rdp-cli
RDPとAIエージェントでPDFワークフローを自動化する方法
RDPでPDFワークフローを自動化する理由
リモートWindowsアプリでPDFを処理するために、AIエージェントはRDPで接続し、インストール済みのPDFソフトを操作し、ダイアログに対応し、新しいスクリーンショットで書き出し結果を確認できます。
ローカルのWindowsソフト、社内テンプレート、共有フォルダー、デスクトップ設定に依存する作業に向いています。PDF APIを新しく作る代わりに、チームが使っているアプリを操作できます。
rdp-cliを使えば、エージェントはRDPセッションに接続し、画面を取得し、コントロールをクリックし、文字を入力して次の画面を確認できます。RDPとVNCの機能も参照してください。
PDFを転送、処理、確認する
- 元のPDFをリモートワークスペースへ送る。
- PDFアプリを開く。
- 現在の画面を取得して次の操作を探す。
- 結合、書き出し、名前変更、保存を行う。
- もう一度画面を取得して結果を確認する。
- 完成したPDFをダウンロードする。
エージェントは「観察、操作、確認」のループを使います。
.\rdp-cli.exe screenshot --session SESSION --out .\before.png
.\rdp-cli.exe click --session SESSION --desktop --x X --y Y --observation OBSERVATION
.\rdp-cli.exe screenshot --session SESSION --out .\after.png
座標とobservationは最新のスクリーンショットから取得します。クリックが成功しても、PDFアプリが処理を完了したとは限りません。
例：PDFレポートを結合して書き出す
月次レポートでは、複数のPDFを正しい順番に結合し、テンプレートを適用し、PDFまたはPDF/Aとして書き出します。最後にページ数とファイル名を確認してダウンロードします。
サーバーがドライブリダイレクトを許可していれば、RDPセッションでファイルを交換できます。rdp-cliクイックスタートで接続と操作を確認できます。
ダイアログと人による確認
上書き確認、フォント不足、ログイン画面、セキュリティ警告が出ることがあります。予想したダイアログが出ない場合、エージェントは停止して画面を確認します。
重要な文書では、人が同じセッションを開き、入力を一時停止して確認できます。必要なら操作を引き継ぎ、終わったらエージェントに戻せます。
安定したPDF自動化のルール
- 入力ファイルの順番を確認する。
- 出力形式と保存先を確認する。
- 書き出したページとダウンロードしたファイルを確認する。
- パスワードや機密文書をプロンプトに入れない。
- 信頼できるネットワークまたはVPNでRDPを使う。
よくある質問
APIがなくてもPDFを処理できますか？
はい。RDP、スクリーンショット、マウス、キーボードで既存のWindows PDFアプリを操作できます。
PDFの書き出し結果はどう確認しますか？
画面、ファイル名、ページ数、ダウンロードしたファイルを確認してから完了と判断します。
重要な文書は人が最終確認してください。