Google为其支持REST/gRPC的服务发布了interface definitions（protos）：

• documentai
• v1beta3
• Document

在这个仓库中，Google的服务库合并一个更高级别的REST抽象**和一个更低级别的gRPC实现。
因此，如果您使用Google的Python SDK for DocumentAI，则可能已经生成了例如Document的Python存根，并且是SDK的一部分，您可以利用这些存根。或者，您可以使用protoc为自己生成存根，尽管这有点麻烦，因为您需要正确配置--proto_path才能访问import的protos。
假设您已经（稀疏 checkout ）googleapis/googleapis并且位于克隆的根目录中：

.
├── google
│   └── cloud
│       └── documentai
│           └── v1beta3
└── protoc-22.2-linux-x86_64
    ├── bin
    └── include

然后，您可以使用以下命令为document.proto生成Python存根。存根将位于document.proto源代码旁边：

protoc \
--proto_path=${PWD} \
--python_out=${PWD} \
--pyi_out=${PWD} \
${PWD}/google/cloud/documentai/v1beta3/document.proto

一旦你有了Protobuf消息，你可以使用SerializeToString或者文本格式来MessageToString。

注意SerializeToString序列化为binary格式，下面是使用它的示例。

好的，“序列化”是指将Document对象保存为JSON还是实际的.proto文件或二进制文件？
在使用Document AI API和客户端库（如Python）时，可以使用Document.to_json()方法将Document proto保存为文件的JSON字符串。
注意：如果您使用批处理而不是在线处理，则结果将在Google Cloud Storage中的JSON文件中。
联机处理示例：

from google.cloud import documentai

client = documentai.DocumentProcessorServiceClient()

# Create Processing Request
# Refer to https://cloud.google.com/document-ai/docs/send-request

# Send Processing Request
result = client.process_document(request=request)

# Serialize the Document Proto to JSON
json_string = Document.to_json(result.document, including_default_value_fields=False)

# Write JSON String to File
with open(json_file, "w") as outfile:
    outfile.write(json_string)

此外，您在帖子中链接的文档是针对Document AI Toolbox的，这是一个用于文档AI的附加Python SDK，具有用于预处理和后处理的辅助函数，旨在与文档AI结合使用。
以下是有关在由Document AI处理的文档上使用Document AI Toolbox的信息。
https://cloud.google.com/document-ai/docs/handle-response#toolbox