An AI agent může ověřit své vlastní anotace tak, že se podívá na stránku, kterou právě označil. S GroupDocs.Annotation.Mcp LLM v Claude, Cursor nebo GitHub Copilot anotuje dokument, požádá server, aby stránku vykreslil jako PNG s anotací zahrnutou, a posoudí, zda je umístění správné. Server provádí práci lokálně; prompt je jedna věta:

Zvýrazněte platební klauzuli na stránce 2 a pak mi ukažte stránku.

Postupná verze s konfigurací a řešením problémů je v dokumentaci: Jak nechat AI agenta vidět stránku dokumentu, kterou anotoval.

Poznámka: generate_pages_preview v současnosti selhává u PDF souborů na Linuxu, včetně Docker obrazu; podívejte se na Čestné limity, než na tom budete stavět.

Proč agent, který nevidí svůj výstup, chybně hlásí úspěch?

Většina nástrojů pro práci s dokumenty je jen pro zápis. Agent je zavolá a řekne „hotovo“, protože volání vrátilo výsledek. U anotace může být toto tvrzení nepravdivé tak, že se nezobrazí žádná chybová zpráva: volání uspěje a zvýraznění skončí na špatném odstavci. Souřadnice x a y jsou souřadnice v dokumentu a agent, který má zvýraznit „platební klauzuli“, musí hádat, kde se tato klauzule nachází, pokud mu něco neřekne.

Rozdíl je mezi „přidal jsem zvýraznění“ a „zvýraznění je na platební klauzuli“. Pouze druhé tvrzení je užitečné a jen pohled na stránku jej může podpořit.

Jak agent vykreslí obrázek anotované stránky a zkontroluje jej?

Nástroje tvoří krátkou smyčku.

  1. add_annotation zapíše anotaci a uloží contract_annotated.pdf. Původní soubor není změněn.
  2. generate_pages_preview vykreslí stránky tohoto souboru jako PNG obrázky, s anotacemi zabudovanými, a vrátí je inline. Předejte pages jako 2, 1-3 nebo 1,3,5. Pokud parametr vynecháte, získáte stránku 1.
  3. Agent se podívá na obrázek. Pokud zvýraznění pokrývá špatný text, update_annotation změní jeho zprávu nebo pozici a velikost, aniž by začínal znovu.

Náhled vrací jeden textový blok popisující, co bylo vykresleno, následovaný jedním blokem obrázku pro každou stránku. Jedno volání vykreslí maximálně pět stránek.

Nastavte GROUPDOCS_MCP_OUTPUT_PATH na složku jinou než úložnou složku před řetězením úprav na vytvořeném souboru. S výchozím nastavením (výstupy končí v úložné složce) druhý zápis selže s chybou being used by another process; s oddělenou výstupní složkou add_reply, update_annotation a remove_annotations na vytvořeném souboru všechny uspějí. V Docker obrazu předejte -e GROUPDOCS_MCP_OUTPUT_PATH=/data/output. Níže uvedená relace předpokládá toto nastavení, takže vytvořený soubor leží pod output/.

Co agent potřebuje, aby to fungovalo?

  • Klient, který zobrazuje obsah obrázku. Claude Desktop to umí. Terminálový klient může jen oznámit, že obrázek přišel zpět. Nástroj se chová stejně v obou případech; obrázky se možná jen nezobrazí.
  • Model schopný zpracovávat vizuální vstup. Obrázky pomáhají jen modelu, který přijímá vstup ve formě obrázku.
  • Malý rozsah stránek. Vykreslení je nejnáročnější volání, které tento server provádí. Požádejte jen o stránku, kterou potřebujete, ne o padesátistránkový soubor.

Jaké další využití má náhled?

  • Najít před anotací. Nejprve vykreslete, nechte model přečíst stránku a pak umístěte anotaci se souřadnicemi, které odvodil, místo aby je hádal.
  • Zkontrolovat sloučení. Po import_annotations do přeformátovaného konceptu náhled ukáže, zda importované poznámky stále leží tam, kde mají.
  • Ukázat recenzentovi výsledek v chatu, aniž byste otevírali soubor.
  • Odhalit hodnotící odznak. V režimu hodnocení je na každou stránku nalepen zkušební odznak, takže je viditelný v vygenerovaném obrázku.

Příklad relace (zkrácený)

Jedná se o ilustraci postavenou na zdokumentovaném chování nástrojů, ne o zachycený snímek obrazovky. Předpokládá platformu, kde náhledový render funguje pro PDF soubory, např. Windows s 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.)

Kde se vykreslování provádí a co opouští stroj?

Engine vytvoří PNG na vašem počítači. Obrázek pak putuje k vašemu poskytovateli modelu jako jakýkoli jiný obsah zprávy, takže u cloudového modelu náhled odešle obrázek dané stránky. Pro citlivé dokumenty použijte lokálně hostovaný model.

Čestné limity

  • Náhled na Linuxu. generate_pages_preview v současnosti selhává u PDF souborů na Linuxu, včetně Docker obrazu (TypeInitializationException pro Gdip: System.Drawing.Common není podporováno na ne‑Windows platformách); Word a další Office dokumenty se vykreslují a na Windows s dnx se vykreslí každý formát. Ostatních deset nástrojů není ovlivněno.
  • Režim hodnocení. Zkušební odznak je nalepený v horní části každé stránky anotovaného souboru i náhledů. Zkontrolujte get_license_status, než se na výstup spolehnete.
  • Přibližné umístění zůstává přibližné. Náhled umožní modelu zaznamenat špatně umístěnou anotaci; nepřevádí hádané souřadnice na přesné.
  • Model jen s textem nemůže kontrolovat. Stále dostane textový blok, ale nedokáže říct, jak stránka vypadá.

Často kladené otázky

Může AI zkontrolovat, kde se komentář na stránce objevil? Ano, pokud model přijímá obrázky. Agent vykreslí anotovanou stránku pomocí generate_pages_preview a prozkoumá obrázek, poté podle potřeby upraví anotaci pomocí update_annotation.

Jak si pro agenta zobrazím náhled anotované PDF stránky? Požádejte o stránku podle čísla, např. „Vykresli stránky 1‑3 anotovaného kontraktu, abych mohl zkontrolovat komentáře“. Agent předá pages jako 1-3 a PNG se vrátí inline.

Proč náhled selhává v mém Docker kontejneru? U PDF souborů nástroj selhává na Linuxu, včetně Docker obrazu, s chybou inicializace typu Gdip. Word a další Office dokumenty se vykreslují a na Windows s dnx se vykreslí každý formát.

Jděte hlouběji