DDC_Skills_for_AI_Agents_in_Construction MCP — ユースケース, インストール & ライブデモ

なぜ使うのか

主な機能

広範なカバレッジ: 建設ライフサイクル全体にわたる221のサブスキル
BIMデータ処理（IFCパース、Revitエクスポート、モデル監査）
コスト見積テンプレートとWBS規約
工程管理ヘルパー（P6/MS Project相当の機能）
文書管理: 提出物、RFI、変更指示書

ライブデモ

実際の動作

ddc-skills-for-ai-agents-in-construction-skill.replay ▶ 準備完了

0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "ddc-skills-for-ai-agents-in-construction-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
        "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "ddc-skills-for-ai-agents-in-construction-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
        "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
      ],
      "_inferred": true
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "ddc-skills-for-ai-agents-in-construction-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
        "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
      ],
      "_inferred": true
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "ddc-skills-for-ai-agents-in-construction-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
        "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "ddc-skills-for-ai-agents-in-construction-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
        "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json

{
  "context_servers": {
    "ddc-skills-for-ai-agents-in-construction-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction",
          "~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add ddc-skills-for-ai-agents-in-construction-skill -- git clone https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction ~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方： DDC_Skills_for_AI_Agents_in_Construction

BIM IFCモデルの基本的なデータ品質を監査する方法

👤 BIMコーディネーターおよびVDCチーム ⏱ ~60 min advanced

使うタイミング： コンサルタントからIFCファイルを受領し、品質チェックが必要な場合に使用します。

前提条件

Python with ifcopenshell — pip install ifcopenshell
スキルのクローン — git clone https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction ~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction

フロー

IFCをパースする

model.ifcを監査 — クラス別エンティティ数のカウント、欠落Psetの検出、孤立ジオメトリのフラグ付けを行ってください。✓ コピーしました

→ エンティティ数と品質フラグ
命名と分類を確認する

壁と部屋の命名を自社基準に照合して検証してください。✓ コピーしました

→ 要素別の適合性レポート
コーディネーター向けレポートを作成する

コンサルタントが対応可能な指摘事項リストを作成してください。✓ コピーしました

→ 優先順位付き指摘事項リスト

結果： 1時間以内にコンサルタントへ返送できるモデル監査レポート。

注意点

巨大なIFCファイルでメモリ不足になる — フルツリーの読み込みではなくストリームパースを使用するか、空間構造でプレフィルターをかける

組み合わせ： filesystem

概算レベルのコスト見積を迅速に作成する

👤 見積担当者、PM、入札チーム ⏱ ~30 min intermediate

使うタイミング： 詳細見積に着手する前の、コンセプト段階での概算が必要な場合に使用します。

フロー

プロジェクトの概要を説明する

RC造オフィス、約12,000㎡、Tier-1都市、躯体のみ。㎡単価の概算レンジを提示してください。✓ コピーしました

→ 前提条件を明示したレンジ
WBSに分解する

見積をWBSセクションに分解し、配分率を付けてください。✓ コピーしました

→ 上位レベルWBSと明細項目
リスクをフラグ付けする

このコンセプトにおけるコストリスクのトップ5を挙げてください。✓ コピーしました

→ 影響度付きのリスク一覧

結果： 社内レビューに耐えうる根拠のあるコンセプト見積。

注意点

地域補正なしにグローバル平均値を使用してしまう — 地域別ベンチマークがある場合は必ずそちらで上書きする

建設工程表の一般的な問題点をレビューする

👤 スケジューラーおよびPM ⏱ ~30 min intermediate

使うタイミング： 下請業者から工程表を受領し、明らかな問題点をチェックする必要がある場合に使用します。

フロー

工程表を読み込ませる

schedule.xlsxをレビュー — ロジック欠落、マイナスフロート、オープンエンド、非現実的な工期をフラグ付けしてください。✓ コピーしました

→ カテゴリ別の検出結果
優先順位を付ける

完了日への影響度順にランク付けしてください。✓ コピーしました

→ ソート済みリスト

結果： 一般的な問題の80%を検出できる、迅速な表面レベルの工程レビュー。

注意点

CPMレベルの分析が不足する — 正確なフロート分析にはExcelではなくP6からエクスポートしたデータを使用する

組み合わせ

他のMCPと組み合わせて10倍の力を

ddc-skills-for-ai-agents-in-construction-skill + filesystem

IFC、工程表、文書を含むプロジェクトフォルダ全体を一括処理する

project/を走査して、週次コーディネーションパケットを作成してください。✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
bim-audit	IFC path	IFCファイルを受領した際に使用	ifcopenshell compute
cost-estimation	project concept	初期フェーズで使用	0
schedule-review	schedule export	下請提出物のレビュー時に使用	0
document-control	RFIs/submittals/COs	プロジェクト事務管理に使用	0

コストと制限

運用コスト

APIクォータ: なし
呼び出しあたりのトークン: タスクあたり5〜30kトークン
金額: スキルレベルでは無料
ヒント: このバンドルは範囲が広いため、自分の役割に関連するサブスキルのみを使用してください

セキュリティ

権限、シークレット、影響範囲

認証情報の保管： なし

データ送信先： なし

建設見積や工程表は機密情報であることが多いため、他のプロジェクト機密データと同様に取り扱ってください

トラブルシューティング

よくあるエラーと対処法

ifcopenshellのインストールに失敗する

Python 3.10または3.11を使用し、お使いのプラットフォームに対応するwheelからpip install ifcopenshellを実行してください。

確認： python -c 'import ifcopenshell; print(ifcopenshell.version)'

見積が大幅にずれる

スキルは汎用ベンチマークのみを使用しているため、地域別の単価データベースで上書きしてください。

代替案

DDC_Skills_for_AI_Agents_in_Construction 他との比較

代替案	代わりに使う場面	トレードオフ
generic csv-data-summarizer-claude-skill	建設データがCSV形式でBIMセマンティクスが不要な場合	業界専門知識なし

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る