MCP4IFC: IFC-Based Building Design Using Large Language Models

📄 arXiv: 2511.05533v1 📥 PDF

作者: Bharathi Kannan Nithyanantham, Tobias Sesterhenn, Ashwin Nedungadi, Sergio Peral Garijo, Janis Zenkner, Christian Bartelt, Stefan Lüdtke

分类: cs.CL

发布日期: 2025-10-29

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

MCP4IFC：利用大型语言模型驱动的IFC建筑设计框架

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 建筑信息模型 工业基础类 模型上下文协议 检索增强生成

📋 核心要点

  1. 现有AEC领域缺乏将自然语言指令转化为标准化数据模型操作的系统，阻碍了生成式AI的应用。
  2. MCP4IFC框架通过MCP协议，使LLM能够直接操作IFC数据，实现自然语言到BIM操作的转换。
  3. 实验证明，该框架支持LLM完成复杂BIM任务，例如房屋建造、IFC数据查询和编辑等，具有实际应用价值。

📝 摘要（中文）

本文提出MCP4IFC，一个全面的开源框架，使大型语言模型（LLM）能够通过模型上下文协议（MCP）直接操作工业基础类（IFC）数据。该框架提供了一套BIM工具，包括用于信息检索的场景查询工具、用于创建和修改常见建筑元素的预定义函数，以及一个动态代码生成系统，该系统结合了上下文学习和检索增强生成（RAG），以处理超出预定义工具集的任务。实验表明，使用该框架的LLM可以成功执行复杂的任务，从建造简单的房屋到查询和编辑现有的IFC数据。该框架以开源形式发布，旨在鼓励LLM驱动的BIM设计研究，并为AI辅助建模工作流程提供基础。

🔬 方法详解

问题定义：当前建筑、工程和建造（AEC）领域面临的挑战是如何将自然语言指令有效地转化为对标准化建筑信息模型（BIM）数据的操作。现有的方法通常依赖于复杂的编程接口或领域专家手动操作，效率低下且难以推广。缺乏一个能够让非专业人士也能通过自然语言指令操控BIM模型的通用框架。

核心思路：MCP4IFC的核心思路是利用大型语言模型（LLM）的自然语言理解和生成能力，结合模型上下文协议（MCP），实现自然语言指令到IFC数据操作的直接映射。通过提供一系列预定义的BIM工具和动态代码生成能力，扩展LLM在BIM领域的应用范围。

技术框架：MCP4IFC框架包含以下主要模块：1) 场景查询工具，用于从IFC模型中检索信息；2) 预定义函数，用于创建和修改常见的建筑元素；3) 动态代码生成系统，结合上下文学习和检索增强生成（RAG），处理超出预定义工具集的复杂任务。整个流程是：用户输入自然语言指令，LLM解析指令并调用相应的工具或生成代码，执行IFC数据操作，并将结果反馈给用户。

关键创新：MCP4IFC的关键创新在于它提供了一个完整的、基于LLM的IFC数据操作框架，无需手动编写复杂的代码。动态代码生成系统能够处理超出预定义工具集的任务，极大地扩展了LLM在BIM领域的应用范围。通过结合上下文学习和RAG，提高了代码生成的准确性和效率。

关键设计：框架的关键设计包括：1) MCP协议的实现，用于LLM与IFC数据之间的通信；2) 预定义函数的选择，涵盖了常见的建筑元素创建和修改操作；3) 动态代码生成系统的设计，包括上下文学习和RAG的实现细节，例如检索策略、代码生成模板等。具体的参数设置和网络结构细节在论文中可能未详细描述，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，使用MCP4IFC框架的LLM能够成功执行复杂的BIM任务，例如建造简单的房屋、查询和编辑现有的IFC数据。具体的性能数据和对比基线在摘要中未明确给出，属于未知信息。但实验结果证明了该框架的有效性和实用性。

🎯 应用场景

MCP4IFC框架可应用于建筑设计、工程管理和施工过程等多个领域。它能够降低BIM使用的门槛，使非专业人士也能参与到建筑设计过程中。该框架还可以用于自动化BIM模型的生成和编辑，提高工作效率，并为AI辅助建模工作流程提供基础。未来，该框架有望促进建筑行业的数字化转型。

📄 摘要（原文）

Bringing generative AI into the architecture, engineering and construction (AEC) field requires systems that can translate natural language instructions into actions on standardized data models. We present MCP4IFC, a comprehensive open-source framework that enables Large Language Models (LLMs) to directly manipulate Industry Foundation Classes (IFC) data through the Model Context Protocol (MCP). The framework provides a set of BIM tools, including scene querying tools for information retrieval, predefined functions for creating and modifying common building elements, and a dynamic code-generation system that combines in-context learning with retrieval-augmented generation (RAG) to handle tasks beyond the predefined toolset. Experiments demonstrate that an LLM using our framework can successfully perform complex tasks, from building a simple house to querying and editing existing IFC data. Our framework is released as open-source to encourage research in LLM-driven BIM design and provide a foundation for AI-assisted modeling workflows. Our code is available at https://show2instruct.github.io/mcp4ifc/.