AI・エージェント

CATIAをMCPでAIにつなぐ前に決めること——読み取るだけの道具から始め、形を変える操作は人の承認を通す

2026.11.01 / 読了目安 7分 / 執筆: Qronix 開発チーム

#CATIA#CATIAマクロ#AIエージェント#AI実行制御

「CATIA を AI から動かせるらしい」と聞いて、試してみたくなった方は多いと思います。MCP という決まりを使えば、Claude などの AI から CATIA V5 の部品を開いたり、パラメータを読んだり、形を作ったりできるようになります。ただ、量産の設計データが入った CATIA に、いきなり何でもできる道具を渡すのはおすすめしません。この記事では、CATIA を MCP で AI につなぐ前に決めておくことを、最初に渡す道具の切り方、形を変える操作の置き場所、ログの残し方の順に書きます。コードは考え方を示す参考実装例で、そのまま社内で動かす前提のものではありません。

ネットワークケーブルPhoto: Unsplash
CONTENTS
1. つなぐ手段はもうある。決めるのは「何を渡すか」 2. 最初に渡すのは、読むだけの道具——名前・パラメータ・質量特性 3. 形や値を変える操作は、人の承認の後ろに置く 4. 道具は少なく、説明は「いつ使うか」で書く 5. ログに残すもの、AI に送ってよいもの 6. どこから始めるか——練習用の部品1つと、読む道具3つ

つなぐ手段はもうある。決めるのは「何を渡すか」

MCP は、AI と外部の道具をつなぐための共通の決まりです。考え方そのものはMCPという「AIのUSB規格」の記事に書きました。道具の側が「こういう操作ができます」と一覧を出し、AI は会話の中で必要な道具を選んで呼びます。

CATIA V5 については、有志が作った MCP サーバーがいくつか公開されています。中身はどれも、マクロと同じ COM の仕組みで CATIA を外から操作するものです。2026年11月に調べた範囲では、文書の開閉、スケッチ、部品の形づくり、アセンブリ、測定、書き出しまで、数十の道具を一度に渡すものがありました。CATIA のメーカーが出している公式の MCP サーバーは、調べた範囲では見当たりませんでした。

つまり「CATIA を AI につなげるか」は、もう技術の問題ではありません。問題は、AI にどの道具を渡し、どの道具を渡さないかです。全部入りのサーバーをそのまま入れると、AI は部品を読むこともできますが、形を変えることも、上書きして保存することもできる状態になります。

以下では、CATIA の画面を毎日使う設計の現場に入れる前提で、最初に決めておくことを順に書きます。

PYTHON参考実装例:CATIA V5 を「読むだけ」の3つの道具で MCP につなぐ(Python)
# CATIA V5 を「読むだけ」の道具で MCP につなぐ最小の形。
# 渡す道具は3つ: 開いている文書の名前、パラメータの一覧、質量特性。
# どの道具も CATIA の中身を変えない。保存・作図・削除の道具はここに置かない。
# 呼び出しは全件 JSON Lines でログに残す(いつ・誰の AI から・どの道具が・何を返したか)。
import json, datetime, getpass
import pythoncom
import win32com.client
from mcp.server.fastmcp import FastMCP

LOG = r"C:\temp\catia_mcp_log.jsonl"
MAX_PARAMS = 200   # 一度に返すパラメータの上限。大きい部品で会話が埋まらないように

mcp = FastMCP("catia-read")


def _log(tool, args, result):
    rec = {"at": datetime.datetime.now().isoformat(timespec="seconds"),
           "user": getpass.getuser(), "tool": tool, "args": args,
           "result": str(result)[:300]}   # 返した値を全部は残さない
    with open(LOG, "a", encoding="utf-8") as f:
        f.write(json.dumps(rec, ensure_ascii=False) + "\n")


def _active_doc():
    pythoncom.CoInitialize()
    catia = win32com.client.GetActiveObject("CATIA.Application")
    return catia.ActiveDocument   # 何も開いていなければ例外になる


@mcp.tool()
def active_document() -> dict:
    """いま CATIA で開いている文書が何かを聞かれたら使う。名前・種類・品番・版を返す。"""
    doc = _active_doc()
    prod = getattr(doc, "Product", None)   # 図面には Product が無い
    out = {"name": doc.Name, "type": doc.Name.rsplit(".", 1)[-1],
           "part_number": prod.PartNumber if prod else None,
           "revision": prod.Revision if prod else None,
           "read_only": bool(doc.ReadOnly)}
    _log("active_document", {}, out)
    return out


@mcp.tool()
def list_parameters(name_contains: str = "") -> dict:
    """部品の寸法や板厚などの値を聞かれたら使う。名前の一部で絞り込める。"""
    doc = _active_doc()
    if not doc.Name.endswith(".CATPart"):
        return {"error": "部品(CATPart)を開いたときだけ使えます"}
    params = doc.Part.Parameters
    rows = []
    for i in range(1, params.Count + 1):
        p = params.Item(i)
        if name_contains and name_contains not in p.Name:
            continue
        rows.append({"name": p.Name, "value": p.ValueAsString()})
        if len(rows) >= MAX_PARAMS:
            break
    out = {"count": len(rows), "truncated": len(rows) >= MAX_PARAMS, "params": rows}
    _log("list_parameters", {"name_contains": name_contains}, out["count"])
    return out


@mcp.tool()
def mass_properties() -> dict:
    """部品や製品の質量・体積・面積を聞かれたら使う。値は CATIA が返す単位のまま。"""
    doc = _active_doc()
    a = doc.Product.Analyze
    out = {"mass": a.Mass, "volume": a.Volume, "wet_area": a.WetArea}
    _log("mass_properties", {}, out)
    return out


if __name__ == "__main__":
    mcp.run()

最初に渡すのは、読むだけの道具——名前・パラメータ・質量特性

最初に渡す道具は、CATIA の中身を変えないものだけにします。開いている文書の名前と品番・版、部品のパラメータの一覧、質量・体積・面積の3つから始めるのがよいと考えています。

読むだけの道具なら、AI が呼び間違えても、返ってくる答えが的外れになるだけで、データは壊れません。「この部品の板厚はいくつ」「この版の質量は前の版からどれだけ変わった」といった、設計者が日に何度も画面を開いて確かめている問いには、これだけでも答えられます。

もう1つの理由は、読むだけの期間に、現場が AI に何を聞くのかが見えることです。社内ツールを MCP につないだときも、最初の1週間を読み取りだけで回したログが、その後の道具の設計をほとんど決めました(社内ツールをMCP対応させた実装レポート)。何を書き込ませるかは、そのログを見てから決めても遅くありません。

下の Python の例は、この3つの道具だけを持つ MCP サーバーの最小の形です。CATIA への接続は COM で、どの道具も値を読んで返すだけです。パラメータは一度に返す数に上限を置き、大きな部品で会話が一覧で埋まらないようにしています。

道具は「読むか変えるか」と「送ってよい値か」で分ける読む・まだ決めていない送ってよい値を先に決める読む・送ってよいと確認済み最初に渡す変える・まだ決めていない渡さない変える・確認済み依頼だけ受けて人が承認道具がすること返す値を AI に送ってよいか
図2: 最初に渡すのは、読むだけで、送ってよいと確かめた値を返す道具。値を変える道具は、送ってよい値でも依頼として受け、人が承認する。
AI からの変更の依頼が CATIA に届くまでAI が変更を依頼する受け付けている操作か断って理由を返す依頼を台帳に積んで待つ人が中身を見て承認したか反映せず却下を残す実行前の検査を通るか止めて理由を残す反映して前後の値を残す人が画面で確かめて保存はいいいえはいいいえはいいいえ
図3: AI は依頼を積むだけ。人の承認と実行前の検査を通ったものだけを反映し、前後の値を残す。保存は人が画面で確かめてから行う。
PYTHON参考実装例:値を変える操作は依頼として積み、人が承認したものだけを検査して反映する(Python)
# 値を変える操作は、AI に直接させず「依頼」として積む。反映は人が承認したものだけ。
# request_change は MCP の道具として登録する。依頼を書くだけで、CATIA には触れない。
# 人は台帳の JSON を見て、status を "approved" に、approved_by に自分の名前を書く。
# apply_approved は人が手で回す。承認済みだけを検査してから反映し、前後の値を残す。
# 保存はしない。反映した形を人が画面で確かめてから保存する。
import json, datetime, pathlib, getpass
import pythoncom
import win32com.client

QUEUE = pathlib.Path(r"C:\temp\catia_change_queue")
ALLOWED = {"set_parameter"}   # 受け付ける操作は、これ1つから始める


def request_change(op: str, target: str, value: str,
                   expect_before: str, reason: str) -> dict:
    """部品のパラメータの値を変えてほしいと言われたら使う。すぐには変えず、
    人の承認待ちの依頼として積む。expect_before には list_parameters で見た今の値を入れる。"""
    if op not in ALLOWED:
        return {"accepted": False, "why": f"受け付けていない操作です: {op}"}
    QUEUE.mkdir(parents=True, exist_ok=True)
    rid = datetime.datetime.now().strftime("%Y%m%d-%H%M%S-%f")
    req = {"id": rid, "op": op, "target": target, "value": value,
           "expect_before": expect_before, "reason": reason,
           "status": "pending", "approved_by": None}
    (QUEUE / f"{rid}.json").write_text(
        json.dumps(req, ensure_ascii=False, indent=1), encoding="utf-8")
    return {"accepted": True, "id": rid, "status": "人の承認待ち"}


def apply_approved() -> None:
    """人が手で回す。承認済みの依頼だけを、実行前の検査を通してから反映する。"""
    pythoncom.CoInitialize()
    doc = win32com.client.GetActiveObject("CATIA.Application").ActiveDocument
    for f in sorted(QUEUE.glob("*.json")):
        req = json.loads(f.read_text(encoding="utf-8"))
        if req["status"] != "approved" or not req.get("approved_by"):
            continue
        why, p = None, None
        if not doc.Name.endswith(".CATPart"):
            why = "部品(CATPart)が開いていない"
        elif doc.ReadOnly:
            why = "文書が読み取り専用"
        else:
            try:
                p = doc.Part.Parameters.Item(req["target"])
            except Exception:
                why = "パラメータが見つからない"
        if p is not None and p.ValueAsString() != req["expect_before"]:
            why = "依頼のあとで値が変わっている"
        if why:
            req.update(status="stopped", why=why)   # 何もせず、理由だけ残す
        else:
            before = p.ValueAsString()
            p.ValuateFromString(req["value"])
            doc.Part.Update()
            req.update(status="done", before=before, after=p.ValueAsString(),
                       applied_by=getpass.getuser(),
                       applied_at=datetime.datetime.now().isoformat(timespec="seconds"))
        f.write_text(json.dumps(req, ensure_ascii=False, indent=1), encoding="utf-8")

形や値を変える操作は、人の承認の後ろに置く

読むだけで足りなくなったら、次は値を変える操作を考えます。このとき、AI に CATIA を直接書き換えさせる道具は渡しません。AI に渡すのは「この値をこう変えてほしい」という依頼を書く道具だけにして、実行は人が承認したものに限ります。

理由は、AI の判断ではなく、誤りが届く先にあります。生成 AI は、もっともらしい取り違えを完全には無くせません。会話の中で別の部品を指していたり、単位を読み違えたりしたまま操作が続くと、気づく前にパラメータが書き換わり、上書き保存まで進むことがあります。AI に形を作らせる話でも、CATIAを直接触らせない理由として同じことを書きました。

下の2つ目の例では、AI 側の道具は依頼を台帳に積むだけで、CATIA には触れません。人が中身を見て承認の印を付けたものだけを、別のプログラムが反映します。反映の前には、文書が読み取り専用でないか、パラメータが実在するか、依頼したときに AI が見た値から変わっていないかを確かめ、1つでも外れたら何もせずに理由を残します。

保存はこの流れに入れていません。反映したあとの形を人が画面で確かめ、自分で保存します。手間は増えますが、AI の誤りを無くすことはできなくても、誤りがデータに届く手前で止める場所は決めておけます。

AI に渡すのは、まず読む道具だけ。
形を変える手は、人の承認の後ろに置く。

道具は少なく、説明は「いつ使うか」で書く

道具の数は、少ないほど AI が迷いません。数十の道具が並ぶと、似た道具のどれを呼ぶかで迷い、的外れな呼び出しが増えます。社内ツールでも、細かく分けた20近い道具を数個に束ね直して、呼び間違いが目に見えて減りました。

道具の説明は、人向けの API の説明ではなく、AI が呼ぶかどうかを決めるための文です。「パラメータを取得する」ではなく、「部品の寸法や板厚の値を聞かれたら使う」と、使う場面で書きます。上の例の説明文も、その形にしてあります。

CATIA ならではの注意もあります。パラメータの名前は、CATIA の言語の設定や、モデルを作った人の付け方で変わります。AI に「板厚」と聞かれても、部品の中では英語の名前で入っていることがあります。最初は、社内でよく使う部品を1つ開いて、どんな名前で何が返るかを人が見てから使います。

作図や形状を作る道具は、読むだけの道具と同じサーバーに入れないほうが安全です。必要になったら、検証済みのマクロを選ばせて動かす形にします。AI にその場で処理を作らせず、確かめてある道具の中から選ばせる考え方は、弊社の AI エージェント Qi と同じです。

ログに残すもの、AI に送ってよいもの

呼び出しのログは、最初の日から取ります。残すのは、いつ、誰の AI から、どの道具が、どんな引数で呼ばれ、何を返したかです。依頼を積む道具なら、依頼の中身と、誰が承認し、反映した前後の値がいくつだったかも残します。あとから「なぜこの値になっているのか」を追えるのは、このログだけです。

もう1つ、つなぐ前に決めておくことがあります。読むだけの道具でも、返した値は AI の側へ送られます。部品の名前、品番、パラメータの名前には、お客様の名前や案件の符号が入っていることがよくあります。

クラウドの AI を使うなら、どの値なら送ってよいかを、社内の決まりとお客様との約束に照らして先に決めます。決まらないうちは、試す部品を社内の練習用のモデルに限るのが確実です。お客様の部品で試すのは、その線が引けてからにします。

ログそのものも同じ扱いです。返した値を全部残すと、ログがお客様の情報の写しになります。例ではログに残す結果を短く切っていますが、何をどこまで残すかは、保管場所と一緒に決めておきます。

CATIA を AI につなぐ前に決めておくこと✓最初に渡す道具を、読むだけのものに絞った✓AI に送ってよい値を、社内の決まりとお客様との約束で確かめた✓呼び出しのログを、残す中身と保管場所まで決めた✗値を変える道具を、承認なしで直接渡す✗お客様の部品で、いきなり試す
図4: 渡す道具・送ってよい値・ログの3つを先に決め、練習用のモデルで1週間回してから広げる。

どこから始めるか——練習用の部品1つと、読む道具3つ

最初の一歩は小さくて構いません。社内の練習用のモデルを1つ決め、読むだけの道具3つを持つサーバーで、設計者に1週間使ってもらいます。そのあいだにログを見て、どんな問いが多いか、どの答えが外れたかを確かめます。

値を変える操作を足すのは、そのあとです。最初は1種類、たとえば1つのパラメータの値を変える依頼だけを受け付け、承認と反映の流れが回るかを確かめます。AI に CATIA を触らせない線をどこに引くかは、マクロの作り方そのものと同じく、現場で使う人と一緒に決めるものです(マクロの作り方はCATIA VBAでマクロを作る手順に書きました)。

御社では、CATIA と AI をどうつなぐかで止まっていないでしょうか。どの作業なら読むだけで足りるか、どこに承認を置けば現場が回るかは、普段の CATIA の使い方を見ないと決められません。クロニクスでは、手元の業務とマクロ資産を見ながら、AI エージェントの組み立て方のご相談を承っています。contact@qronix.jp までご連絡ください。

AI と CATIA のあいだに置く層AI(会話)道具を選んで呼ぶMCP サーバー渡す道具をここで絞る承認と実行前の検査人が承認し、条件を確かめるCATIA(COM)マクロと同じ口で操作
図1: AI は道具の一覧から選んで呼ぶだけ。値を変える依頼は承認と検査の層を通ってから CATIA に届く。
Qronix 開発チーム

CATIA歴22年超・愛知県の大手自動車メーカー及びグループ各社でCATIAツール開発の技術責任者を務めたメンバーを中心とする、CAD自働化のスペシャリスト集団。2024年創業、特許第7907964号を保有。

「うちの資産でもできる?」
まずその質問からどうぞ。

できる・できないの判定と自働化設計書のご提案までは無料です。

contact@qronix.jp へ相談する
記事一覧をすべて見る →
← 記事一覧へトップページへ →