Anda dapat membiarkan agen AI melihat halaman dokumen alih‑alih membaca dump teksnya. Server GroupDocs.Viewer.Mcp merender setiap halaman PDF, Word, Excel, atau PowerPoint menjadi PNG dan mengembalikannya ke agen, serta melakukannya secara lokal di mesin Anda:

Berapa banyak halaman yang dimiliki report.pdf? Kemudian tunjukkan halaman terakhir.

Versi langkah‑demi‑langkah dengan konfigurasi dan pemecahan masalah ada di dokumentasi: Cara membiarkan agen AI melihat halaman dokumen.

Mengapa ekstraksi teks gagal pada dokumen nyata?

Ekstraktor teks mengembalikan karakter dalam urutan baca. Ia tidak mengembalikan diagram batang di antara dua paragraf, stempel “APPROVED” di sudut, tata letak kolom tabel harga, atau halaman yang merupakan pemindaian dan tidak memiliki karakter sama sekali. Agen yang bekerja dari output tersebut menjawab dengan yakin tentang dokumen yang hanya setengah dilihatnya, dan setengah yang hilang biasanya merupakan bagian yang Anda tanyakan.

Solusinya bukan prompt yang lebih baik. Ini adalah input yang berbeda: halaman sebagai gambar, diberikan ke model yang menerima input gambar.

Pendekatan Salah: mengalirkan semuanya melalui ekstraktor teks

Default umum adalah mengonversi dokumen menjadi teks, menempelkan teks ke jendela konteks, dan mengajukan pertanyaan. Ini berhasil untuk prosa. Ini gagal dalam empat cara yang dapat Anda verifikasi pada dokumen apa pun yang Anda miliki:

  • Tata letak hilang, sehingga “apakah total berada di kolom kanan?” tidak dapat dijawab.
  • Gambar di dalam diagram dan bagan hilang, karena mereka digambar, bukan diketik.
  • Stempel, tanda tangan, dan tulisan tangan hilang.
  • PDF yang dipindai tidak menghasilkan teks.

Model tidak dapat memperbaiki informasi yang hilang sebelum ia melihat dokumen.

Pendekatan Benar: merender halaman PDF menjadi gambar untuk LLM

render_page merender satu halaman menjadi PNG, mengembalikan gambar secara inline ke agen dan menyimpan salinan ke folder output Anda sebagai <name>_page<N>.png. Server mendukung lebih dari 170 format, termasuk PDF, DOCX, XLSX, PPTX, ODT, RTF, HTML, EML, dan MSG. Model yang mampu visi kemudian melihat halaman sebagaimana Anda.

Agen tidak boleh menebak nomor halaman, sehingga ia menggabungkan render_page dengan get_view_info, yang mengembalikan tipe file, jumlah halaman, dan ukuran setiap halaman tanpa merender apa pun. Alat ketiga, get_license_status, melaporkan mode lisensi yang aktif.

Bagaimana cara menjalankan server untuk Claude, Cursor, atau Copilot?

Image Docker bersifat mandiri:

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

Dengan SDK .NET 10 terpasang, dnx GroupDocs.Viewer.Mcp --yes menjalankan server yang sama tanpa Docker. Daftarkan di Claude Desktop, Claude Code, Cursor, VS Code dengan GitHub Copilot, Windsurf, dan klien lainnya; halaman hub mencantumkan konfigurasi tepat untuk masing‑masing. Klien memulai server sebagai proses anak dan berkomunikasi dengannya melalui standar input dan output, sehingga tidak ada port masuk dan tidak ada endpoint yang perlu diamankan.

Sesi Contoh

Ini adalah ilustrasi yang dibangun dari perilaku terdokumentasi dari dua alat, bukan tangkapan layar.

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: ...

Gambar muncul secara inline di klien yang menampilkannya. Balasan teks adalah deskripsi agen tentang apa yang dilihatnya pada halaman.

Apa yang diputuskan agen, dan apa yang dilakukan mesin?

Agen memutuskan halaman mana yang menjawab pertanyaan dan apa yang harus ditanyakan ke model tentangnya. Mesin melakukan bagian yang harus tepat: membuka file, mem‑paginasi sesuai cara dokumen dipaginasi, dan menghasilkan PNG. Model tidak pernah harus menebak tata letak halaman, karena ia menerima halaman yang telah dirender.

Batasan Jujur

  • Mode evaluasi. Tanpa lisensi, halaman yang dirender membawa watermark evaluasi dan proses server membuka maksimal 15 dokumen. Watermark dapat menutupi detail yang Anda tanyakan. Tanyakan kepada agen “Apakah server viewer berlisensi?” sehingga ia memanggil get_license_status sebelum Anda bergantung pada apa yang dibacanya.
  • Hanya PNG. Outputnya adalah gambar PNG; tidak ada opsi format.
  • Tidak ada pemeriksaan nomor halaman. render_page tidak menolak nomor halaman yang melewati halaman terakhir. Periksa jumlahnya dengan get_view_info terlebih dahulu.
  • Model harus menerima gambar. Dengan model yang hanya teks, agen tetap mendapatkan jalur file yang disimpan, tetapi tidak dapat memberi tahu Anda apa yang ada di halaman.
  • Gambar berukuran besar. Setiap halaman adalah PNG inline, sering beberapa ratus kilobita. Render halaman yang diperlukan tugas, bukan seluruh file.
  • Satu hal keluar dari mesin. Gambar yang dirender pergi ke agen dan dari sana ke model apa pun yang digunakannya. Model yang dihosting secara lokal menjaga semuanya tetap di mesin.

FAQ

Apakah Claude dapat melihat halaman PDF saya dan tata letaknya? Ya, jika halaman PDF dirender menjadi gambar dan model Claude yang digunakan menerima input gambar. render_page menghasilkan gambar tersebut secara lokal dan mengembalikannya ke klien.

Apakah saya harus mengunggah dokumen ke mana pun untuk merendernya? Server membaca file dari folder yang Anda mount dan menulis gambar di sampingnya; dokumen tidak diunggah oleh server. Gambar halaman memang dikirim ke model agen Anda.

Apakah ini bekerja untuk Excel dan PowerPoint, bukan hanya PDF? Ya. PowerPoint merender satu gambar per slide, dan lembar Excel dibagi menjadi halaman, dengan jumlah yang terlihat melalui get_view_info.

Selami Lebih Dalam