Un agente de IA puede leer un gráfico en un PDF, o una página escaneada sin capa de texto, si la página se renderiza como una imagen primero. El servidor GroupDocs.Viewer.Mcp realiza ese renderizado localmente en su máquina y entrega el PNG a Claude, Cursor o GitHub Copilot, y un modelo con capacidad de visión lee la imagen:

En la página 7 del informe anual hay un gráfico de ingresos. ¿Cuáles fueron las cifras de cada trimestre?

La versión paso a paso con configuración y solución de problemas está en la documentación: Cómo hacer que un agente de IA lea gráficos, diagramas y páginas escaneadas.

La situación: la respuesta existe solo como una imagen

Abres un informe anual y el número que necesitas es la altura de una barra. Abres un contrato que proviene de un escáner y el PDF no tiene texto seleccionable. Abres una diapositiva donde la decisión es una flecha de diagrama. Un agente que trabaja con texto extraído no encuentra nada en ninguno de estos tres casos, porque no hay caracteres para extraer. La información es real, y está dibujada.

¿Qué puede leer el agente de una página renderizada?

  • Gráficos y diagramas. Valores, tendencias, etiquetas y leyendas.
  • Páginas escaneadas. Un PDF creado por un escáner es una imagen de una página. La imagen es la única forma de entrada.
  • Sellos, firmas y escritura a mano. Si una página está firmada y lo que dice un sello.
  • Preguntas de diseño. “¿Está el logo en el encabezado?” o “¿Esta diapositiva se desborda?”

Cada una de estas es una pregunta sobre cómo se ve la página. Una imagen renderizada las responde directamente.

Paso 1: Encontrar la página sin renderizar el documento

Un informe extenso no debería renderizarse completo para encontrar un gráfico. Pida al agente que localice la página de forma económica:

¿Cuántas páginas tiene el informe? Renderiza la página de contenido y dime dónde está el gráfico de ingresos.

El agente llama a get_view_info para conocer el número de páginas, luego a render_page para la página de contenido. Eso son dos llamadas pequeñas en lugar de cincuenta renderizados. Cada página renderizada se devuelve como un PNG en línea, a menudo de unos pocos cientos de kilobytes, por lo que el ahorro es real.

Paso 2: Renderizar la página y leerla

Con el número de página conocido, el agente llama a render_page para esa página y pasa la imagen al modelo. La imagen también se guarda como <name>_page<N>.png, para que pueda abrir la misma foto usted mismo y compararla con la respuesta.

Paso 3: Preguntar cuán seguro está el modelo

Lee el gráfico de ingresos en la página 7. Indica qué valores tienes seguros y cuáles tuviste que estimar a partir de la altura de las barras.

Un modelo que lee una imagen puede interpretar mal un número pequeño o un escaneo tenue. Para cifras que se utilizan en una decisión, haga que el agente indique su confianza y luego verifique la fuente.

Sesión de ejemplo

Una ilustración basada en el comportamiento documentado, no una captura de pantalla. El texto entre corchetes representa lo que un modelo leería de la imagen.

You:   On page 7 of annual-report.pdf there is a revenue chart. What were
       the figures for each quarter? Say how sure you are.

Agent: [calls get_view_info on annual-report.pdf, then render_page with page = 7]
       Page 7 of 'annual-report.pdf' Saved to: <output folder>/annual-report_page7.png
       The chart shows [quarterly figures read from the image].
       Values printed on the chart: [list]. Values estimated from bar height: [list].

¿Por qué no OCR?

Renderizar no es OCR. OCR convierte una imagen en texto; este proceso le da al modelo la imagen y le permite interpretar lo que hay, incluidas las partes que no son texto. El servidor no produce texto verificado a partir de un escaneo. Si necesita una capa de texto buscable, eso es un paso separado con una herramienta distinta.

Límites honestos

  • Una lectura es una interpretación, no una extracción. El modelo puede interpretar mal un número pequeño, un escaneo tenue o una leyenda abarrotada. Renderizar no convierte un escaneo en texto verificado.
  • El modelo debe aceptar entrada de imagen. Con un modelo solo de texto el agente puede pasar la ruta del PNG guardado, pero no puede decirle lo que muestra el gráfico.
  • Marca de agua de evaluación. Sin una licencia, cada página renderizada lleva una marca de agua de evaluación que se superpone a la página y puede ocultar el detalle que solicitó. Un proceso del servidor también abre como máximo 15 documentos. Pregunte “¿El servidor Viewer está licenciado?” para que el agente llame a get_license_status antes de confiar en lo que lee.
  • Una página por llamada, solo PNG.
  • La imagen sale del servidor. Va a su agente y a su modelo. Un modelo alojado localmente mantiene todo en la máquina; un modelo alojado recibe la imagen como parte de la conversación.

Preguntas frecuentes

¿Puede Claude leer un gráfico en un PDF? Claude puede leer un gráfico si la página se renderiza a una imagen y el modelo en uso acepta imágenes. GroupDocs.Viewer.Mcp renderiza la página localmente con render_page y devuelve el PNG a Claude.

Mi PDF escaneado no tiene texto, ¿cómo puede la IA leerlo? Renderice la página a una imagen y entregue la imagen a un modelo con capacidad de visión. El modelo lee la foto en lugar de una capa de texto, y su lectura debe verificarse para cifras importantes.

¿Es esto lo mismo que extraer datos de una imagen de gráfico? No. El modelo describe y estima lo que ve; no devuelve los datos subyacentes exactos. Use la hoja de cálculo fuente cuando los valores exactos importen.

Profundizar