Un agente de IA puede verificar sus propias anotaciones mirando la página que acaba de marcar. Con GroupDocs.Annotation.Mcp, el LLM en Claude, Cursor o GitHub Copilot anota un documento, solicita al servidor que renderice la página como PNG con la anotación incluida y juzga si la ubicación es correcta. El servidor realiza el trabajo localmente; el prompt es una sola frase:

Resalta la cláusula de pago en la página 2 y luego muéstrame la página.

La versión paso a paso con configuración y solución de problemas está en la documentación: Cómo permitir que un agente de IA vea la página del documento que anotó.

Nota: generate_pages_preview actualmente falla con archivos PDF en Linux, incluida la imagen Docker; consulte Limitaciones honestas antes de basarse en ella.

¿Por qué un agente que no puede ver su salida informa éxito erróneamente?

La mayoría de las herramientas de documentos son de solo escritura. El agente las llama y dice “listo” porque la llamada devolvió. Para una anotación esa afirmación puede ser falsa de una manera en que no aparece ningún mensaje de error: la llamada tuvo éxito y el resaltado está en el párrafo equivocado. Las coordenadas x e y son coordenadas del documento, y un agente al que se le pide resaltar “la cláusula de pago” tiene que adivinar dónde está esa cláusula a menos que algo se lo indique.

La diferencia está entre “añadí un resaltado” y “el resaltado está en la cláusula de pago”. Solo la segunda afirmación es útil, y solo una mirada a la página puede confirmarla.

¿Cómo renderiza un agente una imagen de página anotada y la verifica?

Las herramientas forman un bucle corto.

  1. add_annotation escribe la anotación y guarda contract_annotated.pdf. El archivo original no se modifica.
  2. generate_pages_preview renderiza las páginas de ese archivo como imágenes PNG, con las anotaciones incorporadas, y las devuelve en línea. Pase pages como 2, 1-3 o 1,3,5. Si lo omite obtendrá la página 1.
  3. El agente observa la imagen. Si el resaltado cubre el texto incorrecto, update_annotation cambia su mensaje o su posición y tamaño sin comenzar de nuevo.

La vista previa devuelve un bloque de texto que describe lo que se ha renderizado, seguido de un bloque de imagen por cada página. Una llamada renderiza como máximo cinco páginas.

Establezca GROUPDOCS_MCP_OUTPUT_PATH a una carpeta distinta de la carpeta de almacenamiento antes de encadenar ediciones sobre un archivo generado. Con el valor predeterminado (las salidas se guardan en la carpeta de almacenamiento) la segunda escritura falla con being used by another process; con una carpeta de salida separada add_reply, update_annotation y remove_annotations sobre el archivo generado se completan con éxito. Con la imagen Docker, pase -e GROUPDOCS_MCP_OUTPUT_PATH=/data/output. La sesión a continuación asume esa configuración, de modo que el archivo generado queda bajo output/.

¿Qué necesita el agente para que esto funcione?

  • Un cliente que muestre contenido de imagen. Claude Desktop lo hace. Un cliente de terminal solo puede informar que una imagen ha sido devuelta. La herramienta se comporta igual en ambos casos; simplemente puede que las imágenes no se muestren.
  • Un modelo capaz de visión. Las imágenes solo son útiles para un modelo que acepte entrada de imagen.
  • Un rango de páginas pequeño. Renderizar es la llamada más costosa que hace este servidor. Pida solo la página que necesita, no un archivo de cincuenta páginas.

¿Qué otros usos tiene la vista previa?

  • Ubicar antes de anotar. Renderice primero, deje que el modelo lea la página y luego coloque la anotación con las coordenadas que haya derivado en lugar de adivinar.
  • Comprobar una fusión. Después de import_annotations sobre un borrador re‑fluido, una vista previa muestra si las notas importadas siguen donde deben estar.
  • Mostrar al revisor el resultado en el chat sin abrir el archivo.
  • Detectar la insignia de evaluación. En modo de evaluación se estampa una insignia de prueba en cada página, por lo que es visible en la imagen renderizada.

Sesión de ejemplo (abreviada)

Esto es una ilustración construida a partir del comportamiento documentado de las herramientas, no una captura de pantalla. Asume una plataforma donde el renderizador de vista previa funciona con archivos PDF, como Windows con 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.)

¿Dónde se ejecuta el renderizado y qué sale de la máquina?

El motor produce el PNG en su máquina. La imagen luego viaja a su proveedor de modelo como cualquier otro contenido de mensaje, de modo que con un modelo alojado en la nube una vista previa envía una foto de esa página. Para documentos sensibles, use un modelo alojado localmente.

Limitaciones honestas

  • Vista previa en Linux. generate_pages_preview actualmente falla con archivos PDF en Linux, incluida la imagen Docker (TypeInitializationException para Gdip: System.Drawing.Common no es compatible con plataformas que no sean Windows); los documentos Word y otros de Office sí se renderizan, y en Windows con dnx se renderiza todo tipo de formato. Las otras diez herramientas no se ven afectadas.
  • Modo de evaluación. Una insignia de prueba se estampa en la parte superior de cada página del archivo anotado y de las vistas previas. Consulte get_license_status antes de confiar en la salida.
  • La colocación aproximada sigue siendo aproximada. Una vista previa permite al modelo notar una anotación mal situada; no convierte coordenadas adivinadas en coordenadas exactas.
  • Un modelo solo de texto no puede comprobarlo. Sigue recibiendo el bloque de texto, pero no puede decirle cómo se ve la página.

Preguntas frecuentes

¿Puede una IA comprobar dónde quedó un comentario en la página? Sí, si el modelo acepta imágenes. El agente renderiza la página anotada con generate_pages_preview y examina la foto, luego ajusta la anotación con update_annotation si es necesario.

¿Cómo previsualizo una página PDF anotada para el agente? Pida la página por número, por ejemplo “Renderiza las páginas 1‑3 del contrato anotado para que pueda revisar los comentarios”. El agente pasa pages como 1-3 y los PNG se devuelven en línea.

¿Por qué la vista previa falla en mi contenedor Docker? Con archivos PDF la herramienta falla en Linux, incluida la imagen Docker, con un error de inicialización de tipo Gdip. Los documentos Word y otros de Office sí se renderizan, y en Windows con dnx todo formato se renderiza.

Profundizar