Исследуем внутреннее устройство Renga — отечественного BIM-решения. Разбираем его API, сравниваем с Revit и показываем, как подключить ИИ-агента для автоматизации разработки.

• Обзор архитектуры Renga API и сравнение с Revit API.
• Преимущества COM-интерфейса для интеграции с ИИ.
• Работа с API через Python и внешние скрипты.
• Создание ИИ-агента, который изучает API, генерирует и тестирует код.
• Генерация параметрических семейств через Renga STDL и Lua.

Все материалы доступны в открытом репозитории.

Почему это важно?

Разработка плагинов для BIM-систем, таких как Revit, традиционно требует:

• глубокого знания API;
• компиляции сборок;
• сложной отладки.

Что если автоматизировать сам процесс разработки? ИИ-агент может изучать API, писать скрипты, тестировать их и исправлять ошибки. Такой рабочий пайплайн уже реализован для Renga.

В этой статье — как архитектура Renga API делает такую интеграцию возможной и как вы можете её повторить.

Renga API: обзор и сравнение с Revit API

Renga — это российская альтернатива Revit, предназначенная для автоматизации проектирования и создания 3D-моделей зданий.

Сравнение с Revit помогает понять ключевые отличия и преимущества.

Архитектура: почему COM — это преимущество

Renga API построен на COM (Component Object Model) — стандарте Microsoft для взаимодействия программных компонентов в Windows.

COM-интерфейс позволяет одной программе вызывать функции другой, даже если они написаны на разных языках.

Revit API работает иначе: плагины загружаются в изолированную среду .NET (AppDomain) внутри процесса Revit. Код выполняется в том же процессе, что и приложение, и имеет ограниченный доступ извне.

COM даёт важные преимущества для ИИ:

• ИИ-агент управляет Renga как внешним процессом: может запускать, закрывать, отправлять команды.
• Не нужно встраиваться в процесс — достаточно знать COM-интерфейсы.
• Полный доступ к модели через внешние вызовы.

SDK Renga API

SDK (Software Development Kit) — набор инструментов для разработки ПО под конкретную платформу.

Структура SDK (актуально для Renga API v2.46):

Главный файл — RengaCOMAPI.tlb. Это типизированная библиотека COM-интерфейсов, которая позволяет генерировать interop-сборки для .NET.

Даже при разработке на C# вы работаете с COM-объектами через .NET-обёртку, а не с нативным .NET API, как в Revit.

Поддерживаемые языки

• C++ — для нативных COM-плагинов;
• C#/.NET — через interop-слой;
• Python — для внешних скриптов через COM.

Это важное отличие от Revit: Python в Renga — штатный, документированный способ автоматизации, а не сторонняя оболочка.

Два сценария работы с API

1. Внутрипроцессный плагин — DLL (C++ или .NET), загружаемая в процесс Renga через XML-дескриптор .rndesc.
2. Внешняя автоматизация — отдельный процесс управляет Renga через COM Local Server или ROT.

Для ИИ-агентов предпочтителен второй сценарий: агент работает как независимый процесс и не требует компиляции.

Сравнение Renga и Revit API:

Базовая технология
Renga: COM — внешний интерфейс
Revit: .NET (RevitAPI.dll) — плагин встраивается в AppDomain

Развертывание
Renga: DLL или Python-скрипты
Revit: только DLL

Поддержка языков
Renga: C++, C#, Python (официально)
Revit: C#, Python (через неофициальные обходные пути)

Ключевые возможности для ИИ

Взаимодействие через COM

COM-природа Renga API делает его доступным для ИИ-агентов:

1. Глубокая интеграция — агент может управлять запуском, проектами, сессиями.
2. Полный доступ к модели — через внешние команды, без встраивания в процесс.

Библиотека renga_ai: Python-скиллы для агента

Фокус — на внешней автоматизации через Python. Создана библиотека инструкций и скриптов, где каждый скрипт — это «скилл» для ИИ-агента.

Реализовано:

• подключение к приложению;
• открытие и сохранение проекта;
• доступ к модели и объектам;
• создание и удаление объектов;
• чтение параметров и свойств;
• дамп объектов и геометрии;
• рефлексия по RengaCOMAPI.tlb.

Минимальный пример: начало работы с Renga

Простая схема взаимодействия ИИ с Renga:

Ключевой скилл и общий пайплайн

Используется reflection-driven подход: агент изучает API, анализирует объекты и генерирует код.

Основной скилл — dump_object(com_object: Any) -> Dict[str, Any].

Дамп нужен, чтобы:

• увидеть, какие интерфейсы поддерживает COM-объект;
• не гадать по названиям;
• получить реальные значения свойств;
• определить безопасные методы для чтения;
• найти геометрические интерфейсы;
• сопоставить объект с документацией из RengaAPI_Docs/.

Порядок работы агента:

1. Получает список скиллов через get_skills_catalog().
2. Ищет подходящий скилл. Если не находит — продолжает.
3. Выполняет dump_object() или dump_selected_object().
4. Анализирует дамп.
5. Ищет нужные интерфейсы в документации и .tlb.
6. Генерирует и запускает скрипт.
7. Повторяет до достижения результата.

Примеры работы

Агент может, например, создавать текст из стен с помощью бесплатной модели Qwen Code.

Более практичный пример — подсчёт объёма и площади стен.

Такой агент подходит для изучения API, написания плагинов и тестирования. Он сам открывает модель, запускает скрипты, ловит ошибки и вносит правки.

Есть потенциал использовать его как ассистента в повседневной работе.

Renga STDL API: создание семейств через ИИ

В Renga нет графического редактора параметрических семейств, как в Revit. Вместо этого используются «шаблоны стилей», создаваемые через код на Lua и JSON.

Раньше это считалось слишком сложным. Но с ИИ подход меняется.

Что такое STDL?

Renga STDL — отдельный SDK для создания параметрических объектов. Основан на Lua + JSON.

Цель — создание объектов с вычисляемой геометрией.

Агент для генерации семейств

В библиотеке renga_ai реализована основа для работы с STDL.

Документация, примеры и вспомогательные файлы доступны в папке RengaSTDL_Docs/.

Идея проста: агент генерирует код на Lua, описывающий геометрию, создаёт JSON-файл и запускает RstBuilder.exe из SDK.

На выходе — файл .rst, который загружается в Renga.

Например, стул был сгенерирован по простому промпту. Агент добавил параметризацию.

Как начать использовать?

Скачайте репозиторий renga_ai и дайте ИИ-агенту прочитать README.md и AGENTS.md. После этого он готов к работе.

Можно использовать qwen code — бесплатную модель без ограничений. Дневных лимитов хватит при умеренном использовании.

Заключение

Преимущества Renga API и STDL:

• Гибкость API — COM позволяет управлять приложением из любого процесса.
• Официальная поддержка Python — без костылей.
• ИИ-агент как разработчик — сам изучает API, пишет и тестирует код.
• Lua для семейств — мощный инструмент в руках ИИ.

Потенциал применения:

• Автоматизация рутинных задач в BIM.
• Быстрое прототипирование плагинов.
• Обучение разработчиков через ИИ-ассистента.
• Генерация библиотек компонентов по ТЗ.

Renga предоставляет удобный опыт взаимодействия с API. Это направление может изменить подход к работе с CAD-системами.

Библиотека renga_ai упрощает интеграцию с ИИ и даёт полезные инструменты для изучения и автоматизации.

Щупаем внутренности Renga. В этой статье залезу под капот к отечественному ПО и разберу его API. Сравню с западным конкурентом и заставлю подружиться с ИИ.

В этой статье:

• посмотрим на суть API - тут будет не пересказ примеров из SDK, а общий взгляд на технологию
• сравним с Revit API
• подключим ии-агента к ренге и заставим работать

Все материалы из этой статьи я выложил врепозиторий.

Почему это важно?

Разработка плагинов для BIM-систем (на примере Revit) традиционно требует:

• глубокого знания API;
• компиляции сборок;
• использование отдельных костылей при отладке

Что если автоматизировать сам процесс разработки?ИИ-агент, который изучает API, пишет скрипты, тестирует их и исправляет ошибки - это рабочий пайплайн, который я реализовал для Renga.

В этой статье покажу, как архитектура Renga API делает такую интеграцию возможной, и как вы можете повторить этот опыт.

Renga API: краткий обзор и сравнение Revit API

Renga - это наш ответ Revit. Представляет из себя систему для автоматизации проектирования и разработки трехмерных строительных моделей.

Сложно рассматривать ренгу в отрыве от ее западного аналога. Поэтому периодически тут будут отсылки и сравнения.

Архитектура: почему COM - это преимущество

Renga API построен наCOM- это фундаментальное решение влияет на всю архитектуру интеграции.

COM-интерфейс(Component Object Model Interface) - это стандартный способ описания взаимодействия между программными компонентами в операционных системах Windows (и не только), разработанный компанией Microsoft. COM-интерфейс позволяет одной программе вызывать функции другой, даже если они написаны на разных языках

Что с Revit API? Он работает иначе: плагины загружаются вAppDomain- изолированную доменную среду выполнения .NET внутри процесса Revit. Код плагина выполняется в том же процессе, что и само приложение, с ограниченным доступом извне.

Почему COM - это плюс для ИИ?

• Агент может управлять Renga как внешним процессом: запускать, закрывать, отправлять команды.
• Не нужно встраиваться в процесс приложения — достаточно знать COM-интерфейсы.
• Полный доступ к модели через внешние вызовы.

Немного посмотрим на SKD

SDK (Software Development Kit)— этонабор инструментовдля разработки программного обеспечения под конкретную платформу, устройство или сервис.

Структура SDK(актуально для Renga API v2.46):

Главный файл -RengaCOMAPI.tlb. Это типизированная библиотека COM-интерфейсов, которая генерирует interop-сборки для удобной работы из .NET.

Даже при создании плагина на C# вы взаимодействуете с COM-объектами через .NET-обёртку (interop-слой), а не с нативным .NET API, как в Revit.

Какие языки поддерживаются?

• C++- для нативных COM-плагинов;
• C#/.NET- для .NET-плагинов через interop-слой ;
• Python- для внешних скриптов автоматизации через COM.

Это важное отличие от Revit: Python в Renga -штатный документированный сценарий, а не сторонняя оболочка над .NET API.

Два сценария работы с API

1. Внутрипроцессный плагин- DLL (C++ или .NET) загружается в процесс Renga через XML-дескриптор.rndesc.
2. Внешняя автоматизация- отдельный процесс управляет Renga через COM Local Server или ROT (Running Object Table).

Для ИИ-агентов второй сценарий предпочтительнее: агент работает как отдельный процесс и не требует компиляции.

Короткая таблица сравнения Renga и Revit API

Базовая технология

COM - внешний интерфейс

.NET (RevitAPI.dll, RevitAPIUI.dll). Плагин загружается в appdomain

Развертывание

- сборка DLL- внешний скрипт на python

только сборка dll

С++C#python

только C#python - через костыли

Ключевые возможности для ИИ

Взаимодействие через COM

COM-природа Renga API делает егодоступным для ИИ-агентов:

1. Глубокая интеграция- агент может открывать/закрывать программу, управлять проектами
2. Полный доступ к модели- через внешние команды без необходимости встраивания в процесс

Библиотека renga_ai: Python-скиллы для агента

В этой статье раскрою именно внешнюю автоматизацию с помощью python.

Для интеграции ИИ-агентов с Ренгой я начал создаватьбиблиотекуинструкций и python скриптов. Python скрипты становятся скиллами, которые может применить ИИ-агент.

Вот структура проекта

Реализовано следующее:

• подключение к приложению;
• открытие и сохранение проекта;
• доступ к модели и объектам;
• создание и удаление объектов;
• чтение параметров и свойств;
• dump объектов и геометрии;
• reflection поRengaCOMAPI.tlb.

Минимальный пример: как начать работать с Renga

Для наглядности - простая схема взаимодействия ИИ с Renga

Ключевой скилл и общий pipeline работы

Для добавления нового функционала реализован reflection-driven подход при котором агент получает все данные об элементе, изучает документацию и сам пытается создавать скрипты.

Основной скилл -dump_object(com_object: Any) -> Dict[str, Any]

Дамп нужен, чтобы:

• увидеть, какие интерфейсы реально поддерживает конкретный COM-объект;
• не гадать по названиям интерфейсов и свойств;
• получить реальные параметры, свойства и их значения;
• понять, какие методы безопасно вызываются на чтение;
• увидеть geometry-related интерфейсы;
• сопоставить живой объект из модели с тем, что описано вRengaAPI_Docs/.

Вот порядок действий, которые выполняет агент при работе с библиотекой.

1. Получает список готовых скиллов черезget_skills_catalog()
2. Находит подходящий скилл при применяет его. Если не находит, продолжает далее по списку.
3. Выполняетdump_object(...)илиdump_selected_object()для элемента
4. Анализирует полученный дамп.
5. Находит интересующие интерфейсы и члены вRengaAPI_DocsиRengaCOMAPI.tlb.
6. Создает новый скрипт и запускает его.
7. Далее по кругу до достижения результата.

Пара примеров

Посмотрим, как агент пишет слова с помощью стен. Работает бесплатный qwen code.

Более практичный пример - подсчет объема и площади стен

Такой агент отлично подходит для изучения Renga API и написания плагинов. Он сам пишет логику, сам открывает модель и запускает скрипт ловит ошибки и вносит изменения.

Также есть потенциал для использования такого агента как ассистента при ежедневной работе в программе.

RengaSTDL API - делаем семейства с помощью ИИ

В Renga нет редактора для создания параметрических семейств как в Revit. Разработчики предлагают создавать "семейства "или "шаблоны стилей" с помощью кода на Lua и спецификаций json.

Раньше люди насмехались и негодовали - мало кто готов учить язык программирования, чтобы создать светильник или насос. Был слишком большой порог входа.

Но с искусственным интеллектом на это можно взглянуть по новому.

Что такое STDL

RengaSTDL- отдельный SDK для создания параметрических шаблонов стилей. Основан на Lua + JSON.

Назначение STDL -создавать параметрические объекты с вычисляемой геометрией

Агент для генерации семейств

В моейбиблиотекепредусмотрена основа для изучения и создания семейств с помощью ИИ.

Я поместил документацию, примеры и вспомогательные файлы вRengaSTDL_Docs/

Идеяпроста - агент генерирует нам код на lua, где описывает геометрию, создает рядом json и запускает специальный скриптRstBuilder.exeиз sdk.

На выходе получаем файл.rst, который грузим в Ренгу и наслаждаемся.

Вот такой стул был сгенерирован по простому промпту. Агент даже добавил параметризацию.

Как всем этим пользоваться?

Просто скачайте репозиторийrenga_aiи дайте прочитать своему агенту README.md и AGENTS.md. После этого он будет готов к боевым задачам.

В качестве агента можно попробовать qwen code - сейчас он бесплатный и доступен без ограничений. Дневных лимитов должно хватать, если работать умеренно.

Заключение

Тут опишу только явные преимущества и плюсы Renga API и STDL:

• Гибкость Renga API- COM-интерфейс позволяет управлять приложением из любого процесса.
• Штатная поддержка Python- не нужно «костылей» для скриптов.
• ИИ-агент как разработчик- сам изучает API, пишет код, тестирует, исправляет.
• Lua для семейств- неожиданно мощный инструмент в руках ИИ.

Потенциал:

• Автоматизация рутинных задач в BIM;
• Быстрое прототипирование плагинов;
• Обучение новых разработчиков через ИИ-ассистента;
• Генерация библиотек компонентов по ТЗ.

Renga дает приятный опыт взаимодействия с API. Надеюсь, это направление будет развиваться и мы сможем получить иной подход к взаимодействию с CAD софтом.

Моя библиотекаrenga_ai- позволяет удобно связать ИИ-агента и дает полезные инструменты для работы и изучения

Материалы и ссылки

• репозиторий проекта renga_ai
• Мой аккаунт на GitHub
• Renga SDK- набор разработчика Renga API
• Renga STDL SDK- комплект разработчика шаблона стилей (семейств)