אתה יכול לבקש מ‑LLM או סוכן AI לחלץ נתונים ממסמכים ולגרום לתשובה לבוא ממנוע מסמכים, ולא מהקריאה של המודל של קובץ שהודבק. עם השרת GroupDocs.Parser.Mcp פועל מקומית במכולת Docker, פקודה אחת מחזירה את הטקסט, טבלה, התמונות המוטמעות או ערך ברקוד:

מה אומר invoice.pdf, ומה נמצא בטבלה שלו?

הגרסה המפורטת שלב‑אחר‑שלב עם תצורה ופתרון בעיות נמצאת בתיעוד: איך לחלץ נתוני מסמך עם סוכני AI באמצעות MCP.

למה סוכן AI צריך כלי חילוץ בכלל?

מודל צ׳אט יודע רק מה שמונח בחלון ההקשר שלו. אם מדביקים PDF בצ׳אט, המודל עובד עם הטקסט שהלקוח הצליח לשטוח ממנו, ולכן עמודות מתמזגות, סריקות מגיעות ריקות ואף אחד לא יכול לדעת מה קרה בפועל. שרת חילוץ מעביר שלב זה מהמודל: הסוכן קורא לכלי, מנוע המסמכים קורא את הקובץ בתוך המכולה, והסוכן מקבל את התוצאה. המודל אז עושה את מה שהוא טוב בו – לחשוב על ערכים שהועברו אליו.

GroupDocs.Parser.Mcp חושף שבעה כלים ללקוחות תואמי‑MCP כגון Claude Desktop, Claude Code, Cursor, VS Code עם GitHub Copilot ו‑Windsurf. חמישה מחלצים נתונים (extract_text, extract_tables, extract_images, extract_barcodes, extract_metadata), אחד בודק (get_document_info) ואחד מדווח על רישיון (get_license_status).

דרך 1: לבקש את הערך, ולתת לסוכן לבחור את הכלי

נסח את הבקשה כשאלה על המסמך. הסוכן ממפה את השאלה לכלי.

אתה שואל הכלי שהסוכן קורא
“מה הוא אומר?” extract_text
“מה יש בטבלה?” extract_tables
“מי כתב זאת, ומתי?” extract_metadata
“שמור את האיורים.” extract_images
“מה הקוד הברקוד מקודד?” extract_barcodes

extract_text תומך ב‑PDF, DOCX, XLSX, PPTX, TXT, HTML, CSV, EML, MSG, RTF, ODT, EPUB ועוד יותר מ‑50 פורמטים נוספים, כך שהבקשה זהה עובדת על אימייל ועל גיליון אלקטרוני. פלטים גדולים מאוד נחתכים עם סמן, ולכן עבור דוח ארוך יש לבקש עמוד‑עבור‑עמוד:

חילץ את הטקסט של דוח של 40 עמודים עמוד‑עבור‑עמוד וסכם כל חלק.

דוגמת שיחה (מקוצרת):

You:    What does invoice.pdf say, and what is in its table?
Agent:  [calls extract_text, extract_tables]
        Invoice 2026-0412 from Northwind Supplies, dated 3 October.
        The table has 3 rows (item, quantity, amount); the amounts add up to 1,240.00.

דרך 2: לבדוק את שכבת הטקסט לפני שמאמינים לתוצאה ריקה

PDF שנוצר דיגיטלית מכיל שכבת טקסט; סריקה אינה מכילה. בעמוד סרוק extract_text מחזיר מעט או כלום, וזהו הצהרה נכונה על הקובץ. גרום לסוכן לבדוק זאת לפני החילוץ:

כמה עמודים יש כאן, והאם יש טקסט שניתן לחלץ?

get_document_info מחזיר את שם הקובץ, הסוג, מספר העמודים והגודל מבלי לשנות דבר, וקוראת extract_text של עמוד אחד מראה אם קיים טקסט. שני קריאות זולות מפרידות בין “הקובץ ריק” ל-“הקובץ הוא תמונה”. אין שלב OCR בשרת הזה, ולכן מילים מודפסות בסריקה נשארות פיקסלים. קודים הם היוצא מן הכלל, ו‑דרך 3 מתייחסת אליהם.

דרך 3: לחלץ מה שהחילוץ הטקסטי לא יכול להגיע אליו

טבלאות, תמונות וברקודים לכל אחד יש כלי ייעודי, מכיוון שהשטחתם לטקסט מאבדת את מה שהופך אותם לשימושיים.

  • extract_tables מחזיר טבלאות Markdown שמוצגות בצ׳אט, או שורות JSON כשמעבירים format: "json".
  • extract_images שומר כל תמונה מוטמעת בתיקיית הפלט בשם <basename>_image<N>.<ext>.
  • extract_barcodes מפענח Code128, QR Code, PDF417, DataMatrix, EAN‑13, EAN‑8, UPC, Aztec ועוד, כולל בעמודים סרוקים, מכיוון שמודלים של המנוע מזהים קודים בתמונה המרותנת.

חילץ את פריטי השורה מ‑invoice.pdf כ‑JSON, ואז שמור את התמונות מעמוד 1.

האם הסוכן צריך חילוץ או המרה?

אלו משימות שונות, ובחירת השרת הלא נכון גורמת לבלבול.

אתה רוצה שרת
ערכים מתוך מסמך: טקסט, טבלה, ברקוד, תכונות GroupDocs.Parser.Mcp
המסמך בפורמט אחר, שמירת הפריסה GroupDocs.Conversion.Mcp
Markdown נקי של כל המסמך ל‑RAG GroupDocs.Markdown.Mcp
עריכת או הסרת Metadata, לא רק קריאה GroupDocs.Metadata.Mcp

רבים מהצינורות משתמשים בשני שרתים: המרה לכניסה, חילוץ לניתוח.

הרץ זאת מקומית עם Docker

השרת מגיע רק כתמונת Docker. המנוע משלב כ‑234 MB של מודלים ב‑ONNX, מה שמכניס חבילת NuGet מעל מגבלת 250 MB, ולכן אין פקודת dnx. טען תיקיית מסמכים כ‑/data:

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

לקוח ה‑AI שלך מפעיל את המכולה כתהליך צאצא דרך stdio. אין פתחות נכנסות, והמסמכים נשארים במחשב. תצורת לקוח‑ל‑לקוח עבור Claude Desktop, Claude Code, VS Code, Cursor, Windsurf, Cline ו‑Codex נמצאת ב‑רישום בלקוחות AI.

מה המגבלות?

  • מצב הערכה. ללא רישיון, החילוץ מוגבל; המגבלות המדויקות מופיעות ב‑דף הרישוי של הספרייה. בקש מהסוכן להריץ get_license_status תחילה, והתייחס לפלט ללא רישיון כבדיקת עישון, לא כקריאה מלאה.
  • אין OCR. טקסט בסריקה אינו ניתן לחילוץ.
  • Docker בלבד. יש צורך ב‑Docker מותקן; התמונה גדולה, ולכן מומלץ למשוך אותה פעם אחת.

שאלות נפוצות

האם אפשר לחלץ טקסט מ‑PDF עם Claude מקומית, בלי להעלות אותו?
כן. השרת פועל במכולה במחשב שלך ו‑Claude Desktop מתקשר אליו דרך stdio, כך שהקובץ נקרא מהתיקייה המותקנת ולא נשלח לשירות חילוץ.

למה הסוכן מחזיר כלום עבור כמה PDFs?
הקובץ כנראה סריקה ללא שכבת טקסט. בקש מהסוכן להריץ get_document_info וקוראת extract_text של עמוד אחד לאימות, ואז השתמש ב‑extract_barcodes לקודים או בכלי OCR למילים.

האם קיימת פקודת dnx עבור GroupDocs.Parser.Mcp?
לא. מוצר זה הוא Docker‑only, ולכן כל התקנה משתמשת ב‑docker run או בכניסת לקוח MCP שמפעילה Docker.

להעמיק יותר