Step 1：対象データ整理
製品名、型番、寸法、仕様値、材質、使用条件、CADデータURL、注意事項を整理します。
AI Manufacturing Catalog
AI時代の製造業カタログ
カタログは人間が探す時代から、AIエージェントが候補を整理する時代へ。
製品カタログ、PDF資料、型番表、CADデータ、FAQを、AIエージェントが検索・比較・取得しやすい形へ整えます。LWJでは、まずは小規模なPoC・試験導入から、MCPサーバーやAI検索基盤の検証を支援します。
Human設計者・購買担当者
用途、寸法、荷重、回転数などの条件をAIへ伝える。
AI AgentAIエージェント
登録・接続されたMCPツールを使って情報を取得する。
Catalog Data製品情報・仕様・CADリンク
候補一覧、比較表、問い合わせ準備へつなげる。
Catalog Shift
これまでの製造業カタログを、AIが扱いやすい形へ。
従来の紙カタログ、PDF、Webカタログ、型番一覧表、CADデータダウンロードページは、人間が読むことを前提に作られていました。AIエージェントに使わせるには、情報の意味、単位、用途、注意事項を機械が取得しやすい形に整理する必要があります。PDFカタログからAI検索用データを半自動生成し、確認済みデータとしてMCP/API化することで、AIエージェントが検索・比較に使いやすい入口を作ります。
人間向けに最適化されていた情報
- PDFカタログや仕様表
- 型番一覧、寸法表、性能表
- CADデータダウンロードページ
- 注意事項や選定条件が分散したFAQ
AIが扱いやすくする情報
- 型番、寸法、材質、荷重、使用条件
- 対応規格、CADデータURL、技術資料URL
- 選定時の注意事項と問い合わせに必要な情報
- 検索、取得、比較しやすいデータ構造
What Changes
AI時代に起こる変化
AIエージェントは「この条件に合う部品を探して」「候補を比較して」「CADデータのURLも一覧にして」といった依頼を受けるようになります。検索結果で見つかるだけでなく、AIが正しく参照できるカタログ設計が重要になります。
Request
内径20mm、ラジアル荷重3kN、6000rpmで使えるベアリング候補を探して。
Compare
この装置に使える小型モーターと対応ドライバを比較して。
Assets
条件に合う部品を探して、CADデータのURLも一覧にして。
Inquiry
候補を絞ったうえで、問い合わせに必要な条件を整理して。
Agent Flow
AIエージェントがカタログを使う流れ
MCPサーバーは、AIエージェントに登録・接続された場合に、製品情報や技術資料を道具として利用できるようにする仕組みです。公開しただけで、すべてのAIが自動的に利用するものではありません。
01
条件を依頼
設計者や購買担当者が、寸法や用途をAIへ伝える。
02
ツール呼び出し
AIエージェントが接続済みMCPツールを呼び出す。
03
製品検索
型番、仕様、CADリンク、注意事項を検索する。
04
候補比較
条件に近い候補を比較し、必要情報を整理する。
05
問い合わせ準備
最終判断に必要な確認項目をまとめる。
MCP Tools
MCPサーバーで公開できる道具
AIエージェントは、相談内容や検索条件に応じて、MCPサーバーに用意されたToolを選んで呼び出します。ここでいうToolは、Webページ上のボタンではなく、AIエージェントがMCP経由で呼び出す小さな機能です。製造業カタログの場合、最初は読み取り専用の検索・仕様取得・比較から始め、見積確定、在庫確定、納期確定、設計保証、自動発注は行わない前提にします。
| AIが呼び出すTool | 具体的な中身 | AIエージェント側で返せる内容例 |
|---|---|---|
search_products製品検索 | カテゴリ、寸法、材質、荷重、回転数、使用環境などの条件を受け取り、該当しそうな製品候補を絞り込みます。 | 候補型番、主要寸法、候補に入った理由、次に確認すべき条件を返せるか。 |
get_product_specs仕様取得 | 型番を指定して、寸法、材質、定格荷重、許容回転数、対応規格、注意事項などの仕様データを取得します。 | 仕様値、単位、カタログPDFの参照先、注意事項を正しく整理できるか。 |
compare_products候補比較 | 複数の型番を受け取り、寸法、性能、材質、用途、注意点の違いを横並びで比較します。 | 比較表、違いの要約、用途に合いそうな点、確認が必要な点を返せるか。 |
get_cad_download_infoCAD・資料取得 | 型番に紐づくSTEP / IGES / STL、PDFカタログ、仕様書URL、公開範囲、版数などを取得します。 | CADデータURL、PDFカタログURL、利用前に確認すべき権利・公開範囲を返せるか。 |
get_selection_notes選定注意事項 | 用途や候補型番をもとに、寿命計算、安全率、潤滑、温度、取付精度、使用環境などの確認事項を返します。 | AIが断定せず、メーカー公式仕様や技術確認につなげる注意喚起を返せるか。 |
Sample Catalog
ベアリングカタログの例
ここでは説明用のサンプルデータを使います。AIエージェントが条件検索、候補整理、CADデータURL、確認事項をまとめる流れを画面例として示します。実設計ではメーカー公式仕様、寿命計算、潤滑条件、温度、取付精度、安全率、使用環境の確認が必要です。
AIへの質問例
人がカタログを何ページも確認する代わりに、用途や条件をAIへ伝える想定です。
- 内径
- 20mm
- 種類
- 深溝玉軸受
- 荷重
- 3000N
- 回転数
- 6000rpm
これは実際の選定ツールではなく、MCPサーバーの概念説明用デモです。
AIが整理する内容
候補型番、主要寸法、荷重目安、CADデータ、確認事項を、問い合わせや比較に使いやすい形で返します。
候補型番BRG-6204-SAMPLE
主要寸法内径20mm / 外径47mm / 幅14mm
荷重目安動定格12,800N / 静定格6,650N
CADデータSTEPデータURLをあわせて提示
AIの回答は候補整理までです。最終選定では、公式仕様、寿命計算、安全率、使用環境を必ず確認します。
JSON形式の技術イメージを見る
{
"partNumber": "BRG-6204-SAMPLE",
"boreMm": 20,
"outerDiameterMm": 47,
"widthMm": 14,
"cadUrl": "https://example.com/cad/BRG-6204-SAMPLE.step",
"note": "説明用のサンプルデータです。"
}Cloudflare Workers
小さく始める開発構成
Cloudflare Workers上に軽量なMCPサーバーを構築し、AIエージェントが製品検索、仕様確認、CADデータ取得、候補比較を行える入口を用意します。PDFカタログや型番表をそのまま置くだけでなく、AIが扱いやすい構造化データとして整理することで、将来的なAI検索・AI見積補助・問い合わせ導線につなげます。
最初から大きな業務システムにせず、10〜50件程度のサンプルデータまたは許諾済み製品データでPoC・試験導入版を作り、AIエージェントが条件検索・詳細取得・比較を行えるかを検証します。
Step 2：ツール設計
検索、詳細取得、比較、CADリンク取得、選定注意事項など、読み取り専用の道具を設計します。
Step 3：PoC構築
Cloudflare Workers、静的JSON、D1、R2、Vector検索などを使い、公開範囲を決めて検証します。
Support
LWJが支援できること
AIに製品情報を誤答させないためには、データ構造、検索ルール、回答ルール、公開範囲、問い合わせ導線を合わせて設計する必要があります。
開発・データ整理
- 製品カタログのAI対応方針整理
- PDFカタログからAI検索用データを半自動生成
- 型番表、CADリンク、確認済みデータのMCP/API化
- AIエージェント向けMCPサーバーの設計
- Cloudflare Workersを使った軽量MCPサーバー開発
運用・安全設計
- 製品検索API、FAQ検索、問い合わせ前ヒアリング機能
- PoC・試験導入用のサンプルデータ環境構築
- 社内向けAI検索基盤の構築
- AIに誤答させないための回答ルール設計
注意事項
MCPサーバーは、登録・接続されたAIエージェントから利用される仕組みです。公開しただけで、すべてのAIが自動的に利用するものではありません。
このページで説明しているベアリングデータは説明用のサンプルデータです。実在メーカーの仕様、CADデータURL、カタログPDFは使用していません。
候補提示までは支援できますが、選定保証、設計保証、見積確定、在庫確定、納期確定、自動発注は個別確認が必要です。
製造業カタログのAI対応を、小さく試してみませんか。
製品カタログ、PDF資料、型番表、CADデータ、FAQをAIエージェントが検索・利用しやすい形へ変換することで、設計者や購買担当者が必要な情報へ到達しやすくなります。