كيفية أتمتة تحرير PDF باستخدام وكلاء الذكاء الاصطناعي وWebMCP

ترسل كثير من حلول الأتمتة ملف PDF إلى خدمة بعيدة. يتبع pdfmend نهجًا مختلفًا: يعمل المحرر داخل المتصفح، وتستدعي واجهات الأتمتة منطق التحرير المحلي نفسه الذي تستخدمه عناصر التحكم المرئية. يستطيع الشخص استخدام الواجهة، ويستطيع وكيل يعتمد على Playwright استدعاء واجهة ذات إصدار محدد، كما يستطيع وكيل في متصفح متوافق اكتشاف أدوات WebMCP. ولا يحتاج المستند إلى نقطة رفع لدى pdfmend.

وهذا يجعل pdfmend جاهزًا للوكلاء بمعنى محدد وقابل للاختبار. ينشر الموقع ملفات اكتشاف قابلة للقراءة آليًا ومحددات ثابتة وإجراءات منظمة ورموز أخطاء صريحة. ولا يعني ذلك أن كل مساعد ذكاء اصطناعي يستطيع التحكم في كل ميزة أو أن WebMCP متاح في كل المتصفحات.

يجب أن يتمكن الوكيل من اكتشاف الوظائف وفهم المدخلات والتحقق من جاهزية المحرر وتلقي نتيجة أو خطأ منظم. يوفر pdfmend أربع طبقات متكاملة:

• واجهة متصفح سهلة الوصول. تتيح عناصر التحكم الدلالية وتسميات ARIA ومعرفات الاختبار الثابتة للوكلاء استخدام الواجهة نفسها التي يستخدمها الإنسان.
• واجهة متصفح ذات إصدار محدد. توفر window.pdfmend.v1 إجراءات منظمة لأتمتة موثوقة باستخدام Playwright أو Puppeteer أو Stagehand أو أدوات مشابهة.
• أدوات WebMCP. عندما يوفر متصفح أو جسر متوافق document.modelContext، يسجل pdfmend أدوات محددة الأنواع تعيد بيانات وصفية فقط.
• وثائق قابلة للقراءة آليًا. تصف llms.txt وllms-full.txt و agents.json وفهرس Agent Skills المنتج وواجهاته وحدود الخصوصية.

يمكن استخدام كل طبقة بصورة مستقلة. يستطيع منفذ الأتمتة الحالي استخدام واجهة النافذة من دون انتظار دعم WebMCP الأصلي، بينما يستخدم عميل WebMCP التجريبي مجموعة الأدوات الأكثر تقييدًا.

استخدم الواجهة المرئية عندما تعتمد المهمة على عنصر غير موجود في العقد البرمجي، أو عندما ينبغي للإنسان مراجعة كل خطوة. يوضح قسم Automation في llms.txt إشارات الجاهزية والأدوار والمحددات الثابتة.

استخدم window.pdfmend.v1 في أتمتة متصفح موثوقة تحتاج إلى فتح بايتات PDF أو قراءة أبعاد الصفحات أو إضافة نصوص وصور أو إعادة ترتيب الصفحات أو التراجع واستلام نسخة مصدرة. تقبل هذه الواجهة base64 وتعيده، لذلك يجب أن تكون البيئة التي تتحكم في المتصفح موثوقة. لا يرسل pdfmend هذه القيم، لكن الكود المستدعي يقرر ما يحدث لها بعد استلامها.

استخدم WebMCP عندما يجب أن يعمل الوكيل من خلال عقد ضيق عمدًا. لا تقبل واجهة WebMCP بايتات المستند ولا تعيدها في النتيجة. يمكنها الإبلاغ عن الإمكانات والحالة، وإنشاء مستند فارغ، وإضافة نص، وتشغيل تنزيل محلي، أو حفظ نسخة في مكتبة المتصفح المحلية.

ابدأ من https://pdfmend.app/agents.json. يحدد الملف عنوان المحرر وواجهة النافذة وأسماء أدوات WebMCP وشروط الخصوصية. يقدم https://pdfmend.app/llms.txt المرجع المختصر، ويضيف llms-full.txt الأدلة العامة، بينما يشير /.well-known/agent-skills/index.json إلى مهارة مثبتة بملخص تشفيري.

في الصفحة الرئيسية، يستطيع عميل WebMCP متوافق استدعاء pdfmend_get_capabilities وpdfmend_get_version. في المحرر، تعلن واجهة النافذة version: 1 ولا تسجل أدوات المحرر إلا ما دامت صفحة المحرر مركبة.

تمثل الحقول ready وbusy وdocumentOpen وdirty وsignatureGate حالة حقيقية. ينبغي للوكيل انتظار الجاهزية وتجنب التعديلات المتزامنة والتعامل مع تحذيرات التوقيع أو الجلسة المعدلة.

1. افتح المحرر في سياق متصفح يتحكم فيه المستخدم أو منفذ محلي موثوق.
2. انتظر ظهور الواجهة وأن يعيد getState() القيمة ready. لا تعتمد على مهلة ثابتة أو على مظهر الصفحة وحده.
3. استخدم window.pdfmend.v1 إذا كان يجب إدخال بايتات المستند إلى سياق الأتمتة أو إخراجها منه، واستخدم WebMCP لإجراءات البيانات الوصفية، وعناصر الواجهة الثابتة للميزات الأخرى.
4. اقرأ الحالة قبل التعديل. يبدأ ترقيم الصفحات من واحد، وتستخدم الإحداثيات نقاط PDF انطلاقًا من الزاوية السفلية اليسرى للصفحة غير المدورة.
5. نفذ الإجراءات وتعامل مع رموز مثل SESSION_BUSY وSESSION_DIRTY و SIGNATURE_GATE وPDF_PAGE_NOT_FOUND.
6. صدر بوعي. تستطيع واجهة النافذة إعادة base64 إلى المنفذ الموثوق. أما WebMCP فتشغل تنزيلًا محليًا وتعيد اسم الملف وطوله فقط.
7. تحقق من النتيجة قبل مشاركتها. لا تحول الأتمتة الميزات التجريبية إلى تنقيح معتمد.

تسجل الصفحة الرئيسية pdfmend_get_capabilities وpdfmend_get_version. ويسجل المحرر pdfmend_get_state وpdfmend_open_blank وpdfmend_add_text و pdfmend_export_download وpdfmend_save_to_library. كل النتائج صغيرة وتحتوي على بيانات وصفية، لا بايتات PDF.

WebMCP مسودة متطورة ضمن مجموعة مجتمعية في W3C، وليست واجهة منتشرة في كل المتصفحات. يكتشف pdfmend وجود document.modelContext ويحافظ على التوافق مع واجهة navigator السابقة. ولا يحمل polyfill. إذا لم يوفر المتصفح واجهة أصلية أو جسرًا، فلن تسجل أدوات WebMCP ببساطة، بينما يستمر الموقع و window.pdfmend.v1 في العمل.

يبقى الوعد كما هو في دليل التحرير المحلي: لا يملك pdfmend نقطة تستقبل محتوى المستند. تعمل الإجراءات المرئية والبرمجية داخل المتصفح. قد ترسل تحليلات استخدام بلا ملفات تعريف ارتباط وبلا محتوى، لكن بايتات PDF ونصوصه ليست حقولًا تحليلية.

للواجهتين نموذجا ثقة مختلفان. تستطيع واجهة النافذة نقل base64 بين الصفحة ومنفذ موثوق. تستبعد WebMCP البايتات في الاتجاهين حتى لا تظهر في نتيجة ترسل إلى نموذج بعيد. وليست أي منهما واجهة عامة لمعالجة PDF على خادم بعيد.

كما لا تعرض الواجهات الحالية كل أدوات المحرر. لا تستورد WebMCP ملف PDF قائمًا ولا توفر OCR أو استبدال النصوص بالجملة. تستهلك مستندات base64 الكبيرة ذاكرة كبيرة. استخدم الواجهة المرئية أو المحددات الثابتة عندما لا تتوفر للمهمة المدعومة عملية منظمة بعد.