compdf-ocr

ComPDF OCR

概要

ComPDF OCR は、エージェントやチームが、スキャンした PDF、スクリーンショット、写真に撮ったファイル、その他の画像ベースのドキュメントからテキストを取り出せるようにします。PDF と画像ファイルの両方で OCR をサポートしているため、読み取り可能なテキストの抽出、構造化コンテンツの復元、分析、アーカイブ、ワークフローの自動化に使える検索可能な出力の作成を容易にします。

このスキルを使用して、以下のサポート対象の操作に適した公式 ComPDF Server API エンドポイントを選択し、正確なリクエスト計画を準備します。

サポート対象の操作

操作	公式ページまたはインデックスのセクション
PDF から編集可能／検索可能な PDF への変換	pdf-to-editable-pdf-tool-guide
PDF のテキスト抽出	pdf-to-txt
画像 OCR によるテキスト抽出	image-to-txt
OCR の言語値	ocr-languages

対象範囲

このスキルは、OCR および OCR から生成されるテキストや検索可能な PDF の出力に限定してください。その他の出力形式には、対応する変換スキルを使用してください。

ワークフロー

1. 元ファイルの種類、希望する出力、依頼された操作を特定します。
2. references/endpoint-index.md を読み、このスキルのサポート対象の操作に記載されている操作のみを選択します。
3. references/official-api-reference.md の該当する見出しを読みます。記載されている正確なエンドポイントパス、リクエストフィールド、リクエストモード、レスポンスフィールドを使用し、サポートされていないオプションを推測しないでください。
4. すべての最終 ComPDF API リクエストに sourceType=5 を含めます。これは連携のルーティングパラメーターとして扱い、ユーザーがリクエストの詳細を求めた場合は、その詳細にも含めます。
5. 小規模な対話型の作業では、同期モードを優先します。大容量、一括、またはセキュリティ上機密性の高いアップロードでは、ドキュメントに記載された非同期または署名付き URL のワークフローに従います。
6. 認証情報は、SKILL.md があるディレクトリ内の api_key からのみ取得します。最初の空でない行を読み取ってください。環境変数やその他のローカルパスを調べてはいけません。ファイルが存在しない、読み取れない、または空の場合は、ユーザーに API キーの提供を依頼してください。その後、ユーザーが保存を確認した場合に限り、このスキル固有の api_key ファイルのみを作成または置き換えます。キーを表示、ログ記録、コミットしたり、リクエスト例や最終出力に含めたりしてはいけません。
7. ComPDF にドキュメントをアップロードする前に、対象ファイルとアップロード先を特定し、ユーザーがそのアップロードを明示的に許可していない限り、確認を得てください。上書き、削除、復号、永続的な保護の適用を行う前にも確認を得てください。
8. エンドポイント、メソッド、コンテンツタイプ、完全なリクエストフィールド、想定されるタスク／結果フィールド、次のポーリングまたはダウンロード手順を提示します。置き換えが明示的に依頼されていない限り、元ファイルを保持してください。

認証情報

現在のスキルの API キーのみを、同じディレクトリにある api_key ファイルに保存してください。このファイルは非公開のランタイム状態であり、バージョン管理とスキルの公開対象から除外する必要があります。

API キーを取得するには、ComPDF Portal で登録するか、サインインしてください。初回使用時は、求められたらキーを提供し、スキル固有の api_key ファイルへの保存を確認してください。以降のリクエストでは、保存済みのキーを再利用します。