يمكن للوكيل الذكي التحقق من تعليقاته التوضيحية الخاصة من خلال النظر إلى الصفحة التي قام بتعديلها للتو. باستخدام GroupDocs.Annotation.Mcp، يقوم نموذج اللغة الكبير في Claude أو Cursor أو GitHub Copilot بتعليق مستند، ويطلب من الخادم أن يُظهر الصفحة كصورة PNG مع التعليق المضمن، ويقيم ما إذا كان الموضع صحيحًا. يقوم الخادم بالعمل محليًا؛ النص المطلوب هو جملة واحدة:

أبرز بند الدفع في الصفحة 2، ثم أرني الصفحة.

الإصدار خطوة بخطوة مع الإعدادات واستكشاف الأخطاء موجود في الوثائق: كيفية تمكين وكيل الذكاء الاصطناعي من رؤية صفحة المستند التي علق عليها.

ملاحظة: generate_pages_preview يفشل حاليًا مع ملفات PDF على لينكس، بما في ذلك صورة Docker؛ راجع حدود Honest قبل أن تبني عليها.

لماذا يخطئ وكيل لا يستطيع رؤية مخرجاته في الإبلاغ عن النجاح؟

معظم أدوات المستندات هي للكتابة فقط. يستدعي الوكيل هذه الأدوات ويقول “تم” لأن الاستدعاء عاد. بالنسبة للتعليق التوضيحي قد يكون هذا البيان غير صحيح بطريقة لا تظهر رسالة خطأ: الاستدعاء نجح، ولكن التظليل يقع على الفقرة الخاطئة. إحداثيات x و y هي إحداثيات المستند، وعلى الوكيل الذي يُطلب منه تظليل “بند الدفع” أن يخمن مكان هذا البند ما لم يُخبره شيء بذلك.

الفرق بين “قمت بإضافة تظليل” و “التظليل على بند الدفع”. فقط العبارة الثانية هي المفيدة، ولا يمكن دعمها إلا بالنظر إلى الصفحة.

كيف يقوم الوكيل بإنشاء صورة لصفحة موثقة وتفحصها؟

الأدوات تشكل حلقة قصيرة.

  1. add_annotation يكتب التعليق ويحفظ contract_annotated.pdf. الملف الأصلي لا يتغير.
  2. generate_pages_preview يُظهر صفحات ذلك الملف كصور PNG، مع تضمين التعليقات، ويعيدها مضمَّنة. مرّر pages كـ 2 أو 1-3 أو 1,3,5. إذا حُذفت، ستحصل على الصفحة 1.
  3. الوكيل ينظر إلى الصورة. إذا كان التظليل يغطي النص الخطأ، فإن update_annotation يغيّر رسالته أو موقعه وحجمه دون البدء من جديد.

المعاينة تُعيد كتلة نصية واحدة تصف ما تم عرضه، تليها كتلة صورة واحدة لكل صفحة. أقصى عدد صفحات يمكن عرضها في استدعاء هو خمس صفحات.

عيّن GROUPDOCS_MCP_OUTPUT_PATH إلى مجلد غير مجلد التخزين قبل ربط التعديلات على ملف مُنتج. مع الإعداد الافتراضي (تُحفظ المخرجات في مجلد التخزين) الفتحة الثانية تفشل مع الخطأ being used by another process؛ مع مجلد مخرجات منفصل، add_reply و update_annotation و remove_annotations على الملف المُنتج كلها تنجح. مع صورة Docker، مرّر -e GROUPDOCS_MCP_OUTPUT_PATH=/data/output. الجلسة أدناه تفترض هذا الإعداد، لذا الملف المُنتج يقع تحت output/.

ما الذي يحتاجه الوكيل لكي يعمل هذا؟

  • عميل يعرض محتوى الصورة. Claude Desktop يفعل ذلك. قد يُظهر عميل الطرفية مجرد تقرير بأن الصورة عادت. الأداة تتصرف بنفس الطريقة في كلتا الحالتين؛ قد لا تُعرض الصور ببساطة.
  • نموذج قادر على الرؤية. الصور تساعد فقط نموذجًا يقبل إدخال الصور.
  • نطاق صفحات صغير. العرض هو أغلى استدعاء يقوم به هذا الخادم. اطلب الصفحة التي تحتاجها، لا ملفًا من خمسين صفحة.

ما الاستخدامات الأخرى للمعاينة؟

  • تحديد الموقع قبل التعليق. قم بالعرض أولاً، دع النموذج يقرأ الصفحة، ثم ضع التعليق باستخدام الإحداثيات التي استنتجها بدلاً من التخمين.
  • التحقق من الدمج. بعد import_annotations على مسودة مُعاد تنسيقها، تُظهر المعاينة ما إذا كانت الملاحظات المستوردة لا تزال في موضعها الصحيح.
  • إظهار النتيجة للمراجِع في الدردشة دون فتح الملف.
  • اكتشاف شارة التقييم. في وضع التقييم تُطبع شارة تجريبية على كل صفحة، لذا تكون مرئية في الصورة المعروضة.

جلسة مثال (مختصرة)

هذه توضيح مبني على سلوك الأدوات الموثق، وليس لقطة شاشة مُلتقطة. يفترض وجود منصة حيث يعمل مُظهر المعاينة مع ملفات PDF، مثل Windows مع dnx.

You:   Highlight the payment clause on page 2 of contract.pdf, then show me the page.

Agent: [calls add_annotation: type=highlight, page=2, x=100, y=250,
        text="Payment clause"]
       Added highlight annotation to contract.pdf on page 2.
       [calls generate_pages_preview on output/contract_annotated.pdf, pages="2"]
       (image: page 2, rendered with the highlight)
       The highlight sits on the "Delivery" paragraph, one block above the
       payment clause. Moving it down.
       [calls get_annotations, then update_annotation: y=330]
       Updated annotation 1 in output/contract_annotated.pdf.
       (The agent passes the saved file name from each result to the next call.)

أين يتم تشغيل العرض، وما الذي يخرج من الجهاز؟

المحرك يُنتج صورة PNG على جهازك. ثم تنتقل الصورة إلى مزود النموذج الخاص بك مثل أي محتوى رسالة آخر، لذا مع نموذج مستضاف سحابيًا تُرسل المعاينة صورة لتلك الصفحة. للوثائق الحساسة، استخدم نموذجًا مستضافًا محليًا.

حدود Honest

  • المعاينة على لينكس. generate_pages_preview حاليًا يفشل مع ملفات PDF على لينكس، بما في ذلك صورة Docker (TypeInitializationException لـ Gdip: System.Drawing.Common غير مدعوم على الأنظمة غير الويندوز)؛ ملفات Word وغيرها من مستندات Office تُعرض، وعلى Windows مع dnx يُعرض كل تنسيق. الأدوات العشر الأخرى لا تتأثر.
  • وضع التقييم. تُطبع شارة تجريبية في أعلى كل صفحة من الملف المُعَلَّق والمعاينات. تحقق من get_license_status قبل الاعتماد على المخرجات.
  • يبقى التحديد التقريبي تقريبيًا. المعاينة تسمح للنموذج بملاحظة تعليق موضعه غير صحيح؛ لا تحول الإحداثيات المخمنة إلى إحداثيات دقيقة.
  • النموذج النصي فقط لا يمكنه الفحص. لا يزال يتلقى كتلة النص، لكنه لا يستطيع إخبارك بما تبدو عليه الصفحة.

الأسئلة المتكررة

هل يمكن للذكاء الاصطناعي التحقق من مكان وضع التعليق على الصفحة؟ نعم، إذا كان النموذج يقبل الصور. يقوم الوكيل بعرض الصفحة المُعَلَّقة باستخدام generate_pages_preview ويفحص الصورة، ثم يضبط التعليق باستخدام update_annotation إذا لزم الأمر.

كيف أقوم بمعاينة صفحة PDF مُعَلَّقة للوكيل؟ اطلب الصفحة برقمها، على سبيل المثال “اعرض الصفحات 1-3 من العقد المُعَلَّق حتى أتمكن من فحص التعليقات”. يمرّر الوكيل pages كـ 1-3 وتعود صور PNG مضمَّنة.

لماذا تفشل المعاينة في حاوية Docker الخاصة بي؟ بالنسبة لملفات PDF، الأداة تفشل على لينكس، بما في ذلك صورة Docker، مع خطأ تهيئة نوع Gdip. ملفات Word وغيرها من مستندات Office تُعرض، وعلى Windows مع dnx يُعرض كل تنسيق.

تعمق أكثر