An AI 에이전트는 PDF의 차트나 텍스트 레이어가 없는 스캔 페이지를 먼저 이미지로 렌더링하면 읽을 수 있습니다. GroupDocs.Viewer.Mcp 서버는 해당 렌더링을 로컬 머신에서 수행하고 PNG를 Claude, Cursor 또는 GitHub Copilot에 전달하며, 비전 기능을 갖춘 모델이 이미지를 읽습니다:

연례 보고서의 7페이지에 매출 차트가 있습니다. 각 분기의 수치는 무엇이었나요?

구성 및 문제 해결이 포함된 단계별 버전은 문서에 있습니다: AI 에이전트가 차트, 다이어그램 및 스캔 페이지를 읽는 방법.

상황: 답이 그림으로만 존재함

연례 보고서를 열었을 때 필요한 숫자는 막대 높이입니다. 스캐너로 만든 계약서를 열면 PDF에 선택 가능한 텍스트가 없습니다. 결정이 다이어그램 화살표인 슬라이드를 열었습니다. 추출된 텍스트를 기반으로 작동하는 에이전트는 이 세 경우 모두에서 아무것도 찾지 못합니다. 추출할 문자가 없기 때문입니다. 정보는 실제이며, 그림으로 표현되어 있습니다.

렌더링된 페이지에서 에이전트가 읽을 수 있는 것

  • 차트와 그래프. 값, 추세, 레이블 및 범례.
  • 스캔된 페이지. 스캐너로 만든 PDF는 페이지의 사진입니다. 이미지는 유일한 입력 방법입니다.
  • 스탬프, 서명 및 필기. 페이지에 서명이 있는지, 스탬프에 무엇이 적혀 있는지.
  • 레이아웃 질문. “헤더에 로고가 있나요?” 또는 “이 슬라이드가 넘쳐나요?”

각각은 페이지가 어떻게 보이는지에 대한 질문입니다. 렌더링된 이미지는 직접 답을 제공합니다.

단계 1: 문서를 렌더링하지 않고 페이지 찾기

긴 보고서를 전체 렌더링하여 차트를 찾는 것은 비효율적입니다. 에이전트에게 페이지를 저렴하게 찾도록 요청하세요:

보고서에 페이지가 몇 개 있나요? 목차 페이지를 렌더링하고 매출 차트가 어디에 있는지 알려 주세요.

에이전트는 get_view_info를 호출해 페이지 수를 파악하고, 그 다음 render_page를 사용해 목차 페이지를 렌더링합니다. 이는 50번 렌더링하는 대신 두 번의 작은 호출입니다. 각 렌더링된 페이지는 인라인 PNG로 반환되며, 보통 수백 킬로바이트이므로 실제로 절약됩니다.

단계 2: 페이지를 렌더링하고 읽기

페이지 번호를 알게 되면, 에이전트는 해당 페이지에 대해 render_page를 호출하고 이미지를 모델에 전달합니다. 이미지는 <name>_page<N>.png 형태로 저장되므로, 직접 같은 그림을 열어 답변과 비교할 수 있습니다.

단계 3: 모델의 확신 정도를 물어보기

7페이지의 매출 차트를 읽어 주세요. 확실한 값과 막대 높이에서 추정한 값을 각각 알려 주세요.

이미지를 읽는 모델은 작은 숫자나 흐릿한 스캔을 오독할 수 있습니다. 의사결정에 사용되는 수치에 대해서는 에이전트가 자신감 수준을 명시하도록 하고, 이후 원본을 확인하세요.

예시 세션

문서화된 동작을 기반으로 한 예시이며, 실제 캡처된 스크린샷은 아닙니다. 대괄호 안의 텍스트는 모델이 이미지에서 읽을 내용을 나타냅니다.

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].

왜 OCR이 아닌가?

렌더링은 OCR이 아닙니다. OCR은 이미지를 텍스트로 변환하지만, 이 방법은 모델에 이미지를 제공하고 텍스트가 아닌 부분까지 포함해 해석하도록 합니다. 서버는 스캔에서 검증된 텍스트를 생성하지 않습니다. 검색 가능한 텍스트 레이어가 필요하다면 별도의 도구를 사용해 별도의 단계로 진행해야 합니다.

솔직한 제한 사항

  • 읽기는 해석이며, 추출이 아닙니다. 모델은 작은 숫자, 흐릿한 스캔, 혹은 복잡한 범례를 오독할 수 있습니다. 렌더링은 스캔을 검증된 텍스트로 변환하지 않습니다.
  • 모델은 이미지 입력을 받아야 합니다. 텍스트 전용 모델의 경우 에이전트는 저장된 PNG 경로를 전달할 수 있지만 차트 내용을 알려줄 수 없습니다.
  • 평가 워터마크. 라이선스가 없으면 모든 렌더링된 페이지에 페이지 위에 평가 워터마크가 표시되어 요청한 세부 정보를 가릴 수 있습니다. 서버 프로세스는 최대 15개의 문서만 열 수 있습니다. “Viewer 서버에 라이선스가 있나요?“라고 물어 에이전트가 get_license_status를 호출하도록 하세요, 읽은 내용에 의존하기 전에.
  • 한 번에 한 페이지, PNG만 지원.
  • 이미지가 서버를 떠납니다. 에이전트와 모델로 전송됩니다. 로컬에 호스팅된 모델은 모든 것을 머신에 보관하고, 호스팅된 모델은 대화의 일부로 이미지를 받습니다.

FAQ

Claude가 PDF의 차트를 읽을 수 있나요? 페이지가 이미지로 렌더링되고 사용 중인 모델이 이미지를 지원한다면 Claude는 차트를 읽을 수 있습니다. GroupDocs.Viewer.Mcp는 render_page로 페이지를 로컬에서 렌더링하고 PNG를 Claude에 반환합니다.

스캔된 PDF에 텍스트가 없는데 AI가 어떻게 읽을 수나요? 페이지를 이미지로 렌더링하고 비전 기능을 갖춘 모델에 제공하세요. 모델은 텍스트 레이어가 아닌 그림을 읽으며, 중요한 수치는 반드시 확인해야 합니다.

차트 이미지에서 데이터를 추출하는 것과 같은가요? 아니요. 모델은 보이는 것을 설명하고 추정할 뿐이며, 정확한 원시 데이터를 반환하지 않습니다. 정확한 값이 필요할 때는 원본 스프레드시트를 사용하세요.

더 깊이 파고들기