Vous pouvez laisser un agent IA regarder une page de document au lieu de lire un dump texte de celui‑ci. Le serveur GroupDocs.Viewer.Mcp rend n’importe quelle page d’un fichier PDF, Word, Excel ou PowerPoint en PNG et le renvoie à l’agent, et il le fait localement sur votre machine :

Combien de pages le fichier report.pdf possède‑t‑il ? Ensuite, montre‑moi la dernière.

La version étape par étape avec configuration et dépannage se trouve dans la documentation : Comment laisser un agent IA voir les pages d’un document.

Pourquoi l’extraction de texte échoue‑t‑elle sur les documents réels ?

Un extracteur de texte renvoie les caractères dans l’ordre de lecture. Il ne renvoie pas le diagramme à barres entre deux paragraphes, le tampon « APPROVED » dans le coin, la mise en page en colonnes d’un tableau de prix, ou une page qui est une numérisation et ne contient aucun caractère. Un agent travaillant à partir de cette sortie répond avec assurance à propos d’un document qu’il n’a vu qu’à moitié, et la moitié manquante est généralement la partie que vous avez demandée.

La solution n’est pas un meilleur prompt. C’est une entrée différente : la page sous forme d’image, fournie à un modèle qui accepte les entrées d’image.

Mauvaise approche : passer tout par un extracteur de texte

Le comportement par défaut le plus répandu consiste à convertir le document en texte, coller le texte dans la fenêtre de contexte et poser des questions. Cela fonctionne pour la prose. Cela se casse de quatre façons que vous pouvez vérifier sur n’importe quel document que vous possédez :

  • La mise en page disparaît, donc « le total se trouve‑t‑il dans la colonne de droite ? » ne peut pas être répondu.
  • Les figures à l’intérieur des graphiques et diagrammes disparaissent, car elles sont dessinées, pas tapées.
  • Les tampons, signatures et écritures manuscrites disparaissent.
  • Un PDF numérisé ne produit aucun texte.

Un modèle ne peut pas réparer l’information qui a été supprimée avant qu’il ne voie le document.

Bonne approche : rendre une page PDF en image pour le LLM

render_page rend une page sous forme de PNG, renvoie l’image en ligne à l’agent et enregistre une copie dans votre dossier de sortie sous le nom <name>_page<N>.png. Le serveur prend en charge plus de 170 formats, dont PDF, DOCX, XLSX, PPTX, ODT, RTF, HTML, EML et MSG. Un modèle capable de vision voit alors la page comme vous le feriez.

L’agent ne doit pas deviner les numéros de page, il associe donc render_page à get_view_info, qui renvoie le type de fichier, le nombre de pages et la taille de chaque page sans rien rendre. Un troisième outil, get_license_status, indique le mode de licence actif.

Comment exécuter le serveur pour Claude, Cursor ou Copilot ?

L’image Docker est autonome :

docker run --rm -i -v $(pwd)/documents:/data \
  ghcr.io/groupdocs-viewer/viewer-net-mcp:latest

Avec le SDK .NET 10 installé, dnx GroupDocs.Viewer.Mcp --yes exécute le même serveur sans Docker. Enregistrez‑le dans Claude Desktop, Claude Code, Cursor, VS Code avec GitHub Copilot, Windsurf et d’autres clients ; la page hub répertorie la configuration exacte pour chacun. Le client démarre le serveur comme un processus enfant et communique avec lui via l’entrée et la sortie standard, il n’y a donc aucun port entrant ni point de terminaison à sécuriser.

Session d’exemple

Il s’agit d’une illustration construite à partir du comportement documenté des deux outils, et non d’une capture d’écran.

You:   How many pages does report.pdf have? Then show me the last one.

Agent: [calls get_view_info on report.pdf]
       report.pdf is a PDF with 2 pages, both 612 x 792 points (US Letter).
       [calls render_page with page = 2]
       Page 2 of 'report.pdf' Saved to: <output folder>/report_page2.png
       Here is what page 2 shows: ...

L’image apparaît en ligne dans les clients qui l’affichent. La réponse texte est la description par l’agent de ce qu’il voit sur la page.

Que décide l’agent, et que fait le moteur ?

L’agent décide quelle page répond à la question et ce qu’il faut demander au modèle à son sujet. Le moteur effectue la partie qui doit être exacte : ouvrir le fichier, le paginer comme le document le fait, et produire le PNG. Le modèle n’a jamais à deviner la mise en page, car il reçoit la page rendue.

Limites honnêtes

  • Mode d’évaluation. Sans licence, les pages rendues portent un filigrane d’évaluation et le processus serveur ouvre au maximum 15 documents. Le filigrane peut couvrir le détail même que vous demandez. Demandez à l’agent « Le serveur Viewer est‑il licencié ? » afin qu’il appelle get_license_status avant de vous fier à ce qu’il lit.
  • PNG uniquement. La sortie est une image PNG ; il n’y a aucune option de format.
  • Pas de vérification du numéro de page. render_page ne rejette pas un numéro de page au‑delà de la dernière page. Vérifiez le nombre avec get_view_info d’abord.
  • Le modèle doit accepter les images. Avec un modèle texte‑seul, l’agent reçoit toujours le chemin du fichier enregistré, mais il ne peut pas vous dire ce qui se trouve sur la page.
  • Les images sont volumineuses. Chaque page est un PNG en ligne, souvent de quelques centaines de kilo‑octets. Rendu les pages nécessaires à la tâche, pas le fichier entier.
  • Une chose quitte la machine. L’image rendue est envoyée à l’agent et de là à tout modèle qu’il utilise. Un modèle hébergé localement garde tout sur la machine.

FAQ

Claude peut‑il voir ma page PDF et sa mise en page ? Oui, si la page PDF est rendue en image et que le modèle Claude utilisé accepte les entrées d’image. render_page produit cette image localement et la renvoie au client.

Dois‑je télécharger le document quelque part pour le rendre ? Le serveur lit le fichier depuis le dossier que vous montez et écrit l’image à côté ; le document n’est pas téléchargé par le serveur. L’image de la page est toutefois envoyée au modèle de votre agent.

Fonctionne‑t‑il pour Excel et PowerPoint, pas seulement pour PDF ? Oui. PowerPoint rend une image par diapositive, et les feuilles Excel sont découpées en pages, le nombre étant visible via get_view_info.

Approfondir