AI-агенты в CAD ломаются на MCP: как граф из 47 000 узлов API решил проблему

Разработчик, работающий с KOMPAS-3D, столкнулся с типичной проблемой: ИИ-агенты уверенно генерируют Python-скрипты для CAD, но эти скрипты системно ошибаются. Модель придумывает несуществующие функции, путает две исторически сложившиеся ветки API (API5 и API7, которые не смешиваются), вызывает свойство как метод, подставляет случайные числа вместо строго определённых значений. Попытки исправить это промпт-инжинирингом (подбором инструкций и примеров для модели) провалились: каждый новый пример закрывал одну ошибку и открывал две новых. Источник описывает полный цикл решения, от отказа от MCP до построения трёхслойной валидации.

Почему MCP здесь не справляется?

Стандартный рефлекс: обернуть API KOMPAS в набор MCP-инструментов, каждый со своей JSON-схемой. «Открыть документ», «получить состав», «заполнить ячейку штампа». На практике это превращает простой цикл из семи строк Python в десяток с лишним раунд-трипов через модель.

Пример из источника: обход состава сборки и чтение обозначения каждой детали. На Python это один цикл. Через MCP это цепочка: вызвать get_active_document, достать хэндл, скормить в cast_to_3d, достать другой хэндл, вызвать get_top_part, потом get_parts_count, потом на каждую деталь отдельный get_part_item и get_part_marking.

Ключевое наблюдение автора: JSON-схема плохо выражает то, что модель и так умеет. Приведение типа, цикл, временная переменная, ветвление, всё это LLM (большая языковая модель) видела в терабайтах обучающего кода. Разложенные на плоский список декларативных вызовов, те же операции становятся непривычными: модель хуже планирует цепочку, теряет промежуточные данные, путает параметры.

Решение получилось обратным по духу: дать модели писать полноценный код и построить вокруг него слои, которые ловят ошибки до запуска в живом CAD.

Что понадобится

• KOMPAS-3D с установленным SDK (набор инструментов для программирования под систему)
• Python 3.x с доступом к COM-автоматизации Windows
• LLM с поддержкой генерации кода, например, Claude или GPT-4 (конкретная модель в источнике не указана)
• Файлы описания COM-типов KOMPAS (шесть файлов, из которых строится граф API)
• Реальная сборка для тестирования (в демо использован файл 2025БК.100.10.00.000.a3d)
• Время: настройка графа и валидации требует нескольких итераций, быстрого «подключил и заработало» здесь нет

Пошаговая инструкция

1. Откажитесь от обёртки API в MCP-инструменты. Вместо дробления на отдельные tool call позвольте ИИ-агенту генерировать цельные Python-скрипты. Агент пишет обычный код с циклами, переменными и ветвлениями, то есть в той форме, на которой он обучен.

2. Соберите граф API из файлов описания COM-типов. Из шести файлов описания типов KOMPAS извлеките все типы, функции и значения перечислений. Зафиксируйте каждый файл по контрольной сумме, чтобы отслеживать расхождения, если у клиента другая сборка. По данным автора, в графе получается около 47 тысяч узлов и 60 тысяч связей.

3. Добавьте связи приведения типов. В COM-архитектуре KOMPAS один объект часто реализует несколько интерфейсов. Эта связь не выражена в описаниях типов напрямую: её нужно извлечь из отдельной COM-конструкции. Без этого шага граф не знает, что, например, объект типа Part7 умеет обращаться к методам интерфейса IModelObject.

python # Псевдокод: скрипт находит COM-классы и собирает # список интерфейсов, реализуемых каждым классом for coclass in type_library.coclasses: interfaces = coclass.implemented_interfaces # Отсеиваем обработчики событий (односторонняя стрелка) interfaces = [i for i in interfaces if not i.is_event_handler] graph.add_cast_edges(coclass, interfaces)

1. Отсеките интерфейсы-хабы. Базовые интерфейсы вроде IKompasAPIObject встречаются почти в каждом COM-классе. Если пускать их в переходы, поиск пути превращается в хаос «из чего угодно во что угодно». Автор поставил порог отсечения (по умолчанию 10 классов) и вынес его в переменную окружения для калибровки.

2. Подключите к агенту две функции на графе.

3. Поиск ближайшего валидного имени. Агент запросил ActiveDocument3D, граф отвечает: «такого нет, ближайшее ActiveDocument». Обычно одной итерации хватает.
4. Поиск пути между интерфейсами. Граф выдаёт готовый шаблон шагов, собранный из проверенных связей:

IApplication.ActiveDocument -> IKompasDocument привести к IKompasDocument3D IKompasDocument3D.TopPart -> IPart7 IPart7.Parts -> IParts IParts.Item(i) -> IPart7

1. Добавьте справочник валидных значений (слой 2). Некоторые ошибки не поймает ни граф, ни компилятор. Метод заполнения ячейки штампа IStamp.Text(cell_id, text) формально принимает любое целое число, но реально валидны только конкретные номера ячеек по ГОСТ 2.104. Заведите справочник допустимых значений для таких параметров и проверяйте сгенерированный код до запуска.

2. Запускайте валидацию до отправки кода в живой CAD. Каждый сгенерированный скрипт проходит проверку по графу (существуют ли вызываемые методы, корректны ли приведения типов) и по справочнику значений. Только после прохождения всех слоёв код исполняется в реальной системе.

Что делать с этим прямо сейчас?

Инженерам и CAD-разработчикам: если вы работаете с KOMPAS-3D и накопили коллекцию скриптов, паттерн «граф API плюс валидация значений» позволяет передать рутину генерации ИИ-агенту. Начните с построения графа из ваших файлов описания типов.

Авторам Дзена, пишущим о технологиях: разбор показывает конкретный случай, когда модный MCP-подход оказался хуже «старого» скриптового. Это сильный материал для статьи-сравнения подходов к ИИ-автоматизации.

Разработчикам ИИ-агентов для любых локальных систем: архитектура не привязана к KOMPAS. Любая система с большим COM или REST API, у которой модель путает вызовы, получит выигрыш от графа допустимых переходов и справочника валидных значений. Из доступных в РФ ИИ-моделей для генерации кода можно попробовать YandexGPT (хотя его способности к кодогенерации ограниченнее, чем у зарубежных аналогов).

Паттерн «дай модели писать код, но проверяй каждый вызов по графу до исполнения» применим далеко за пределами KOMPAS-3D. Если у вас есть локальная система с большим API и задача автоматизации, начните с малого: постройте граф хотя бы из той части интерфейса, которую используете чаще всего, и подключите проверку имён до запуска скрипта.