Cómo automatizar la edición de PDF con agentes de IA y WebMCP

Muchas soluciones de automatización envían el PDF a un servicio remoto. pdfmend adopta otro enfoque: el editor se ejecuta dentro del navegador y sus interfaces de automatización llaman a la misma lógica local que los controles visibles. Una persona puede usar la interfaz, un agente basado en Playwright puede llamar a una API versionada y un agente de un navegador compatible puede descubrir herramientas WebMCP. El documento no necesita una API de subida de pdfmend.

Esto hace que pdfmend esté preparado para agentes de una forma concreta y comprobable. Publica archivos de descubrimiento legibles por máquinas, selectores estables, acciones estructuradas y códigos de error explícitos. No significa que todos los asistentes de IA puedan controlar todas las funciones ni que WebMCP esté disponible en todos los navegadores.

Un sitio preparado para agentes debe permitir que el agente descubra las funciones, comprenda los datos de entrada, observe si el editor está listo y reciba un resultado o error estructurado. pdfmend ofrece cuatro capas:

• Interfaz accesible. Los controles semánticos, las etiquetas ARIA y los identificadores estables permiten usar la misma interfaz que una persona.
• API versionada del navegador. window.pdfmend.v1 ofrece acciones estructuradas para automatización de confianza con Playwright, Puppeteer, Stagehand o herramientas similares.
• Herramientas WebMCP. Si un navegador o puente compatible ofrece document.modelContext, pdfmend registra herramientas tipadas que solo devuelven metadatos.
• Documentación para máquinas. llms.txt, llms-full.txt, agents.json y el manifiesto Agent Skills describen el producto, sus interfaces y sus límites de privacidad.

Estas capas funcionan por separado. Un ejecutor actual puede usar la API de ventana sin esperar a que WebMCP sea nativo, mientras que un cliente WebMCP experimental puede usar el subconjunto más limitado.

Use la interfaz visible cuando el flujo dependa de un control que no forme parte del contrato programático o cuando una persona deba revisar cada paso. La sección de automatización de llms.txt documenta las señales de estado, los roles y los selectores estables.

Use window.pdfmend.v1 en una automatización de navegador de confianza que necesite abrir bytes de PDF, consultar la geometría de las páginas, añadir texto o imágenes, reorganizar páginas, deshacer cambios y recibir una copia exportada. Esta API acepta y devuelve base64, por lo que debe confiar en el entorno que controla el navegador. pdfmend no transmite esos valores, pero el código del ejecutor decide qué hacer con ellos.

Use WebMCP cuando el agente deba actuar mediante un contrato deliberadamente reducido. La fachada WebMCP no acepta bytes del documento ni los devuelve en el resultado. Puede informar de capacidades y estado, crear un documento en blanco, añadir texto, iniciar una descarga local o guardar una copia en la biblioteca del navegador.

Empiece por https://pdfmend.app/agents.json. Allí se identifican la URL del editor, la API versionada, las herramientas WebMCP y las condiciones de privacidad. Consulte https://pdfmend.app/llms.txt para la referencia breve; llms-full.txt añade las guías públicas y /.well-known/agent-skills/index.json publica la habilidad con su resumen criptográfico.

En la página principal, un cliente WebMCP compatible puede llamar a pdfmend_get_capabilities y pdfmend_get_version. En el editor, la API de ventana declara version: 1 y las herramientas específicas del editor solo existen mientras esa superficie está montada.

Los campos ready, busy, documentOpen, dirty y signatureGate son estado real. El agente debe esperar a que el editor esté listo, evitar cambios simultáneos y resolver las advertencias de firma o de sesión modificada.

1. Abra el editor en un contexto controlado por el usuario o por un ejecutor local de confianza.
2. Espere a que exista la API y a que getState() indique ready. No dependa de una pausa fija ni de la apariencia visual de la página.
3. Use window.pdfmend.v1 si los bytes deben entrar o salir del contexto de automatización; WebMCP para sus acciones de metadatos; y los controles estables para las funciones que no estén en ninguna fachada.
4. Lea el estado antes de modificar. Las páginas empiezan en uno y las coordenadas usan puntos PDF desde la esquina inferior izquierda de la página sin rotar.
5. Aplique acciones y gestione códigos como SESSION_BUSY, SESSION_DIRTY, SIGNATURE_GATE o PDF_PAGE_NOT_FOUND.
6. Exporte de forma consciente. La API de ventana puede devolver base64 al ejecutor de confianza. WebMCP inicia una descarga local y devuelve solo el nombre y el tamaño del archivo.
7. Revise el resultado antes de compartirlo. La automatización no convierte las funciones experimentales en una redacción certificada.

La página principal registra pdfmend_get_capabilities y pdfmend_get_version. El editor registra pdfmend_get_state, pdfmend_open_blank, pdfmend_add_text, pdfmend_export_download y pdfmend_save_to_library. Todos los resultados son pequeños y contienen metadatos, no bytes del PDF.

WebMCP es un borrador en evolución de un grupo comunitario del W3C, no una API presente de forma universal. pdfmend detecta document.modelContext y mantiene compatibilidad con la superficie anterior del navegador. No incluye un polyfill. Si el navegador no ofrece WebMCP ni un puente, las herramientas no se registran; el sitio y window.pdfmend.v1 siguen funcionando.

La promesa coincide con la guía de edición local: pdfmend no tiene un endpoint que reciba el contenido del documento. Las acciones visibles y programáticas se ejecutan en el navegador. Puede enviarse analítica sin cookies y sin contenido, pero los bytes y el texto del PDF no son campos analíticos.

Las dos fachadas tienen modelos de confianza distintos. La API de ventana puede mover base64 entre la página y un ejecutor de confianza. WebMCP excluye los bytes en ambas direcciones para protegerlos de un modelo remoto. Ninguna es una API general de procesamiento remoto.

Las API actuales tampoco exponen todas las funciones de la barra de herramientas. WebMCP no importa un PDF existente y no ofrece OCR ni reemplazo masivo. Los documentos base64 grandes consumen mucha memoria. Use la interfaz o los selectores estables cuando una tarea compatible aún no tenga una acción estructurada.