DDC_Skills_for_AI_Agents_in_Construction MCP — 使用場景, 安裝 & 即時演示

為什麼要用

核心特性

廣度：橫跨建築生命週期的 221 項子技能
BIM 資料處理（IFC 解析、Revit 匯出、模型稽核）
成本估算範本與 WBS 規範
進度輔助工具（相容 P6/MS Project 相關格式）
文件管控：送審資料、RFI、變更單

即時演示

實際使用效果

ddc-skills-for-ai-agents-in-construction-skill.replay ▶ 就緒

0/0

安裝

選擇你的客戶端

~/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
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.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 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

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
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示，然後選 "Edit Configuration"。

~/.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
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.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 使用伺服器物件陣列，而非映射。

~/.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"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

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

一行命令搞定。用 claude mcp list 驗證，claude mcp remove 移除。

使用場景

實戰用法： DDC_Skills_for_AI_Agents_in_Construction

如何稽核 BIM IFC 模型的基本資料品質

👤 BIM 協調員與 VDC 團隊 ⏱ ~60 min advanced

何時使用： 當您收到顧問提供的 IFC 檔案，需要進行品質檢核時。

前置條件

Python 搭配 ifcopenshell — pip install ifcopenshell
技能已複製至本機 — git clone https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction ~/.claude/skills/DDC_Skills_for_AI_Agents_in_Construction

步驟

解析 IFC 檔案

稽核 model.ifc — 依類別統計實體數量、找出缺少的 Psets、標記孤立幾何體。✓ 已複製

→ 實體數量統計與品質標記
檢查命名與分類

依據公司標準驗證牆體與空間的命名是否符合規範。✓ 已複製

→ 逐元素的符合性報告
產出協調員可用的報告

產生一份顧問可直接執行的問題清單。✓ 已複製

→ 按優先順序排列的問題清單

結果： 一份可在一小時內完成並回傳的模型稽核報告。

注意事項

大型 IFC 檔案超出記憶體限制 — 改用串流解析而非載入完整樹狀結構；或依空間結構預先篩選

搭配使用： filesystem

快速產出初步量級成本估算

👤 估算師、專案經理、投標團隊 ⏱ ~30 min intermediate

何時使用： 在概念設計階段，尚未投入詳細估算前，需要取得初步數字時。

步驟

描述專案概況

鋼筋混凝土框架辦公室，約 12,000 平方公尺，一線城市，僅含外殼工程。請提供每平方公尺的成本範圍。✓ 已複製

→ 附有假設說明的成本區間
拆解為 WBS

將估算拆解為 WBS 各章節並標示百分比分配。✓ 已複製

→ 含細項的頂層 WBS
標記風險

列出此概念方案前 5 大成本風險。✓ 已複製

→ 含影響程度的風險清單

結果： 一份可提交內部審查、有依據可循的概念估算。

注意事項

直接套用全球平均值而未做在地調整 — 取得在地基準資料時，務必以在地數據覆蓋預設值

審查施工進度計畫的常見問題

👤 進度管控人員與專案經理 ⏱ ~30 min intermediate

何時使用： 收到分包商提交的進度計畫，需要檢查明顯的紅旗問題時。

步驟

匯入進度計畫

審查 schedule.xlsx — 標記缺少邏輯連結、負浮時、開口端點與不合理工期。✓ 已複製

→ 依類別分類的發現事項
排定優先順序

依對完工日期的影響程度排序。✓ 已複製

→ 排序後的清單

結果： 快速的表面層級進度審查，能找出約 80% 的常見問題。

注意事項

缺乏 CPM 層級的深度分析 — 若需精確的浮時分析，請從 P6 匯出資料，而非依賴 Excel

組合

與其他 MCP 搭配，撬動十倍槓桿

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

批次處理整個專案資料夾中的 IFC 檔案、進度計畫與文件

掃描 project/ 資料夾並產出每週協調彙整包。✓ 已複製

工具

此 MCP 暴露的能力

工具	輸入參數	何時呼叫	成本
bim-audit	IFC path	收到任何 IFC 檔案時	ifcopenshell compute
cost-estimation	project concept	早期概念設計階段	0
schedule-review	schedule export	審查分包商送審進度計畫時	0
document-control	RFIs/submittals/COs	專案行政作業	0

成本與限制

運行它的成本

API 配額: none
每次呼叫 Token 數: 5–30k per task
費用: free at skill level
提示: 僅啟用與您工作職能相關的子技能 — 此套件涵蓋範圍非常廣泛

安全

權限、密鑰、影響範圍

憑證儲存： none

資料出站： none

施工估算與進度計畫通常屬於機密資料 — 請比照其他敏感專案資料的方式處理

故障排查

常見錯誤與修復

ifcopenshell install fails

請使用 Python 3.10 或 3.11，並透過符合您作業系統平台的 wheel 執行 pip install ifcopenshell。

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

Estimates are wildly off

請以您所在地區的資料庫覆蓋單價；此技能僅使用通用基準數值

替代方案

DDC_Skills_for_AI_Agents_in_Construction 對比其他方案

替代方案	何時用它替代	權衡
generic csv-data-summarizer-claude-skill	您的建築資料為 CSV 格式且不需要 BIM 語意時	不具備領域專業知識

DDC_Skills_for_AI_Agents_in_Construction

為什麼要用

核心特性

即時演示

實際使用效果

安裝

選擇你的客戶端

使用場景

實戰用法： DDC_Skills_for_AI_Agents_in_Construction

如何稽核 BIM IFC 模型的基本資料品質

前置條件

步驟

注意事項

快速產出初步量級成本估算

步驟

注意事項

審查施工進度計畫的常見問題

步驟

注意事項

組合

與其他 MCP 搭配，撬動十倍槓桿

工具

此 MCP 暴露的能力

成本與限制

運行它的成本

安全

權限、密鑰、影響範圍

故障排查

常見錯誤與修復

替代方案

DDC_Skills_for_AI_Agents_in_Construction 對比其他方案

更多

資源