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
「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。
Photo: Unsplash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。
# 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。
# 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。
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。