate extracted JSON
docpick validate result.json --schema invoice
# Batch process a directory
docpick batch ./documents/ --schema invoice --output ./results/ --concurrency 4
# List available schemas
docpick schemas list
# Show schema details
docpick schemas show invoice
Built-in Schemas
| Schema | Document Type | Key Validations |
|---|---|---|
invoice |
Commercial invoices | Line item sums, tax ID checkdigit, date order |
receipt |
Retail/restaurant receipts | Total = subtotal + tax + tip |
bill_of_lading |
Ocean/air B/L | Container weight sums, ISO 6346, HS code format |
purchase_order |
Purchase orders | PO total = line items, delivery date order |
kr_tax_invoice |
Korean e-tax invoice (세금계산서) | Business number checkdigit (x2), supply/tax/total sums |
bank_statement |
Bank statements | IBAN mod97, period date order |
id_document |
Passport/ID (ICAO 9303) | MRZ, ISO 3166 country codes, date ranges |
certificate_of_origin |
Certificate of Origin | ISO 3166 alpha-2 country codes |
Custom Schemas
Define your own schema with Pydantic:
from pydantic import BaseModel
from docpick import DocpickPipeline
from docpick.validation.rules import SumEqualsRule, RequiredFieldRule
class MyDocument(BaseModel):
"""Custom document schema."""
company_name: str | None = None
total_amount: float | None = None
tax_amount: float | None = None
net_amount: float | None = None
items: list[dict] | None = None
class ValidationRules:
rules = [
RequiredFieldRule("company_name"),
SumEqualsRule(["net_amount", "tax_amount"], "total_amount"),
]
pipeline = DocpickPipeline()
result = pipeline.extract("my_document.pdf", schema=MyDocument)
Or use a JSON Schema file:
docpick extract document.pdf --schema my_schema.json
Validation
Check Digit Algorithms
| Algorithm | Use Case |
|---|---|
kr_business_number |
Korean business registration number (10 digits) |
luhn |
Credit card numbers |
iso_6346 |
Shipping container numbers |
iban_mod97 |
International bank account numbers |
awb_mod7 |
Air waybill numbers |
mrz |
Machine Readable Zone (passport/ID) |
Cross-Field Rules
| Rule | Description |
|---|---|
SumEqualsRule |
Sum of fields equals target (with tolerance) |
DateBeforeRule |
Date A must precede Date B |
RequiredFieldRule |
Field must be non-null and non-empty |
FieldEqualsRule |
Two fields must be equal |
RangeRule |
Numeric field within min/max bounds |
RegexRule |
Field matches regex pattern |
Cross-Document Validation
Validate consistency across related documents (e.g., Invoice + B/L + Packing List):
from docpick.validation.cross_document import create_trade_document_validator
validator = create_trade_document_validator()
result = validator.validate({
"invoice": invoice_data,
"bl": bl_data,
"packing_list": packing_list_data,
"certificate": certificate_data,
})
print(result.is_valid)
OCR Engines
| Engine | Type | GPU | Languages | Best For |
|---|---|---|---|---|
| PaddleOCR | Traditional OCR | Optional | 111 | General documents (default) |
| EasyOCR | Traditional OCR | Optional | 80+ | Korean text |
| GOT-OCR2.0 | Vision-Language | Required | Multi | Complex layouts |
| VLM | Vision-Language | Required | Multi | Direct image → JSON |
2-Tier Auto Engine
The default auto engine uses confidence-based fallback:
- Tier 1 (CPU): PaddleOCR → EasyOCR
- Tier 2 (GPU): GOT-OCR2.0 → VLM
If Tier 1 average confidence falls below threshold (default 0.7), automatically escalates to Tier 2.
LLM Providers
| Provider | Endpoint | Default Model |
|---|---|---|
| vLLM | http://localhost:8000/v1 |
Qwen/Qwen3.5-32B-AWQ |
| Ollama | http://localhost:11434 |
qwen3.5:7b |
Configure via CLI or YAML:
docpick config set llm.provider ollama
docpick config set llm.base_url http://localhost:11434
docpick config set llm.model qwen3.5:7b
Error Handling
The pipeline is designed to be resilient:
- OCR failure → automatic fallback to next available engine
- LLM JSON parse failure → automatic retry with correction prompt (up to 1 retry)
- Partial results → returns whatever was extracted, with errors logged in
result.errors - Document load failure → returns empty result with error message
result = pipeline.extract("damaged.pdf", schema=InvoiceSchema)
if result.errors:
print("Pipeline warnings:", result.errors)
if result.data:
print("Partial extraction:", result.data)
Batch Processing
Process entire directories with parallel workers:
from docpick.batch import BatchProcessor
from docpick.schemas import InvoiceSchema
processor = BatchProcessor(concurrency=4)
result = processor.process_directory(
"./invoices/",
schema=InvoiceSchema,
recursive=True,
)
print(f"Processed {result.succeeded}/{result.total} files")
for path, extraction in result.results.items():
print(f"{path}: {extraction.data.get('total_amount')}")
Architecture
flowchart TD
A["📄 Document\n(PDF / Image)"] --> B["DocumentLoader\n(pypdfium2)"]
B --> C["Tier 1: OCR\n(PaddleOCR / EasyOCR)\nCPU"]
C --> D{"Confidence\n≥ threshold?"}
D -->|"yes"| F["LLM Extractor\n(vLLM / Ollama)\nSchema prompt"]
D -->|"no"| E["Tier 2: VLM\n(GOT / VLM)\nGPU"]
E --> F
F --> G["Pydantic Validation"]
G --> H["✅ ExtractionResult"]
License
Apache 2.0 — all dependencies are Apache 2.0 or MIT licensed.
Part of the QuartzUnit ecosystem — composable Python libraries for data collection, extraction, search, and AI agent safety.
Docpick MCP 질문
Docpick MCP를 Claude Code에 추가하려면 어떻게 하나요?
터미널에서 claude mcp add docpick -- uvx docpick를 실행합니다. 모든 프로젝트에서 사용할 수 있게 하려면 --scope user를 추가합니다.
Docpick MCP를 Cursor에 추가하려면 어떻게 하나요?
~/.cursor/mcp.json를 열고 mcpServers 아래에 서버를 추가합니다. 위 설치 섹션에 표시된 Cursor 구성을 사용합니다.
Docpick는 클라우드 서비스를 사용해야 하나요?
아니요, 클라우드 의존성 없이 사용자의 로컬 환경에서 완전히 실행됩니다.
추출 시 사용자 정의 데이터 구조를 사용할 수 있나요?
네, Pydantic 모델이나 JSON Schema 파일을 사용하여 직접 스키마를 정의할 수 있습니다.
OCR 인식 신뢰도가 낮을 경우 시스템은 어떻게 처리하나요?
2단계 자동 엔진을 사용하여, 신뢰도가 임계값 미만으로 떨어지면 자동으로 더 고도화된 vision-language 모델로 전환하여 처리합니다.