Как автоматизировать редактирование PDF с ИИ-агентами и WebMCP

Многие средства автоматизации отправляют PDF в удалённый сервис. pdfmend работает иначе: редактор выполняется в браузере, а интерфейсы автоматизации вызывают ту же локальную логику, что и видимые элементы управления. Человек может пользоваться интерфейсом, агент на основе Playwright может вызвать версионированный API, а агент совместимого браузера может обнаружить инструменты WebMCP. Документу по-прежнему не нужен сервер загрузки pdfmend.

Поэтому готовность pdfmend к агентам конкретна и проверяема. Сайт публикует машиночитаемые файлы обнаружения, стабильные селекторы, структурированные действия и явные коды ошибок. Это не означает, что любой ИИ-помощник может управлять каждой функцией или что WebMCP доступен во всех браузерах.

Агент должен суметь найти функции, понять входные данные, проверить готовность редактора и получить структурированный результат либо ошибку. pdfmend предоставляет четыре уровня:

• Доступный интерфейс. Семантические элементы, метки ARIA и стабильные тестовые идентификаторы позволяют агенту использовать тот же интерфейс, что и человеку.
• Версионированный браузерный API. window.pdfmend.v1 предоставляет структурированные действия доверенной автоматизации на Playwright, Puppeteer, Stagehand и похожих инструментах.
• Инструменты WebMCP. Если совместимый браузер или мост предоставляет document.modelContext, pdfmend регистрирует типизированные инструменты, возвращающие только метаданные.
• Машиночитаемая документация. llms.txt, llms-full.txt, agents.json и манифест Agent Skills описывают продукт, интерфейсы и границы приватности.

Эти уровни независимы. Современный исполнитель может пользоваться API окна, не дожидаясь нативного WebMCP, а экспериментальный WebMCP-клиент — более узким и безопасным набором инструментов.

Используйте видимый интерфейс, если сценарий зависит от функции вне программного контракта или если человеку нужно проверять каждый шаг. Раздел Automation в llms.txt описывает сигналы готовности, роли и стабильные селекторы.

Используйте window.pdfmend.v1 для доверенной браузерной автоматизации, которой нужно открыть байты PDF, прочитать геометрию страниц, добавить текст или изображения, переставить страницы, отменить действие и получить экспортированную копию. API принимает и возвращает base64, поэтому управляющая среда должна быть доверенной. pdfmend не передаёт эти значения, но вызывающий код сам решает, что произойдёт с ними дальше.

Используйте WebMCP, когда агент должен работать через намеренно узкий контракт. Интерфейс WebMCP не принимает байты документа и не возвращает их в результате. Он может сообщить возможности и состояние, создать пустой документ, добавить текст, запустить локальное скачивание или сохранить копию в локальной библиотеке браузера.

Начните с https://pdfmend.app/agents.json. В нём указаны URL редактора, версионированный API, названия WebMCP-инструментов и условия приватности. https://pdfmend.app/llms.txt содержит краткую справку, llms-full.txt добавляет публичные руководства, а /.well-known/agent-skills/index.json указывает на навык с проверяемым криптографическим отпечатком.

На главной странице совместимый WebMCP-клиент может вызвать pdfmend_get_capabilities и pdfmend_get_version. В редакторе API окна сообщает version: 1, а инструменты редактора регистрируются только на время работы этой страницы.

Поля ready, busy, documentOpen, dirty и signatureGate отражают реальное состояние. Агент должен дождаться готовности, избегать параллельных изменений и корректно обрабатывать предупреждения о подписи или несохранённой сессии.

1. Откройте редактор в контексте браузера, которым управляет пользователь или доверенный локальный исполнитель.
2. Дождитесь появления API и значения ready от getState(). Не полагайтесь на фиксированную паузу или только на внешний вид страницы.
3. Выберите window.pdfmend.v1, если байты должны входить в контекст автоматизации или выходить из него; WebMCP для действий только с метаданными; стабильный интерфейс для остальных функций.
4. Прочитайте состояние перед изменением. Нумерация страниц начинается с единицы, координаты задаются в точках PDF от нижнего левого угла неповёрнутой страницы.
5. Выполните действия и обработайте коды SESSION_BUSY, SESSION_DIRTY, SIGNATURE_GATE или PDF_PAGE_NOT_FOUND.
6. Экспортируйте осознанно. API окна может вернуть base64 доверенному исполнителю. WebMCP запускает локальное скачивание и возвращает только имя и размер файла.
7. Проверьте результат перед отправкой. Автоматизация не превращает экспериментальные функции в сертифицированное удаление данных.

Главная страница регистрирует pdfmend_get_capabilities и pdfmend_get_version. Редактор регистрирует pdfmend_get_state, pdfmend_open_blank, pdfmend_add_text, pdfmend_export_download и pdfmend_save_to_library. Все результаты малы и содержат метаданные, а не байты PDF.

WebMCP — развивающийся черновик Community Group W3C, а не повсеместно доступный браузерный API. pdfmend обнаруживает document.modelContext и сохраняет совместимость с прежним интерфейсом навигатора. Полифилл не загружается. Если в браузере нет нативного API или моста, инструменты WebMCP просто не регистрируются; сайт и window.pdfmend.v1 продолжают работать.

Обещание совпадает с руководством по локальному редактированию: у pdfmend нет endpoint, принимающего содержимое документа. Видимые и программные действия выполняются в браузере. Может отправляться обезличенная аналитика без cookie и содержимого, но байты и текст PDF не являются полями аналитики.

У двух интерфейсов разные модели доверия. API окна может перемещать base64 между страницей и доверенным исполнителем. WebMCP исключает байты в обоих направлениях, чтобы они не попали в ответ удалённой модели. Ни один интерфейс не является универсальным серверным API обработки PDF.

Текущие API также охватывают не все функции панели. WebMCP не импортирует существующий PDF и не предлагает OCR или массовую замену. Большие документы в base64 требуют много памяти. Используйте интерфейс или стабильные селекторы, если у поддерживаемой задачи пока нет структурированного действия.