Agenti a CAD
Computer Use vs BIM API: tři cesty, jak AI agent postaví model
AI agent může proklikat rozhraní CADu, volat API desktopového BIM softwaru, nebo budovu napsat jako program, který BIM jádro provede a zkontroluje. Model vznikne ve všech třech případech. Liší se v tom, co agent vidí, kolik stojí jeden krok, jak se k němu vrací chyby a jestli jde výsledek zopakovat.
- V BIM Harness píše agent skript ve stavebním dialektu s více než stovkou sloves
- Rodinný dům se na jádře postaví zhruba za 7 sekund - pomalou částí je jazykový model
- Chyby se vrací jako pojmenované nálezy, třeba door.obstructed, ne jako screenshot k výkladu
- Stejný skript na stejném jádře postaví stejný model
Computer Use v GUI
- Screenshot
- Pohyb myši
- Menu
- Dialog
- Příkaz CADu
- Model
Jedno volání modelu na každou interakci
API nástroje / MCP
- Volání nástroje
- Desktopový BIM software
- Výsledek
- Další volání
- Model
Strukturovaná volání, jedno po druhém
Program budovy (BIM Harness)
- Skript ve stavebním dialektu
- Zkušební sestavení v jádře
- Pojmenované nálezy
- Cílená úprava
- Ostré sestavení
Jeden artefakt, provedený a zkontrolovaný
Umí AI agenti ovládat CAD?
Computer Use automatizuje práci se softwarem. BIM Harness dělá programovatelným samotný model budovy: agent napíše program budovy a BIM jádro ho provede a vrátí pojmenované nálezy.
Ano, AI agenti CAD ovládat umí - a cest je víc. Multimodální model se může dívat na obrazovku a ovládat myš a klávesnici jako člověk. Model může volat funkce, které desktopový BIM software zpřístupní přes plugin nebo server Model Context Protocol (MCP). Anebo může budovu rovnou napsat jako kód v doménovém jazyce, ze kterého BIM jádro sestaví model.
Nejde o konkurenční značky téhož nápadu. Každá cesta pracuje na jiné úrovni. První automatizuje uživatelské rozhraní. Druhá automatizuje software za rozhraním, volání po volání. Třetí přesouvá práci tam, kde je model skutečně definovaný: do objektového modelu a jeho pravidel. Která se hodí, záleží na tom, co software nabízí a co potřebujete dostat zpátky.
Tři cesty v porovnání podle toho, na čem u modelu záleží
Srovnáváme cesty, ne konkrétní produkty. Každou jde udělat dobře i špatně; tabulka ukazuje, s čím agent na dané cestě ze své podstaty pracuje.
| Computer Use v GUI | API / MCP desktopového BIM | Program budovy + BIM jádro | |
|---|---|---|---|
| Co agent vytváří | Kliknutí, stisky kláves a vstupy do dialogů | Posloupnost volání nástrojů | Jeden skript ve stavebním dialektu |
| Co agent vidí | Screenshoty rozhraní | Návratové hodnoty jednotlivých volání | Pojmenované nálezy z kontroly, rozdělené na autorské a nálezy jádra |
| Cena jednoho kroku | Volání modelu na každou interakci s obrazovkou | Volání modelu na každé volání nástroje | Jádro provede celý skript; model se volá, aby skript napsal a opravil |
| Zotavení z chyby | Všimnout si špatného kliknutí nebo nečekaného dialogu a zkusit znovu | Přečíst chybovou hlášku volání | Přečíst pojmenovaný nález (door.obstructed, clash.hard) a cíleně upravit skript |
| Opakovatelnost | Závisí na stavu obrazovky, rozložení oken a časování | Závisí na pořadí volání a stavu aplikace | Stejný skript na stejném jádře postaví stejný model |
| Verzování | Záznam akcí | Log volání | Textový soubor, který jde porovnat, číst a upravovat |
| Kam se hodí nejlépe | Software, který své funkce nabízí jen přes GUI | Řízení existující instalace desktopového BIM | Generování a přegenerování celé budovy včetně systémů |
Násobky nákladů tu záměrně neuvádíme. Jistá je struktura: cesta přes GUI platí za každou interakci, cesta přes program platí za napsání programu.
Computer Use: cenné tam, kde jsou jedinými dveřmi GUI
Computer Use nechá model ovládat software stejně jako člověk: udělá screenshot, rozhodne, kam kliknout, otevře menu, vyplní dialog, potvrdí a udělá další screenshot. U spousty softwaru jiná cesta dovnitř není. Starší nástroje, interní aplikace a programy bez jakéhokoli skriptovacího rozhraní nabízejí své funkce jen přes obrazovku. Pro ně je agent, který vidí a kliká, skutečný krok vpřed.
U modelů budov ale limity nevychází z agenta, nýbrž z rozhraní. Stěna zadaná přes dialog je stěna zadaná přes dialog - co se stalo, zjistí agent zase jen z pixelů. Každý krok je volání modelu. Nečekané okno, jiná velikost okna nebo pomalé překreslení změní, co ukáže další screenshot. A záznam práce je řada interakcí, ne popis budovy, který by někdo mohl přečíst a změnit.
API nebo MCP nad existujícím desktopovým BIM softwarem
Druhá cesta pixely přeskakuje. Desktopová aplikace nebo plugin do ní zpřístupní funkce typu „vytvoř stěnu“ nebo „vypiš místnosti“ a jazykový model je volá jako nástroje. Nejznámějším příkladem jsou MCP servery pro zaběhlé desktopové BIM nástroje - jeden už dodává i Autodesk. Je to rozumný způsob, jak přidat agenta do práce, která v takovém softwaru už probíhá.
Agent teď místo screenshotů dostává strukturované návratové hodnoty, což je skutečné zlepšení. Tvar práce ale zůstává stejný: model posílá volání jedno po druhém do běžící aplikace a model budovy existuje jen jako stav, který po těch voláních zůstane. Agent pracuje uvnitř nástroje navrženého pro lidskou obsluhu.
Program budovy, který provede jádro s kontrolou
V BIM Harness AI nepíše geometrii, ale program: skript ve stavebním dialektu Harness s voláními jako api.wall, api.space a api.door, který parametrické jádro Harness provede a zkontroluje.
Třetí cesta bere budovu jako něco, co se píše, ne kliká. Agent neobsluhuje žádnou aplikaci. Napíše skript, jádro z něj sestaví parametrický objektový model a kontrola ohlásí, co je špatně, a to tak, aby s tím agent mohl pracovat. Jádro je ta rychlá a levná část. Při skutečném produkčním běhu rodinného domu trvalo sestavení modelu v prohlížeči zhruba 7 sekund a položení TZB asi 6 sekund; téměř veškerý čas připadl na přemýšlení jazykového modelu.
Funguje to jen proto, že jádro bylo pro tenhle účel napsané. BIM Harness stojí na vlastním parametrickém jádře, napsaném od nuly, ne na pluginu do cizího CADu. Stejné Scripting API, se kterým staví agent, mají v editoru k dispozici i lidé: co umí agent, umíte i vy.
Co agent píše
Zkrácená část skutečného skriptu, testovaného proti jádru. Dveře jsou ke stěně připojené přes její id - jako vazba, ne jako dvojice souřadnic, které by model musel trefit.
const ground = api.ensureStorey('1. NP', 0);
const W = 12, D = 8, H = 3.4;
const outline = [[0,0],[W,0],[W,D],[0,D]];
api.floorAssembly({ slabOutline: outline, wallOutline: outline, storey: ground });
const south = api.wall({ start: [0,0], end: [W,0], storey: ground, height: H });
api.wall({ start: [W,0], end: [W,D], storey: ground, height: H });
api.wall({ start: [W,D], end: [0,D], storey: ground, height: H });
api.wall({ start: [0,D], end: [0,0], storey: ground, height: H });
const partition = api.wall({ start: [W/2,0], end: [W/2,D], storey: ground, height: H, thickness: 0.15 });
api.space({ outline: [[0,0],[W/2,0],[W/2,D],[0,D]], storey: ground, height: H, name: 'Hala', type: 'hall' });
api.space({ outline: [[W/2,0],[W,0],[W,D],[W/2,D]], storey: ground, height: H, name: 'Pracovna', type: 'office' });
api.door({ wall: partition.id, offset: D/2, width: 0.9 });
api.door({ wall: south.id, offset: W/4, width: 1.4 });
api.window({ wall: south.id, offset: 3*W/4, width: 1.2, sill: 0.9 });Kde se rozdíl projeví v praxi
Pozorovatelnost
Screenshot agentovi řekne, jak vypadá obrazovka. Kontrola mu řekne, co je špatně s budovou: clash.hard, door.obstructed, stair.throughFabric, room.accessEnvelope. Nálezy jsou strojově čitelné a rozdělené na autorské, které má model opravit, a nálezy jádra.
Opakovatelnost
Jazykový model deterministický není, provedení ano. Stejný skript na stejném jádře postaví stejný model a rozvody TZB i řešení kolizí obstarávají deterministické řešiče, ne jazykový model.
Cena kroku
Na cestě přes GUI je každá interakce voláním modelu. Program je jeden artefakt, který jádro provede během sekund; model se platí za napsání a opravu programu, ne za posouvání každé stěny na místo.
Zotavení z chyby
Když sloveso nemůže udělat, co se po něm chce, jádro odmítne a řekne proč. V produkčním běhu jádro odpovědělo „api.gable: the roof given does not cover this wall … It was not built.“ Model tu část skriptu přepsal.
Verzování
Skript je text. Jde porovnat, zrevidovat a upravit. Agent si svůj skript přečte zpátky a mění ho cílenými úpravami, místo aby psal všechno znovu nebo přehrával sezení plné kliknutí.
Jak se na cestě přes program opraví chyba
Smyčka, kterou agent běží, je krátká a explicitní. Dokud zkušební sestavení neprojde, nic se neuloží.
- 1
Zkušební sestavení
Jádro skript sestaví a zkontroluje. Do projektu se nic neuloží.
- 2
Pojmenované nálezy
Kontrola vrátí nálezy jako door.obstructed nebo clash.hard, každé navázané na svou příčinu.
- 3
Plán oprav
Nálezy se promítnou do plánu oprav pro další kolo, takže agent ví, co a proč změnit.
- 4
Cílená úprava
Agent si skript přečte zpátky a upraví dotčené řádky, zbytek budovy nechá být.
- 5
Ostré sestavení
Opravený skript proběhne jako ostré sestavení a stane se modelem, který otevřete, upravíte a vyexportujete do IFC4X3.
Agent vedle modelu, který postavil
Computer Use automatizuje práci se softwarem. BIM Harness dělá programovatelným samotný model budovy.
Kterou cestu zvolit
Pokud software, který potřebujete automatizovat, nemá API ani skriptovací rozhraní, je Computer Use často jedinou praktickou cestou - a dobrou. Pokud váš tým už pracuje v zaběhlém desktopovém BIM nástroji a chce asistenta přímo v něm, API nebo MCP server nad tím nástrojem nechá všechny ve známém prostředí.
Pokud je cílem vygenerovat celou budovu - podlaží, konstrukce, místnosti, fasádu, střechu i systémy TZB - a pak ji znovu a znovu měnit, škáluje cesta přes program. Model budovy žije jako čitelný skript a parametrický objektový model, geometrii obstarává jádro a výstupem je otevřené IFC4X3, se kterým naváže desktopový BIM software i CDE.
Časté otázky
Jaký je rozdíl mezi Computer Use a API pro CAD?
Computer Use nechá AI model ovládat CAD přes grafické rozhraní: dělá screenshoty, hýbe myší, otevírá menu a vyplňuje dialogy, s voláním modelu na každou interakci. Cesta přes API nechá model volat funkce softwaru přímo a číst strukturované výsledky. BIM Harness jde o úroveň dál: model napíše program budovy, který BIM jádro provede a zkontroluje jako celek.
Umí AI agenti ovládat CAD a BIM software?
Ano. Agent může CAD řídit přes obrazovku pomocí Computer Use, volat funkce desktopového BIM softwaru přes plugin nebo MCP server, nebo budovu napsat jako kód pro BIM jádro. BIM Harness používá třetí přístup: agent píše skript ve stavebním dialektu s více než stovkou sloves a vlastní parametrické jádro z něj model sestaví a zkontroluje.
Je Computer Use špatný způsob, jak automatizovat BIM?
Není. Computer Use má cenu u softwaru, který své funkce nabízí jen přes grafické rozhraní a API nemá. Jeho limity u modelů budov jsou strukturální: agent vidí screenshoty místo modelu, platí volání modelu za každou interakci a závisí na stavu obrazovky. Kde existuje programovatelný model a kontrola, může agent pracovat se strukturovanými nálezy.
Čím se BIM Harness liší od MCP serveru pro desktopový BIM software?
MCP server je příklad cesty přes API nástroje: jazykový model volá funkce zaběhlé desktopové BIM aplikace jednu po druhé. BIM Harness žádnou jinou aplikaci neřídí. Jeho agent píše program budovy, který provede a zkontroluje parametrické jádro Harness, napsané od nuly. Výsledky se potkávají v IFC: Harness exportuje IFC4X3, se kterým naváží nástroje od Autodesku i Archicad.
Proč je program budovy opakovatelnější než automatizace GUI?
Sezení v GUI závisí na stavu obrazovky, rozložení oken, dialozích a časování, takže jeho přehrání může dopadnout jinak. V BIM Harness je provedení deterministické: stejný skript na stejném jádře postaví stejný model a rozvody TZB i řešení kolizí obstarávají deterministické řešiče. Jazykový model, který skript píše, deterministický není, ale co napsal, proběhne pokaždé stejně.
Jak agent zjistí, že se něco pokazilo?
Kontrola v BIM Harness vrací pojmenované, strojově čitelné nálezy, rozdělené na autorské (chyby návrhu, které má model opravit) a nálezy jádra. Příklady jsou clash.hard, door.obstructed, stair.throughFabric a room.accessEnvelope. Když sloveso nemůže udělat, co se po něm chce, jádro odmítne, řekne proč, a prvek nepostaví. Zjištění se promítnou do plánu oprav a agent upraví dotčené řádky.
Ať agent budovu napíše, ne naklikne
BIM Harness dává AI stavební dialekt, parametrické jádro a kontrolu - a vám stejné Scripting API, plnohodnotný editor v prohlížeči a na konci otevřené IFC4X3.