Serwer GroupDocs MCP pozwala Claude Desktop, Claude Code, Cursor, GitHub Copilot i innym klientom MCP pracować z Twoimi dokumentami lokalnie: klient uruchamia serwer jako proces potomny na Twoim własnym komputerze, a pliki są odczytywane i zapisywane w wybranych przez Ciebie folderach. Pełna architektura i model bezpieczeństwa są udokumentowane na stronie on‑premise każdego produktu, na przykład Uruchamianie serwerów GroupDocs MCP w środowisku on‑premise: architektura i model bezpieczeństwa. Ten wpis porównuje trzy typowe sposoby podłączenia agenta AI do dokumentów i wyjaśnia, co opuszcza maszynę, a co nie.
Jakie architektury mogą połączyć agenta AI z dokumentami?
Istnieją trzy. Różnią się pytaniem, które zadaje recenzent bezpieczeństwa jako pierwsze: gdzie trafia dokument?
| Przesyłanie do chmury | Hostowane API | Lokalny serwer MCP | |
|---|---|---|---|
| Jak to działa | Asystent lub wtyczka przesyła plik do usługi dostawcy | Twój kod lub agent wywołuje REST API dostawcy z plikiem | Klient AI uruchamia proces serwera na Twoim komputerze |
| Gdzie trafia dokument | Chmura zewnętrznego dostawcy | Chmura zewnętrznego dostawcy lub Twój własny tenant | Nigdzie: odczytywany i zapisywany w lokalnych folderach |
| Powierzchnia sieciowa | Wychodzące do dostawcy | Wychodzące do dostawcy | tylko stdio; brak przy pliku licencyjnym, przy licencjonowaniu metrowym tylko raporty użycia (bez treści dokumentu) |
| Porty przychodzące | Nie dotyczy | Nie dotyczy | Brak |
| Użycie w środowisku odizolowanym | Niemożliwe | Zazwyczaj nie; zależy od opcji wdrożenia dostawcy | Możliwe przy pliku licencyjnym |
| Kto go uruchamia | Dostawca | Dostawca | Ty, jako część klienta AI |
Trzecia kolumna to to, co implementują serwery GroupDocs MCP. Reszta tego wpisu opisuje, jak to działa i gdzie są jego ograniczenia.
Jak wygląda przepływ danych w lokalnym serwerze MCP?
Klient AI uruchamia serwer jako proces potomny i komunikuje się z nim przez standardowe wejście i wyjście przy użyciu JSON‑RPC. Serwer nigdy nie nasłuchuje na porcie sieciowym, a przy pliku licencyjnym nie nawiązuje żadnych połączeń wychodzących.
+--------------+ +--------------------+ +------------------+
| klient AI | stdio | proces serwera MCP | reads / | lokalny system |
| (Claude, | <------> | (GroupDocs engine) | <-----> | plików / output |
| Cursor, ..) | JSON-RPC | proces potomny | writes | foldery |
+--------------+ +--------------------+ +------------------+
|
| tylko podpowiedzi i cytowane fragmenty
v
+--------------------+
| dostawca modelu | (chmura lub lokalny model w Twojej sieci)
+--------------------+
Recenzent bezpieczeństwa otrzymuje cztery sprawdzalne stwierdzenia:
- Transport: standardowe wejście i wyjście do procesu potomnego. Nie ma nic do firewallowania i nic do udostępniania.
- Porty przychodzące: brak.
- Telemetry: brak. Silnik dokumentów działa w procesie.
- Użycie sieci: do pobrania obrazu z ghcr.io lub pakietu z nuget.org;
dnxsprawdza nuget.org przy każdym uruchomieniu, chyba że wersja jest zablokowana. Serwer nie wykonuje własnych połączeń wychodzących, z wyjątkiem licencjonowania metrowego (poniżej) oraz wejść wskazujących na zdalną zawartość, np. szablonu ładującego obraz przez URL.--network noneblokuje to ostatnie.
Możesz to zweryfikować zamiast ufać: uruchom zadanie i obserwuj nasłuchujące gniazda oraz połączenia wychodzące.
Co opuszcza maszynę, gdy agent przetwarza dokument?
Dokumenty nie opuszczają maszyny. Podpowiedzi i cytowane fragmenty tak.
Model stojący za Twoim klientem AI widzi konwersację. Jeśli model jest hostowany w chmurze, Twój tekst instrukcji trafia do dostawcy modelu, podobnie jak wszystko, co agent cytuje z powrotem do Ciebie. Dwa przykłady:
- Po porównaniu agent zgłasza, że warunek płatności zmienił się z 30 na 45 dni. To zdanie jest częścią konwersacji i trafia do dostawcy.
- Po ekstrakcji agent zgłasza łączną kwotę faktury. Plik nie został przeniesiony, ale ta wartość tak.
Przydatnym nawykiem jest formułowanie podpowiedzi tak, aby odpowiedź zawierała mniej treści, np. pytanie, które pliki mają sumę powyżej progu zamiast pytania o same sumy. Dla wrażliwych korpusów, połącz serwer z lokalnie hostowanym modelem. Wtedy cała pętla (klient, model, serwer, pliki) pozostaje w Twojej sieci.
Czy lokalny serwer potrzebuje dostępu do internetu?
Nie do przetwarzania. Zależy od trybu licencjonowania:
- Plik licencyjny: odczytywany z lokalnego dysku przez lokalny proces. Działa w pełni offline i jest właściwym wyborem dla odizolowanych sieci.
- Metrowe (pay‑per‑use): serwer raportuje użycie do GroupDocs, więc potrzebuje połączeń wychodzących. Raport nie zawiera treści dokumentu, ale samo połączenie musi być dozwolone przez Twój firewall.
Jeśli skonfigurowane są zarówno klucze metrowe, jak i plik licencyjny, klucze metrowe mają pierwszeństwo. Przechowuj klucze w zmiennych środowiskowych, a nie w zatwierdzonej konfiguracji. Strona licencjonowania każdego produktu opisuje konfigurację, a narzędzie get_license_status raportuje aktywny tryb.
Jak uruchomić serwer w obrębie perymetru przy użyciu Docker?
Obraz Docker jest często łatwiejszą opcją dla zespołu platformowego: jeden obraz z natywnymi zależnościami, brak SDK na hoście i granica ograniczona do zamontowanych folderów. Każdy produkt ma własny obraz, nazwany ghcr.io/groupdocs-<product>/<product>-net-mcp. Poniższe polecenie pokazuje szablon dla jednego produktu; zamień placeholdery.
docker run --rm -i --user "$(id -u):$(id -g)" \
-v /srv/documents:/data \
-v /srv/licenses:/license:ro \
-e GROUPDOCS_MCP_STORAGE_PATH=/data \
-e GROUPDOCS_LICENSE_PATH=/license/GroupDocs.<Product>.lic \
ghcr.io/groupdocs-<product>/<product>-net-mcp:<tag>
- Zablokuj tag. Polecenia szybkiego startu używają
:latest; w produkcji zablokuj tag do wersji, którą przetestowałeś, aby ponowne budowanie nie mogło zmienić zachowania w działającym przepływie pracy. - Montuj świadomie. Kontener widzi tylko foldery, które mu przydzielisz, co jest ściślejszą granicą niż proces uruchomiony jako Twój użytkownik.
- Montuj licencję tylko do odczytu.
- Na Linuxie, uruchom jako właściciel folderu. Obraz działa jako uid 1654, więc bez
--usernie może zapisywać do/srv/documents. Konfiguracje klienta JSON nie uruchamiają powłoki: używaj liczb, np."--user", "1000:1000". - Segmenty odizolowane: pobierz obraz wcześniej, lub wstępnie zbuforuj pakiet NuGet i zablokuj wersję.
Twój klient AI uruchamia to polecenie docker run jako polecenie serwera w swojej konfiguracji MCP, więc kontener jest procesem potomnym w diagramie powyżej. Dokumentacja opisuje obrazy jako wieloarchitekturalne (linux/amd64 i linux/arm64).
Czy lokalny serwer MCP jest odpowiedni dla branż regulowanych?
Usuwa największe pytanie w przeglądzie prywatności, czyli transfer dokumentów do zewnętrznego procesora. Zespoły w obszarach prawnym, finansowym, opieki zdrowotnej i sektora publicznego, których polityka zabrania przesyłania dokumentów, mogą używać go jako elementu budującego przepływy pracy zgodne z HIPAA lub GDPR. To opisuje jedynie przydatność architektoniczną. Serwery GroupDocs MCP nie są certyfikowane pod żadną regulację, a Twoje zobowiązania nadal zależą od modelu, z którym je łączysz, trybu licencji i własnych kontroli.
Jakie są ograniczenia tego modelu?
- Jeden serwer obsługuje jeden proces klienta. Serwer stdio jest uruchamiany przez jednego klienta na jednej maszynie. Nie jest usługą wieloużytkownikową. Dla usługi współdzielonej, umieść własną usługę przed biblioteką GroupDocs zamiast uruchamiać wiele serwerów MCP.
- Licencjonowanie metrowe wymaga połączeń wychodzących. Raporty użycia są wysyłane, jak opisano powyżej. Wybierz plik licencyjny, jeśli sieć musi być zamknięta.
- Podpowiedzi nadal docierają do dostawcy modelu chyba że używasz lokalnie hostowanego modelu.
- Tryb ewaluacji ma ograniczenia. Bez licencji serwery działają w trybie ewaluacji z ograniczeniami specyficznymi dla produktu. Na przykład serwer Comparison porównuje tylko pierwsze 2 strony i znakuje wynik watermarkiem. Najpierw wywołaj
get_license_statusi przeczytaj stronę licencjonowania swojego produktu. - Parser i Search dostępne są wyłącznie jako obrazy Docker. GroupDocs.Parser.Mcp i GroupDocs.Search.Mcp nie mają pakietu NuGet, więc powyższa droga Docker jest jedyną dla tych produktów. Na hoście Linux uruchom ich kontenery z
--user "$(id -u):$(id -g)", aby mogły zapisywać do zamontowanych folderów. - Wyjątki platformowe. Dwie operacje specyficzne dla PDF obecnie nie działają na Linuxie, w tym obraz Docker, ponieważ obsługa obrazów w silniku PDF zależy od
System.Drawing.Common, który .NET obsługuje tylko na Windows: GroupDocs.Annotation.Mcpgenerate_pages_previewna plikach PDF (renderuje dokumenty Word), oraz GroupDocs.Redaction.Mcpredact_image_areaierase_metadatana plikach PDF (redact_textna PDF oraz wszystkie trzy na dokumentach Word działają). Uruchom je na Windows zdnx; zobacz posty produktów.
FAQ
Czy MCP jest bezpieczny dla wrażliwych dokumentów?
Przy serwerze GroupDocs MCP dokumenty są przetwarzane w procesie na Twoim komputerze przez stdio, bez nasłuchujących portów i bez telemetryki. Pozostaje ocenić model używany przez Twój klient AI, ponieważ podpowiedzi i cytowane fragmenty trafiają tam.
Czy mogę uruchomić narzędzia Claude bez wysyłania danych do chmury?
Dokumenty pozostają lokalne w każdym przypadku. Aby również utrzymać podpowiedzi lokalnie, użyj klienta obsługującego lokalnie hostowany model, tak aby żadna część konwersacji nie opuszczała Twojej sieci.
Jakie dane wysyła serwer MCP?
W czasie działania serwer GroupDocs MCP nie wysyła nic przez sieć przy użyciu pliku licencyjnego. Przy licencjonowaniu metrowym wysyła raporty użycia do GroupDocs, nigdy treść dokumentu.
Per product: strony on‑premise w dokumentacji
Każda strona opisuje tę samą architekturę wraz z poleceniami dla danego produktu. Są to kanoniczne odniesienia dla przeglądu bezpieczeństwa.
- GroupDocs.Annotation.Mcp
- GroupDocs.Assembly.Mcp
- GroupDocs.Comparison.Mcp
- GroupDocs.Conversion.Mcp
- GroupDocs.Editor.Mcp
- GroupDocs.Markdown.Mcp
- GroupDocs.Merger.Mcp
- GroupDocs.Metadata.Mcp
- GroupDocs.Parser.Mcp
- GroupDocs.Redaction.Mcp
- GroupDocs.Search.Mcp
- GroupDocs.Signature.Mcp
- GroupDocs.Viewer.Mcp
- GroupDocs.Watermark.Mcp
Per product: od czego zacząć na blogu
Każdy produkt ma serię wpisów — cztery dla większości, pięć dla Editor i Assembly, sześć dla Search. Pierwszy wyjaśnia wzorzec; pozostałe go stosują.
- GroupDocs.Annotation.Mcp: Recenzja AI, która trafia do dokumentu, a nie do logu czatu
- GroupDocs.Assembly.Mcp: Pozwól modelowi wypełnić dane, a nie pisać dokument
- GroupDocs.Comparison.Mcp: 3 sposoby porównywania dokumentów z agentami AI i MCP
- GroupDocs.Conversion.Mcp: Dlaczego Twój agent AI nie powinien samodzielnie konwertować dokumentów
- GroupDocs.Editor.Mcp: Dlaczego agent AI nie powinien przepisywać Twojego dokumentu, aby zmienić trzy słowa
- GroupDocs.Markdown.Mcp: Twój pipeline RAG zaczyna się od Markdown — utrzymaj ten krok lokalnie
- GroupDocs.Merger.Mcp: Dlaczego Twój agent AI powinien scalać pliki przy użyciu silnika, a nie regenerując je
- GroupDocs.Metadata.Mcp: 3 pytania o metadane, które warto zadać agentowi AI przed udostępnieniem dokumentu
- GroupDocs.Parser.Mcp: 3 sposoby wyodrębniania danych z dokumentu przy użyciu agentów AI i MCP (tekst, tabele, obrazy)
- GroupDocs.Redaction.Mcp: 3 sposoby redagowania wrażliwych danych z agentami AI i MCP
- GroupDocs.Search.Mcp: Czy potrzebujesz bazy wektorowej, aby zadawać pytania o folder dokumentów?
- GroupDocs.Signature.Mcp: 3 sposoby podpisywania dokumentów z agentami AI i MCP: tekst, kod QR, certyfikat
- GroupDocs.Viewer.Mcp: Agenci multimodalni potrzebują pikseli, nie tylko tekstu
- GroupDocs.Watermark.Mcp: 3 sposoby oznaczania dokumentów generowanych przez AI znakami wodnymi za pomocą MCP