Renga API: автоматизируем автоматизацию с помощью ИИ-агентов
Renga противопоставляется Revit API прежде всего по архитектуре. Если Revit завязан на .NET-плагины внутри процесса и обычно требует сборки DLL, то в Renga доступны и плагины на C++ или C# через interop, и внешняя автоматизация на Python через COM. Для агентного сценария это удобнее: можно открыть проект, получить объекты модели, читать свойства, создавать и удалять элементы и работать с геометрией из отдельного процесса.
Для этого автор собрал библиотеку renga_ai с Python-скиллами, локальной документацией и reflection по RengaCOMAPI.tlb. Базовый цикл такой: агент получает каталог скиллов, делает dump объекта, сопоставляет реальные интерфейсы с документацией, затем пишет и запускает новый скрипт, пока не добьётся результата. В примерах он пишет слова стенами и считает объём и площадь стен, а для RengaSTDL генерирует Lua- и JSON-файлы для параметрических шаблонов, после чего собирает .rst через RstBuilder.exe.
Коротко
- Renga API построен на COM, поэтому агент может управлять приложением извне: запускать Renga, открывать проекты и вызывать команды без встраивания в процесс.
- В SDK v2.46 есть примеры для C++ и C#, а Python поддерживается как штатный документированный сценарий автоматизации, а не как внешняя надстройка.
- Библиотека renga_ai уже умеет подключаться к приложению, читать модель, создавать и удалять объекты, снимать dump и делать reflection по RengaCOMAPI.tlb.
- Для новых задач агент сначала анализирует dump_object(...), затем сверяет интерфейсы с локальной документацией и только после этого пишет и запускает скрипт.
- RengaSTDL использует Lua и JSON для параметрических шаблонов: агент генерирует код и спецификацию, а затем собирает итоговый .rst через RstBuilder.exe.
FAQ
Зачем подключать ИИ-агента к Renga через внешний Python-процесс, если плагины для BIM-систем и так можно писать обычным способом?
Так агент может сам изучать API, собирать скрипты, запускать их и исправлять ошибки без постоянной компиляции DLL и без встраивания в процесс приложения.
Чем сценарий Renga отличается от Revit API с точки зрения языков и развертывания, если задача — быстро автоматизировать работу с моделью?
В Renga доступны внешние Python-скрипты через COM и плагины через interop, тогда как в Revit основной сценарий завязан на DLL и .NET внутри процесса.
Как агенту понять, какие интерфейсы и свойства реально доступны у конкретного COM-объекта, а не полагаться на догадки по именам?
Для этого используется dump_object(...): он показывает поддерживаемые интерфейсы, параметры, свойства и безопасные методы чтения, после чего агент сверяется с документацией и пишет код.
Читайте также
Как кодинг-агенты используют инструменты, память и контекст репозитория, чтобы писать код лучше- Как мы построили AI-экзоскелет для QA-инженера: от идеи до 11 автономных агентов
- Возвращаем к жизни связку OpenClaw и Claude
Atlassian обновляет Confluence для эпохи ИИ- Вайбкодинг с Claude: оформление Telegram-бота, UX и сценарии взаимодействия
- Внешний API лучше подходит для агентной автоматизации, чем in-process плагины: Если продукт позволяет управлять собой как внешним процессом через COM-интерфейсы, AI-агенту проще запускать приложение, открывать проекты, вызывать команды и читать модель без встраивания в runtime самого продукта. Для агентных сценариев это снижает зависимость от сборки DLL, упрощает отладку и делает цикл 'написал скрипт — запустил — проверил' заметно короче.
[Интеграции и API]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Renga API в этом кейсе разбирают как основу для внешней автоматизации BIM-задач через ИИ-агента. Ключевая идея в том, что COM-архитектура Renga позволяет агенту работать с программой как с отдельным процессом: запускать её, читать модель, писать и проверять скрипты без встраивания в приложение.