CATIA V6(3DEXPERIENCE)でもMCPやAIエージェントは使えるか——V5との違いと、試す前に確かめること
「CATIA V6(3DEXPERIENCE)でも、MCP や AI エージェントは使えるのか」。V5 では、AI から CATIA を動かす MCP サーバーが有志によって公開されています。ところが V6 で同じことをしようとすると、その V5 用のサーバーはそのままでは当てはまりません。データの置き場所と、自働化の入口が違うからです。この記事では、V5 との違いを2つに絞り、試す前に確かめること、まず読むだけで試す進め方の順に書きます。V6 の機能や API の細部は、契約の内容や環境で変わります。ここでは2026年11月に公開情報で確かめた範囲だけを書き、細部はダッソー・システムズの資料と社内の管理者に確かめる前提です。コードは考え方を示す参考実装例です。
Photo: UnsplashV6でも使えるか——つなぐ道はある。ただし V5 用のサーバーは当てはまらない
結論から書くと、V6 でも AI エージェントから CATIA やそのデータを扱う道はあります。ただし、V5 向けに公開されている MCP サーバーを入れれば動く、という話ではありません。
2026年11月に調べた範囲では、公開されている CATIA の MCP サーバーは、ほとんどが V5 向けでした。どれも V5 のマクロと同じ COM の仕組みで、パソコンで開いている CATIA を外から操作します。V5 の場合の考え方はCATIAをMCPでAIにつなぐ前に決めることに書きました。CATIA のメーカーであるダッソー・システムズ公式の MCP サーバーは、V5 向けも 3DEXPERIENCE 向けも、調べた範囲では見当たりませんでした。
V6 では、この「パソコンで開いているファイルを外から操作する」という前提が、ファイルの側でも操作の側でも変わります。データはファイルではなくプラットフォームにあり、自働化の入口も、CATIA の画面の側とプラットフォームの側の2つに分かれます。以下、この2つの違いから順に書きます。
なお、V6 と 3DEXPERIENCE CATIA の関係や、移行するかどうかの判断はCATIA V6とはにまとめました。この記事では、AI につなぐ話に絞ります。
違い1:データはファイルではなく、プラットフォームにある
V5 では、部品や製品はファイルとしてフォルダに置かれます。AI が読むのは、いまパソコンで開いているファイルの中身です。誰が読めるかは、そのパソコンとフォルダの権限でほぼ決まります。
3DEXPERIENCE では、部品や製品はプラットフォームのデータベースに入っています。版や成熟度(作業中・承認済みなど)、誰が持ち主か、誰が見てよいかといった情報も、形状と一緒にプラットフォームが管理します。データ管理の考え方の違いはダッソーのデータ管理(ENOVIA)とはに書いたので、ここでは AI から見たときの違いだけを書きます。
AI から見ると、読む相手が「開いているファイル」から「プラットフォームのデータ」に変わります。AI が何を読めるかは、AI の道具ではなく、その道具がどの利用者の権限でプラットフォームに入るかで決まります。設計者本人の権限で入れば、その人が見られるものは AI からも見えます。
裏を返すと、権限の設計がそのまま AI の安全の設計になります。V5 のように「試しにこの1ファイルだけ渡す」という切り方がしにくく、どの利用者で、どの範囲のデータに入るかを先に決める必要があります。
違い2:自働化の入口が、画面の側とプラットフォームの側に分かれる
V5 では、自働化の入口はほぼ1つでした。CATIA の画面を開いたまま、マクロや外部のプログラムが COM で操作します。AI につなぐ MCP サーバーも、この口を使っています。
3DEXPERIENCE の CATIA にもマクロはあります。VBA や VBScript で書くマクロに加えて、ナレッジの言語(EKL)も使えます。ただし、オブジェクトの体系は V5 と同じではありません。V5 の「開いている文書」を前提に書いたマクロは、そのまま動くとは限らず、書き換えが要ることがあります。V5 のマクロ資産を AI から呼ぶ道具は、V6 では作り直しの対象になると考えておくのが無難です。
もう1つの入口がプラットフォームの側です。3DEXPERIENCE には、CATIA の画面を開いていなくても、データを検索したり属性を読んだりできる Web の API(REST)があります。AI エージェントにとっては、こちらの方が相性のよい場面があります。画面を開いたパソコンに縛られず、データの一覧や版の履歴を読めるからです。
どちらの口を使うかで、作る道具も、必要な許可も変わります。形を確かめる・寸法を読むなら画面の側、データを探す・版や持ち主を調べるならプラットフォームの側、というのが大まかな分け方です。
V6 では、AI が読める範囲は
道具ではなく、権限で決まる。
試す前に確かめること——許可を取る相手が変わる
V5 なら、設計者が自分のパソコンで練習用の部品を開き、手元で MCP サーバーを試すこともできました。V6 では、そうはいきません。プラットフォームに入る以上、許可を取る相手が増えます。
まず、プラットフォームの管理者です。AI の道具がどの利用者で入るのか、その利用者にどのロールを持たせるのか、API を使ってよいのかを決めるのはこの人たちです。次に、情報システムの部門です。クラウドの 3DEXPERIENCE を使っているなら、外のサービスから API を呼ぶことが社内の決まりで許されているかを確かめます。
そして、AI に送ってよいデータの線引きです。読むだけの道具でも、読んだ値は AI の側へ送られます。部品の名前や品番、属性には、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。送ってよいデータの範囲が決まらないうちは、お客様のデータに AI をつながない。これは V5 でも同じですが、V6 ではプラットフォームの中のデータがまとめて見えるぶん、線を先に引く重みが増します。
最後に、契約です。API の使い方や、利用者のライセンスの扱いは、契約の内容で変わることがあります。細部はダッソー・システムズか販売店に確かめてから進めます。
# 3DEXPERIENCE から人が書き出した属性の一覧(CSV)を、「読むだけ」の2つの道具で AI に渡す。
# プラットフォームにはつながない。ログイン・権限・API の許可が決まる前に、
# 現場が AI に何を聞くのかを確かめるための最小の形。
# 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・何件返したか)。
import csv, json, datetime, getpass
from mcp.server.fastmcp import FastMCP
EXPORT = r"C:\temp\3dx_export.csv" # 練習用の製品だけを書き出したもの
LOG = r"C:\temp\v6_mcp_log.jsonl"
MAX_ROWS = 50 # 一度に返す件数の上限。会話が一覧で埋まらないように
# 書き出した列の名前は、環境や言語の設定で変わる。ここだけ合わせる。
COLS = {"name": "名前", "title": "タイトル", "rev": "リビジョン",
"maturity": "成熟度", "owner": "所有者", "modified": "変更日"}
mcp = FastMCP("3dx-export-read")
def _rows():
with open(EXPORT, encoding="utf-8-sig", newline="") as f:
for r in csv.DictReader(f):
yield {k: (r.get(v) or "").strip() for k, v in COLS.items()}
def _log(tool, args, n):
rec = {"at": datetime.datetime.now().isoformat(timespec="seconds"),
"user": getpass.getuser(), "tool": tool, "args": args, "hits": n}
with open(LOG, "a", encoding="utf-8") as f:
f.write(json.dumps(rec, ensure_ascii=False) + "\n")
@mcp.tool()
def search_items(keyword: str, maturity: str = "") -> dict:
"""部品や製品を名前・タイトルの一部で探してと言われたら使う。
成熟度(作業中・承認済みなど)で絞り込める。書き出した一覧の中だけを探す。"""
hits = [r for r in _rows() if keyword in r["name"] or keyword in r["title"]]
if maturity:
hits = [r for r in hits if r["maturity"] == maturity]
_log("search_items", {"keyword": keyword, "maturity": maturity}, len(hits))
return {"count": len(hits), "truncated": len(hits) > MAX_ROWS,
"items": hits[:MAX_ROWS]}
@mcp.tool()
def item_detail(name: str) -> dict:
"""名前が分かっている1件の版・成熟度・持ち主・変更日を聞かれたら使う。
同じ名前が複数の版で並ぶときは、すべて返す。"""
rows = [r for r in _rows() if r["name"] == name]
_log("item_detail", {"name": name}, len(rows))
if not rows:
return {"found": False, "why": "書き出した一覧に無い名前です"}
return {"found": True, "revisions": rows}
if __name__ == "__main__":
mcp.run()
# 1週間ぶんのログ(JSON Lines)をまとめ、次にどの口をつなぐかを決める材料にする。
# 数えるのは3つ: 道具ごとの呼ばれた回数、よく探された語、0件で終わった呼び出し。
import json, collections
LOG = r"C:\temp\v6_mcp_log.jsonl"
by_tool = collections.Counter()
words = collections.Counter()
misses = []
with open(LOG, encoding="utf-8") as f:
for line in f:
rec = json.loads(line)
by_tool[rec["tool"]] += 1
kw = rec["args"].get("keyword") or rec["args"].get("name")
if kw:
words[kw] += 1
if rec["hits"] == 0:
misses.append((rec["at"], rec["tool"], kw))
print("道具ごとの回数:")
for tool, n in by_tool.most_common():
print(f" {tool}: {n}")
print("よく探された語(上位10):")
for kw, n in words.most_common(10):
print(f" {kw}: {n}")
print(f"0件で終わった呼び出し: {len(misses)} 件")
for at, tool, kw in misses[:20]:
print(f" {at} {tool} {kw}")
# 0件が多い語は、書き出した一覧に無いデータを探している印。
# プラットフォームの側の API で読む道具を作る候補になる。
まず読むだけで試す——書き出した一覧を、読む道具で渡す
許可の話がまとまるまで何もできないか、というと、そうでもありません。いちばん小さい試し方は、プラットフォームにつながず、人が書き出した一覧だけを AI に読ませることです。
3DEXPERIENCE で練習用の製品を検索し、名前・版・成熟度・持ち主・更新日といった属性の一覧を、人が CSV に書き出します。AI には、その CSV を読むだけの道具を渡します。プラットフォームのデータには触れないので、権限やログインの設計を待たずに、現場が AI に何を聞くのかを確かめられます。
下の1つ目の例は、その形の MCP サーバーです。道具は「探す」と「1件の詳細を見る」の2つだけで、どちらも CSV を読むだけです。書き出す列の名前は環境や言語の設定で変わるので、先頭に対応表を置き、そこだけ合わせれば使えるようにしています。
2つ目の例は、1週間使ったあとのログをまとめるものです。どの道具が何回呼ばれ、どんな語で探され、何件が0件で終わったかを数えます。0件が多い語は、書き出した一覧に無いデータを探している印です。次にどの口をつなぐかは、このログを見てから決めれば十分です。
どこから始めるか——V5 と同じく、読むだけの1週間から
進め方の順番は、V5 のときと変わりません。読むだけの道具で1週間回し、ログを見て、次に渡す道具を決めます。違うのは、その次の一歩が「画面の側か、プラットフォームの側か」に分かれることです。
ログでデータ探しや版の確認が多ければ、プラットフォームの側の API で、読むだけの道具を作ります。寸法や形の確認が多ければ、画面の側のマクロです。どちらの場合も、形や値を変える操作は、人の承認の後ろに置きます。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。
V5 から V6 への移行を考えている会社なら、AI につなぐ道具も移行の計画に入れておくことをおすすめします。V5 で作ったマクロや AI の道具が V6 でどこまで使えるかは、移行の工数を左右するからです。マクロの作り方そのものはCATIA VBAでマクロを作る手順に書きました。
御社では、V6 や 3DEXPERIENCE で AI をどう使うかの検討が止まっていないでしょうか。どのデータを読ませ、どの口からつなぎ、どこに承認を置くかは、普段の CATIA の使い方とデータの持ち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伺うヒアリングと、自働化の設計書のご提案を無料で承っています。contact@qronix.jp までご連絡ください。
記事一覧をすべて見る →