Agenti a CAD
Computer Use vs BIM API: tri spôsoby, ako môže AI agent postaviť model
AI agent môže klikať v rozhraní CAD, volať API nástroja desktopového BIM softvéru alebo napísať budovu ako program, ktorý BIM jadro vykoná a skontroluje. Model vznikne vo všetkých troch prípadoch. Líšia sa v tom, čo agent vidí, koľko stojí jeden krok, ako sa vracajú chyby a či sa dá výsledok zopakovať.
- V BIM Harness píše agent skript v stavebnom dialekte s viac ako sto slovesami
- Rodinný dom sa na jadre postaví zhruba za 7 sekúnd - pomalou časťou je jazykový model
- Chyby sa vracajú ako pomenované nálezy, napríklad door.obstructed, nie ako snímka obrazovky na interpretáciu
- Rovnaký skript na rovnakom jadre postaví rovnaký model
Computer Use v GUI
- Snímka obrazovky
- Pohyb myši
- Menu
- Dialóg
- Príkaz CAD
- Model
Jedno volanie modelu na každú interakciu
API nástroja / MCP
- Volanie nástroja
- Desktopový BIM softvér
- Výsledok
- Ďalšie volanie
- Model
Štruktúrované volania, jedno po druhom
Program budovy (BIM Harness)
- Skript v stavebnom dialekte
- Skúšobné zostavenie na jadre
- Pomenované nálezy
- Cielená úprava
- Ostré zostavenie
Jeden artefakt, vykonaný a skontrolovaný
Dokážu AI agenti ovládať CAD?
Computer Use automatizuje prácu so softvérom. BIM Harness robí programovateľným samotný model budovy: agent napíše program budovy a BIM jadro ho vykoná a vráti pomenované nálezy.
Áno, AI agenti dokážu ovládať CAD - a spôsobov je viac. Multimodálny model sa môže pozerať na obrazovku a ovládať myš a klávesnicu ako človek. Model môže volať funkcie, ktoré desktopový BIM softvér sprístupňuje cez plugin alebo server Model Context Protocol (MCP). Alebo môže model napísať budovu priamo ako kód v doménovom jazyku, z ktorého BIM jadro vytvorí model.
Nejde o konkurenčné značky jednej myšlienky. Každý prístup pracuje na inej úrovni. Prvý automatizuje používateľské rozhranie. Druhý automatizuje softvér za rozhraním, volanie po volaní. Tretí presúva prácu tam, kde je model skutočne definovaný: do objektového modelu a jeho pravidiel. Ktorý sa hodí, závisí od toho, čo softvér sprístupňuje a čo potrebujete dostať späť.
Tri cesty porovnané v tom, na čom pri modeli záleží
Porovnávame cesty, nie konkrétne produkty. Každá cesta sa dá urobiť dobre aj zle; tabuľka ukazuje, s čím môže agent pri každej z nich zo svojej podstaty pracovať.
| Computer Use v GUI | API nástroja / MCP desktopového BIM | Program budovy + BIM jadro | |
|---|---|---|---|
| Čo agent vytvára | Kliknutia, stlačenia kláves a vstupy do dialógov | Postupnosť volaní nástrojov | Jeden skript v stavebnom dialekte |
| Čo agent vidí | Snímky obrazovky rozhrania | Návratové hodnoty jednotlivých volaní | Pomenované nálezy z kontrolóra, rozdelené na autorské a nálezy jadra |
| Cena jedného kroku | Volanie modelu na každú interakciu s obrazovkou | Volanie modelu na každé volanie nástroja | Jadro spustí celý skript; model sa volá na jeho napísanie a opravu |
| Zotavenie z chyby | Všimnúť si chybné kliknutie alebo nečakaný dialóg a skúsiť znova | Prečítať chybovú hlášku volania | Prečítať pomenovaný nález (door.obstructed, clash.hard) a urobiť cielenú úpravu |
| Opakovateľnosť | Závisí od stavu obrazovky, rozloženia okien a časovania | Závisí od poradia volaní a stavu aplikácie | Rovnaký skript na rovnakom jadre postaví rovnaký model |
| Verzovanie | Záznam akcií | Log volaní | Textový súbor, ktorý môžete porovnať, čítať a upravovať |
| Kde sa hodí najviac | Softvér, ktorý sprístupňuje funkcie len cez GUI | Ovládanie existujúcej inštalácie desktopového BIM | Generovanie a opakovaná regenerácia celej budovy so systémami |
Zámerne tu neuvádzame žiadne násobky nákladov. Istá je štruktúra: cesta cez GUI platí za každú interakciu, cesta cez program platí za napísanie programu.
Computer Use: prínos tam, kde je GUI jediným vstupom
Computer Use umožňuje modelu ovládať softvér ako človek: urobiť snímku obrazovky, rozhodnúť, kam kliknúť, otvoriť menu, vyplniť dialóg, potvrdiť a urobiť ďalšiu snímku. Pri množstve softvéru je to jediná cesta dnu. Staršie nástroje, interné aplikácie a programy bez skriptovacieho rozhrania sprístupňujú svoje funkcie iba cez obrazovku. Pre ne je agent, ktorý vidí a kliká, skutočným krokom vpred.
Pri modeloch budov vychádzajú obmedzenia z rozhrania, nie z agenta. Stena vložená cez dialóg je stena vložená cez dialóg - agent sa o výsledku dozvie tak, že sa znova pozrie na pixely. Každý krok je volanie modelu. Nečakané vyskakovacie okno, iná veľkosť okna alebo pomalé prekreslenie zmenia to, čo ukáže ďalšia snímka. A záznamom práce je séria interakcií, nie popis budovy, ktorý si niekto prečíta a zmení.
API nástroja alebo MCP v existujúcom desktopovom BIM softvéri
Druhá cesta vynecháva pixely. Desktopová aplikácia alebo plugin k nej sprístupní funkcie ako „vytvor stenu“ či „vypíš miestnosti“ a jazykový model ich volá ako nástroje. Najznámejším príkladom tohto prístupu sú MCP servery pre zabehnuté desktopové BIM nástroje - Autodesk už jeden dodáva. Je to rozumný spôsob, ako pridať agenta do workflow, ktoré už v danom softvéri žije.
Agent teraz dostáva namiesto snímok obrazovky štruktúrované návratové hodnoty, čo je skutočné zlepšenie. Charakter práce však zostáva rovnaký: model posiela volania jedno po druhom do bežiacej aplikácie a model budovy existuje len ako stav, ktorý tieto volania zanechajú. Agent pracuje vo vnútri nástroja navrhnutého pre ľudského operátora.
Program budovy, ktorý vykoná jadro s kontrolórom
V BIM Harness AI píše program, nie geometriu: skript v stavebnom dialekte Harness s volaniami ako api.wall, api.space a api.door, ktorý parametrické jadro Harness vykoná a skontroluje.
Tretia cesta chápe budovu ako niečo, čo sa píše, nie kliká. Agent neovláda aplikáciu. Napíše skript, jadro z neho postaví parametrický objektový model a kontrolór oznámi, čo je zle, tak, aby s tým agent vedel pracovať. Jadro je rýchla a lacná časť. V skutočnom produkčnom behu rodinného domu trvalo postavenie modelu v prehliadači asi 7 sekúnd a rozvedenie TZB asi 6 sekúnd; takmer všetok čas pripadol na premýšľanie jazykového modelu.
Funguje to len preto, že jadro bolo na to napísané. BIM Harness stojí na vlastnom parametrickom jadre napísanom od nuly, nie na plugine k cudziemu CADu. Rovnaké Scripting API, ktorým stavia agent, majú ľudia k dispozícii v editore: čo dokáže agent, dokážete aj vy.
Čo agent píše
Skrátená časť skutočného skriptu, otestovaného proti jadru. Dvere sú k stene pripojené cez jej id - ako vzťah, nie ako dvojica súradníc, ktorú musí model trafiť.
const ground = api.ensureStorey('Prízemie', 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: 'Pracovňa', 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 sa rozdiel prejaví v praxi
Pozorovateľnosť
Snímka obrazovky povie agentovi, ako vyzerá obrazovka. Kontrolór mu povie, čo je zle s budovou: clash.hard, door.obstructed, stair.throughFabric, room.accessEnvelope. Nálezy sú strojovo čitateľné a rozdelené na autorské, ktoré má model opraviť, a nálezy jadra.
Opakovateľnosť
Jazykový model nie je deterministický, vykonanie áno. Rovnaký skript na rovnakom jadre postaví rovnaký model a rozvody TZB aj riešenie kolízií zabezpečujú deterministické resolvery, nie jazykový model.
Cena kroku
Pri ceste cez GUI je každá interakcia volaním modelu. Program je jeden artefakt, ktorý jadro spustí za sekundy; model sa platí za napísanie a opravu programu, nie za posúvanie každej steny na miesto.
Zotavenie z chyby
Keď sloveso nedokáže urobiť, čo sa od neho chce, jadro to odmietne s pomenovaním. V produkčnom behu jadro odpovedalo „api.gable: the roof given does not cover this wall ... It was not built.“ Model tú časť skriptu prepísal.
Verzovanie
Skript je text. Dá sa porovnať, skontrolovať a upraviť. Agent si svoj skript prečíta späť a zmení ho cielenými úpravami, namiesto prepisovania všetkého alebo prehrávania relácie kliknutí.
Ako sa na ceste cez program opravuje chyba
Slučka, ktorú agent vykonáva, je krátka a explicitná. Kým skúšobné zostavenie neprejde, nič sa neuloží.
- 1
Skúšobné zostavenie
Jadro skript postaví a skontroluje. Do projektu sa nič neuloží.
- 2
Pomenované nálezy
Kontrolór vráti nálezy ako door.obstructed alebo clash.hard, každý naviazaný na svoju príčinu.
- 3
Plán opráv
Nálezy sa premietnu do plánu opráv pre ďalšie kolo, takže agent vie, čo zmeniť a prečo.
- 4
Cielená úprava
Agent si skript prečíta späť a upraví dotknuté riadky; zvyšok budovy nechá tak.
- 5
Ostré zostavenie
Opravený skript sa spustí ako ostré zostavenie a stane sa modelom, ktorý otvoríte, upravíte a exportujete do IFC4X3.
Agent vedľa modelu, ktorý postavil
Computer Use automatizuje prácu so softvérom. BIM Harness robí programovateľným samotný model budovy.
Ktorú cestu zvoliť
Ak softvér, ktorý potrebujete automatizovať, nemá API ani skriptovacie rozhranie, Computer Use je často jedinou praktickou cestou - a dobrou. Ak váš tím už pracuje v zabehnutom desktopovom BIM nástroji a chce v ňom asistenta, API nástroja alebo MCP server nad týmto nástrojom udrží všetkých v známom softvéri.
Ak je cieľom vygenerovať celú budovu - podlažia, konštrukciu, miestnosti, fasádu, strechu a systémy TZB - a potom ju meniť znova a znova, škáluje cesta cez program. Model budovy žije ako čitateľný skript a parametrický objektový model, geometriu rieši jadro a výstupom je otvorené IFC4X3, ktoré prevezmú zabehnuté desktopové BIM nástroje aj CDE.
Časté otázky
Aký je rozdiel medzi Computer Use a API pre CAD?
Computer Use umožňuje AI modelu ovládať CAD softvér cez grafické rozhranie: robí snímky obrazovky, hýbe myšou, otvára menu a vypĺňa dialógy, pričom každá interakcia je jedno volanie modelu. Pri ceste cez API model volá funkcie softvéru priamo a číta štruktúrované výsledky. BIM Harness ide o úroveň ďalej: model napíše program budovy, ktorý BIM jadro vykoná a skontroluje ako celok.
Dokážu AI agenti ovládať CAD a BIM softvér?
Áno. Agenti môžu ovládať CAD cez obrazovku pomocou Computer Use, volať funkcie desktopového BIM softvéru cez plugin alebo MCP server, alebo napísať budovu ako kód pre BIM jadro. BIM Harness používa tretí prístup: agent napíše skript v stavebnom dialekte s viac ako sto slovesami a vlastné parametrické jadro z neho postaví a skontroluje model.
Je Computer Use zlý spôsob automatizácie BIM?
Nie. Computer Use má hodnotu pri softvéri, ktorý sprístupňuje funkcie len cez grafické rozhranie a nemá API. Jeho obmedzenia pri modeloch budov sú štrukturálne: agent vidí snímky obrazovky namiesto modelu, platí volanie modelu za každú interakciu a závisí od stavu obrazovky. Kde existuje programovateľný model a kontrolór, môže agent pracovať so štruktúrovanými nálezmi.
Čím sa BIM Harness líši od MCP servera pre desktopový BIM softvér?
MCP server je príkladom prístupu cez API nástroja: jazykový model volá funkcie zabehnutej desktopovej BIM aplikácie jednu po druhej. BIM Harness žiadnu inú aplikáciu neovláda. Jeho agent napíše program budovy, ktorý vykoná a skontroluje parametrické jadro Harness napísané od nuly. Výsledky sa stretávajú v IFC: Harness exportuje IFC4X3, ktoré prevezmú nástroje od Autodesku aj Archicad.
Prečo je program budovy opakovateľnejší ako automatizácia GUI?
Relácia v GUI závisí od stavu obrazovky, rozloženia okien, dialógov a časovania, takže jej prehratie môže dopadnúť inak. V BIM Harness je vykonanie deterministické: rovnaký skript na rovnakom jadre postaví rovnaký model a rozvody TZB aj riešenie kolízií zabezpečujú deterministické resolvery. Jazykový model, ktorý skript píše, deterministický nie je, ale to, čo napísal, beží zakaždým rovnako.
Ako agent zistí, že sa niečo pokazilo?
Kontrolór BIM Harness vracia pomenované, strojovo čitateľné nálezy rozdelené na autorské (chyby návrhu, ktoré má model opraviť) a nálezy jadra. Príkladmi sú clash.hard, door.obstructed, stair.throughFabric a room.accessEnvelope. Keď sloveso nedokáže urobiť, čo sa od neho chce, jadro to odmietne s pomenovaním a nepostaví to. Nálezy sa premietnu do plánu opráv a agent upraví dotknuté riadky.
Nech agent budovu píše, nie kliká
BIM Harness dáva AI stavebný dialekt, parametrické jadro a kontrolóra - a vám rovnaké Scripting API, plnohodnotný editor v prehliadači a na konci otvorené IFC4X3.