คุณสามารถขอให้ LLM หรือเอเจนต์ AI ดึงข้อมูลจากเอกสารและให้คำตอบมาจากเอนจินเอกสาร ไม่ใช่จากการอ่านไฟล์ที่วางลงของโมเดล ด้วยเซิร์ฟเวอร์ GroupDocs.Parser.Mcp ที่ทำงานในคอนเทนเนอร์ Docker บนเครื่องของคุณ คำสั่งเดียวสามารถคืนข้อความ ตาราง ภาพที่ฝังอยู่ หรือค่าบาร์โค้ดได้:

ไฟล์ invoice.pdf บอกว่าอะไรและอะไรอยู่ในตารางของมัน?

เวอร์ชันขั้นตอนต่อขั้นตอนพร้อมการกำหนดค่าและการแก้ไขปัญหาอยู่ในเอกสาร: วิธีสกัดข้อมูลเอกสารด้วยเอเจนต์ AI โดยใช้ MCP.

ทำไมเอเจนต์ AI ถึงต้องการเครื่องมือดึงข้อมูลเลย?

โมเดลแชทจะรู้เฉพาะสิ่งที่อยู่ในหน้าต่างบริบทของมันเท่านั้น การวาง PDF ลงในแชททำให้โมเดลทำงานจากข้อความใด ๆ ที่ไคลเอนต์สามารถแปลงให้เป็นข้อความได้ ดังนั้นคอลัมน์อาจพังลง การสแกนอาจไม่มีข้อความและไม่มีใครบอกได้ว่าเกิดเหตุการณ์ใดขึ้น เครื่องเซิร์ฟเวอร์ดึงข้อมูลย้ายขั้นตอนนั้นออกจากโมเดล: เอเจนต์เรียกเครื่องมือ เอนจินเอกสารอ่านไฟล์ภายในคอนเทนเนอร์ และเอเจนต์รับผลลัพธ์ โมเดลจึงทำในสิ่งที่มันเก่ง คือการให้เหตุผลกับค่าที่ได้รับมอบหมาย

GroupDocs.Parser.Mcp เปิดเผยเครื่องมือเจ็ดอย่างให้กับไคลเอนต์ที่เข้ากันได้กับ MCP เช่น Claude Desktop, Claude Code, Cursor, VS Code with GitHub Copilot และ Windsurf เครื่องมือห้าตัวสกัดข้อมูล (extract_text, extract_tables, extract_images, extract_barcodes, extract_metadata), หนึ่งตัวตรวจสอบ (get_document_info) และหนึ่งตัวรายงานสถานะใบอนุญาต (get_license_status).

วิธีที่ 1: ขอค่าที่ต้องการและให้เอเจนต์เลือกเครื่องมือ

ตั้งคำขอเป็นคำถามเกี่ยวกับเอกสาร เอเจนต์จะแมปคำถามไปยังเครื่องมือ

คุณถาม เครื่องมือที่เอเจนต์เรียก
“มันบอกว่าอะไร?” extract_text
“อะไรอยู่ในตาราง?” extract_tables
“ใครเป็นผู้เขียนและเมื่อไหร่?” extract_metadata
“บันทึกรูปภาพ.” extract_images
“บาร์โค้ดเข้ารหัสอะไร?” extract_barcodes

extract_text รองรับ PDF, DOCX, XLSX, PPTX, TXT, HTML, CSV, EML, MSG, RTF, ODT, EPUB และรูปแบบอื่น ๆ อีกกว่า 50 รูปแบบ ดังนั้นคำสั่งเดียวกันทำงานได้ทั้งบนอีเมลและบนสเปรดชีต ผลลัพธ์ที่ใหญ่มากจะถูกตัดด้วยเครื่องหมาย ดังนั้นสำหรับรายงานยาวให้ถามเป็นหน้า ๆ:

สกัดข้อความของรายงาน 40 หน้า นี้หน้าโดยหน้าและสรุปแต่ละส่วน

ตัวอย่างเซสชัน (ย่อ):

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.

วิธีที่ 2: ตรวจสอบชั้นข้อความก่อนที่คุณจะเชื่อผลลัพธ์ที่ว่างเปล่า

PDF ที่สร้างจากดิจิทัลจะมีชั้นข้อความ; การสแกนจะไม่มี บนหน้าที่สแกน extract_text จะคืนข้อความน้อยหรือไม่มีเลย ซึ่งเป็นการบอกสถานะที่ถูกต้องของไฟล์ ทำให้เอเจนต์ทดสอบสิ่งนี้ก่อนทำการสกัด:

ไฟล์นี้มีกี่หน้าและมีข้อความที่สกัดได้หรือไม่?

get_document_info คืนชื่อไฟล์, ประเภท, จำนวนหน้าและขนาดโดยไม่แก้ไขอะไรเลย และการเรียก extract_text หนึ่งหน้าจะบ่งบอกว่ามีข้อความหรือไม่ การเรียกสองครั้งที่มีค่าใช้จ่ายต่ำจะแยก “ไฟล์นี้ว่างเปล่า” จาก “ไฟล์นี้เป็นภาพ” เซิร์ฟเวอร์นี้ไม่มีขั้นตอน OCR ดังนั้นคำที่พิมพ์บนสแกนจะคงเป็นพิกเซล โค้ดเป็นข้อยกเว้นและวิธีที่ 3 จะครอบคลุม

วิธีที่ 3: ดึงข้อมูลที่การสกัดข้อความทำไม่ได้

ตาราง, ภาพและบาร์โค้ดแต่ละประเภทมีเครื่องมือเฉพาะ เพราะการแปลงเป็นข้อความจะทำให้สิ่งที่ทำให้มันมีประโยชน์หายไป

  • extract_tables คืนค่าตาราง Markdown ที่แสดงในแชท หรือแถว JSON เมื่อคุณส่ง format: "json".
  • extract_images บันทึกรูปภาพที่ฝังอยู่ทั้งหมดลงในโฟลเดอร์ผลลัพธ์เป็น <basename>_image<N>.<ext>.
  • extract_barcodes ถอดรหัส Code128, QR Code, PDF417, DataMatrix, EAN-13, EAN-8, UPC, Aztec และอื่น ๆ รวมถึงบนหน้าที่สแกน เนื่องจากโมเดลของเอนจินตรวจจับโค้ดในภาพที่แรสเตอร์ไลซ์

สกัดรายการบรรทัดจาก invoice.pdf เป็น JSON แล้วบันทึกรูปภาพจากหน้า 1

เอเจนต์ต้องการการสกัดข้อมูลหรือการแปลงไฟล์?

งานเหล่านี้ต่างกัน และการเลือกเซิร์ฟเวอร์ผิดจะทำให้เกิดความสับสน

คุณต้องการ เซิร์ฟเวอร์
ค่าจากเอกสาร: ข้อความ, ตาราง, บาร์โค้ด, คุณสมบัติ GroupDocs.Parser.Mcp
เอกสารในรูปแบบอื่นโดยคงรูปแบบเดิม GroupDocs.Conversion.Mcp
Markdown ที่สะอาดของเอกสารทั้งหมดสำหรับ RAG GroupDocs.Markdown.Mcp
เมตาดาต้าแก้ไขหรือเอาออก ไม่ใช่แค่การอ่าน GroupDocs.Metadata.Mcp

หลาย ๆ pipeline ใช้สองเซิร์ฟเวอร์: แปลงเพื่อการนำเข้า, สกัดเพื่อการดึงข้อมูล

รันบนเครื่องของคุณด้วย Docker

เซิร์ฟเวอร์นี้จัดจำหน่ายเป็นภาพ Docker เท่านั้น เอนจินฝังโมเดล ONNX ประมาณ 234 MB ซึ่งทำให้แพคเกจ NuGet เกินขีดจำกัด 250 MB จึงไม่มีคำสั่ง dnx เมานท์โฟลเดอร์เอกสารเป็น /data:

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

ไคลเอนต์ AI ของคุณจะเริ่มคอนเทนเนอร์เป็นกระบวนการลูกผ่าน stdio ไม่มีพอร์ตเข้า และเอกสารจะอยู่บนเครื่องของคุณ การกำหนดค่า per‑client สำหรับ Claude Desktop, Claude Code, VS Code, Cursor, Windsurf, Cline และ Codex อยู่ใน ลงทะเบียนในไคลเอนต์ AI.

ข้อจำกัดคืออะไร?

  • โหมดประเมินผล. หากไม่มีใบอนุญาต การสกัดจะถูกจำกัด; ขีดจำกัดที่แน่นอนอยู่ในหน้า licensing page ของไลบรารี ให้เอเจนต์เรียก get_license_status ก่อนและถือผลลัพธ์ที่ไม่มีใบอนุญาตเป็นการทดสอบเบื้องต้น ไม่ใช่การอ่านครบถ้วน
  • ไม่มี OCR. ข้อความในสแกนไม่สามารถสกัดได้
  • Docker เท่านั้น. คุณต้องติดตั้ง Docker; ภาพค่อนข้างใหญ่ ดังนั้นให้ดึงครั้งเดียว

FAQ

ฉันสามารถสกัดข้อความจาก PDF ด้วย Claude บนเครื่องของฉันได้หรือไม่โดยไม่ต้องอัปโหลด?
ได้ เซิร์ฟเวอร์ทำงานในคอนเทนเนอร์บนเครื่องของคุณและ Claude Desktop สื่อสารกับมันผ่าน stdio ดังนั้นไฟล์จะถูกอ่านจากโฟลเดอร์ที่เมานท์และไม่ถูกส่งไปยังบริการสกัดข้อมูล

ทำไมเอเจนต์ถึงคืนค่าเป็นศูนย์สำหรับ PDF บางไฟล์?
ไฟล์นั้นอาจเป็นสแกนที่ไม่มีชั้นข้อความ ให้เอเจนต์เรียก get_document_info และการเรียก extract_text หนึ่งหน้าตรวจสอบ จากนั้นใช้ extract_barcodes สำหรับโค้ดหรือเครื่องมือ OCR สำหรับคำ

มีคำสั่ง dnx สำหรับ GroupDocs.Parser.Mcp หรือไม่?
ไม่มี ผลิตภัณฑ์นี้เป็น Docker‑only ดังนั้นการติดตั้งทุกครั้งใช้ docker run หรือ entry ของไคลเอนต์ MCP ที่เปิด Docker

ไปลึกกว่า