Revu と MCP

Bluebeam Model Context Protocol（MCP）サーバーを使用すると、Revu 21.9 以降で AI モデルに強力なマルチステップワークフローを実行するようにプロンプトを出せます。これらのプロンプトにより、複雑なスクリプト作成や技術エンジニアリングが不要になり、Bluebeam Max ユーザーが高度な自動化を利用しやすくなります。

MCP で実行できるタスクについては、一般的なよくある質問をご覧ください。

MCP と、すべての要素がどのように連動するかという詳しい説明は、「AI と MCP の概要」をご覧ください。

Revu を MCP 経由で AI に接続し、Bluebeam Max で自然言語を使用して作業を高速化する方法を学びます。詳細については、Bluebeam University にアクセスしてください。

この機能は Bluebeam Max プランでのみ利用可能です。

Revu を AI モデルと連携させて、PDF ワークフローを向上させましょう。Revu と AI モデルを併用するには、以下を行う必要があります。

AI モデルに登録します（必要な場合）。
AIモデルのデスクトップアプリケーション（利用可能な場合）をダウンロードします。
Revu と AI モデルを設定して、MCP 接続を許可します。

以下のリンクを使用して、Revu と AI モデルをセットアップします。

プロンプト

プロンプトは、AIモデルに特定のワークフローを実行する方法を伝えるメッセージです。自然言語を使用して、以下のようなタスクを処理するプロンプトを作成できます。

ドキュメントの分析
重要情報の抽出
マークアップの整理
概要やレポートの作成
問題点や矛盾点の特定
コンテンツの書き換えやフォーマットの変更

Revu でプロンプトを使用して、以下の操作を行います。

面倒なタスクを自動化する：通常は手作業を必要とするステップを AI に任せることで、何時間もの反復作業を排除します。
チーム間の一貫性を向上させる：プロンプトによってタスクの実行方法が標準化され、エラーや個人間のばらつきが減ります。
複雑なワークフローへの障壁を下げる：AI や Revu のエキスパートでなくても、自然言語を使用して、高度な機能を 1 つのアクションにまとめるプロンプトを作成できます。
生産性を高める：自動化が進むと出力が速くなり、より価値の高い仕事に時間を割けるようになります。
イノベーションと知識の共有を促進する：ユーザーは共同でプロンプトを送信、改良することができ、絶えず拡張されるワークフローツールキットを作成できます。
一元化されたワークフローライブラリを建造する：Bluebeam のCommunities Libraryは、ベストプラクティス、再利用可能なワークフロー、チームの知見についての信頼できる唯一の情報源になります。AI Prompts libraryを表示するか、独自のプロンプトを送信する方法をご確認ください。

特に頻繁に繰り返すワークフローでは、プロンプトは一貫性を確保して時間を節約します。

プロンプトのベストプラクティス

MCP プロンプトを明確かつ意図して記述すれば、Revu 内で複雑な自動化ワークフローを実現できます。これらのベストプラクティスを活用して、信頼性が高く、再現性があり、他の人も導入しやすいプロンプトを作成しましょう。

明確な目標から始める：プロンプトが何を達成しようとしているのかを正確に定義します。明確な表現を用いると、 AI システムがあなたの指示を正確に解釈しやすくなります。
- このプロンプトでどのような問題を解決するのでしょうか？
- どのような出力や変革を期待していますか？
具体的に指示する：正確な指示は一貫した結果につながります。以下について明確に概説します。
- インプット
- ステップ
- 出力フォーマット
- 制約または規則
先入観を避け、すべての要件を明確に記述します。
背景情報を提供する：以下のような関連する詳細を入力します。
- ファイルのタイプ
- ドキュメントの構造
- 命名規則
- プロジェクト固有の考慮事項
複雑なタスクを細分化する：ワークフローに複数のステップが含まれる場合は、それぞれを明記します。連続する命令のほうが、単一の長い段落よりも信頼性が高いものとなります。
用語を統一する：プロンプト全体を通して同じ用語を使用します。例えば、「マークアップ」、「注釈」、「メモ」を切り替えて使用しないようにします。
期待される出力を記載する：以下の点を AI モデルに伝えます。
- 自分が希望していること
- AI がしてはならないこと
- 最終結果はどのように構成されるべきか
これは、AI モデルとプロンプトをレビューする人の双方に役立ちます。
結果を検証する：AI の出力は、人間の検証が必要な下書きとして扱います。AI は間違いを犯すことがあるため、常に成果の正確性を確認する必要があります。
共有前にテストする：プロンプトを複数回実行して、一貫した結果が得られることを確認します。予測不能な動作をした場合は、手順を簡略化するか明確にします。
スキルを作成して活用する：将来また使いたい複雑なプロンプトを正常に実行できたら、スキルまたはエージェントフローを作成します。詳細については、選択した AI モデルのヘルプドキュメントを参照してください。
技術要件を文書化する：他の人があなたのワークフローを再現できるように、以下を記載しておきます。
- Revu のバージョン
- MCP の構成
- 使用前に必要なすべてのセットアップ
改善を継続する：プロンプトは進化します。ツールやワークフローが変わるたびに、定期的にプロンプトを見直し、指示を改善します。

AnythingLLM のベストプラクティス

MCP サーバーを使用するには、プロンプトの前に @agent と入力して Agent モードを起動するか、チャットウィンドウの下部にある Agent セッションを開始 を選択します。
プロンプトで MCP ツール名を直接参照する。Anything LLM で MCP ツールの一覧を表示する方法については、「AnythingLLM で Bluebeam の MCP サーバーを管理する」をご覧ください。
より明確で決定論的なプロンプトは、漠然とした会話形式のリクエストよりも、一般的に信頼性の高い結果を生み出します。
複雑なワークフローや反復可能なワークフローは、スラッシュコマンド、保存済みのツール、または再利用可能なプロンプトテンプレートとして最も効果的です。これにより、会話型プロンプトのみの場合よりも一貫した実行が実現します。
大規模なマルチステップフローを回避する。AnythingLLMは、単一のコマンド内で大規模なワークフローを処理するのが困難な場合があります。ワークフローをより小さなステップに分割すると、一般的に一貫性と信頼性が向上します。
現在の日付、ワークスペース変数、または環境変数などの動的な値は、プロンプトで明示的に参照される必要があります。モデルがシステム時間またはワークスペース変数を明確に定義されていない限り、自動的に正しく参照すると仮定しないでください。

トークン

トークンは、ほとんどのAIモデルとの会話に使う通貨のようなものだと考えてください。すべての単語、句読点、画像、添付ファイルなどは、一定数のトークンで構成されています。メッセージや添付ファイルを送信すると、トークンが「消費」されます。長いメッセージや文書は、短いものよりも多くのトークンを必要とします。AI モデルがあなたのメッセージに返信する際、その返信を生成するためにトークンを「消費」します。詳細な回答には、単純な「はい」という回答よりも多くのトークンが必要になります。

利用可能なトークン数は、選択したAIモデルと、そのAIプロバイダーのサブスクリプションプランによって異なります。

Bluebeam は、会話で使用されるトークンの数を制御したり、トークン予算を更新したり、残っているトークンの数を知らせたりすることはできません。

一部の AI モデルはトークンシステムを使用していませんが、それでもインタラクションを制限する場合があります。詳細については、選択した AI モデルのヘルプドキュメントを参照してください。

多くのトークンを使わずにプロンプトを作成する方法を学びたい方は、「トークンを節約するための秘訣」をご覧ください。

トークンを節約するための秘訣

AI モデルを最も効率的に起動させるために、以下のトークン節約のヒントをご活用ください。

クリーンなドキュメントから始める：プロンプトを作成する前に、PDF をクリーンアップします（OCR を実行し、古いマークアップをフラット化するか、不要なページを削除します）。ドキュメントがクリーンであれば、トークン数が大幅に少なくて済みます。
新しい会話を始める：AI モデルは、新しいメッセージを送信するたびにチャット履歴全体を再読み込みします。1 つのタスクを完了したら、次のタスクのために新しいチャットを開始します。これにより、以前のタスクの古いコンテキストが、新しいリクエストで余分なトークンを使用するのを防げます。
具体的かつ簡潔に質問する：漠然とした質問は、回答が長くなり、トークン予算を浪費する原因となります。「この PDF について教えてください」と言うのではなく、「この PDF に含まれる安全要件の上位 3 つを箇条書きにまとめてください」と尋ねるようにします。より短く、より的を絞ったプロンプトは入力トークンの使用量を減らし、特定の制約があると、より短く効率的な出力トークンを生み出します。
「選択的」OCRを使用する：スキャンされたドキュメントを扱う場合、AI モデルはその画像のテキストhバージョンを処理する必要があります。OCR は文書全体ではなく、分析する特定のページだけに適用します。これにより、MCP を介して送信される「PDF テキスト」のデータ量が減ります。
ファイルサイズを縮小する：100 ページの PDF を参照するには多くのトークンが消費されることがあります。Revu の「ページの抽出」機能を使用して、AI モデルに分析を依頼する前に、関連するセクションのみを含む小さな PDF を作成してください。
MCP ツールの適用範囲を制限する：AI モデルは、質問に答えるために必ずしもファイル内のすべてを確認する必要はありません。例えば、マークアップに関する質問のみがある場合は、「電気アイテムのステータスを見つけるために、マークアップリストのメタデータのみを参照してください」と言えばよいでしょう。これにより、MCP が不要なページテキストやプロジェクトファイルデータを抽出して送信するのを防ぎます。
AI モデルとの「おしゃべり」を避ける：「こんにちは、お元気ですか？」、「どうもありがとうございます。」といった形式的な挨拶は省き、指示に直接進みます。「こんにちは」や「お願いします」など、すべての単語がトークンとしてカウントされます。
返信ではなく編集する：AI モデルから返された応答が長すぎぎたり、基準から少しずれたりした場合は、新しいメッセージを送信するのではなく、送信したメッセージにカーソルを合わせて [編集] をクリックしてプロンプトを微調整します。これにより、以前の長い応答が「上書き」され、トークン履歴が重複するのを防ぎます。
まずアウトラインを依頼する：AIモデルに「開始する前に計画の概要を作成してください」と依頼します。AI モデルが、誤った方向に向かう膨大なレポートに大量のトークンを費やすのを防ぐためです。

AI プロンプトのベストプラクティスやトークン節約型プロンプトテンプレートの詳細については、「AIプロンプトの概要」をご覧ください。

トークン節約のためのプロンプトテンプレート

標準のチャットインターフェースでは、これらのテンプレートの指示を使って、トークン予算を節約しましょう。

概要クイックテンプレート
文書または一連のマークアップをすばやく理解するには、以下のプロンプトを使用します。
「Revu のアクティブな PDF で、［件名を挿入、例：構造マークアップ］を要約してください。」
- 回答は箇条書きにしてください。
- 簡潔に、導入や結論の文章は使用しないでください。
- ［特定の詳細、例：オープンステータスの項目］にのみ注目してください。」

データ抽出テンプレート
多数のプロジェクトファイル内の特定の値や日付を検索するには、以下のプロンプトを使用します。
「Revu でアクティブな PDF をスキャンして［項目を挿入、例：指定されたすべてのコンクリート領域］を探してください。」
- 2列の簡単な表（［列 A］と［列 B］）を使って回答してください。
- データの発見方法は説明しないでください。
- 情報が見つからない場合は、「見つかりません」とだけ返信してください。

問題の発見テンプレート
図面やマークアップのステータスの不一致を見つけるには、以下のプロンプトを使用してください。
「[項目を挿入、例：ページラベル] に重複や欠落がないか確認してください。
- 見つかったエラーのみを一覧表示してください。
- 回答の合計は 100語未満に制限してください。
- エラーがなければ「問題は検出されませんでした」と回答してください。

これらが効果的な理由

AI モデルは通常、丁寧な自己紹介で応答します（「もちろんです！あなたの文書を分析して...であることが分かりました）。「イントロなし」のルールを使用すると、メッセージあたり約15～20トークンを節約できます。
表では冗長な単語を排除できるため、長文の段落よりもトークンの効率が高くなる場合が多いです。
AI モデルに対してしてはいけないことを具体的に制約事項として示すことが、トークンを節約する最も効率的な方法です。

Model Context Protocol（MCP）は、「セキュリティ優先」の理念に基づいて設計されました。Revu を AI モデルに接続しても、AI モデルがコンピューターやアカウントに無制限にアクセスできるようになるわけではありません。その代わり、要求した特定のデータにのみアクセスできる、限定された管理下のチャネルを作成します。

詳細はセキュリティに関するよくある質問をご覧ください。

免責事項：AI モデルのプライバシー設定およびデータ使用ポリシーは、プロバイダーによって変更される場合があります。以下の情報は、2026年6月2日現在のものです。これらのプラットフォームはインターフェースと利用規約を頻繁に更新するため、LLMプロバイダーに直接この情報を確認することを強くお勧めします。

あなたがアクセス管理者です

Revu と AI モデルの接続は完全にあなたの管理下にあります。

モデルは自分でデータを閲覧することはできません。特定のコマンドを入力してデータが必要になった場合にのみ、そのデータにアクセスします。
MCP サーバーはマシン上でローカルに実行され、リクエストを完了するために必要な特定のテキストとメタデータのみを送信します。
AI モデルがアクセスする MCP スキルを制御し、AI モデルがコマンドを実行することを承認または拒否できます。ほとんどの AI モデルでは、特定の Bluebeam MCP スキルをオンまたはオフに切り替えることができ、ツールを実行したりコマンドを実行する前にアクセス許可を求めるように構成できます。詳細については、選択した AI モデルのヘルプドキュメントを参照してください。

データプライバシーとモデルのトレーニング

最も一般的な懸念の一つは、個人データがAIモデルの将来のバージョンを学習するために使われるかどうかということです。これは、選択した AI モデルに大きく依存します。詳細については、モデルのヘルプを参照してください。

クラウドプロバイダーを使用する場合（Claude、OpenAIなど）

トレーニングを防ぐため、手動でプライバシー設定が確実に構成されていることを確認してください。

トレーニングのオプトアウト：ほとんどの AI モデルでは、トレーニングへのデータの使用を無効にしても、MCP のメリットを最大限に活用できます。この設定に関係なく、回答に対して肯定的または否定的なフィードバックを与えることを選択した場合、会話全体が AI モデルに送られ、トレーニングが行われる可能性があります。
会話の削除：ほとんどの AI モデルでは、削除されたチャットは、AI モデルのトレーニングと改善にオプトインしている場合でも、将来のモデルのトレーニングには使用されません。
シークレットチャットを使用する：シークレットチャット（プライベートチャットまたは一時チャットとも呼ばれます）は、チャット履歴またはAIモデルのメモリに保存されず、AIモデルのトレーニングと改善にオプトインしている場合でも、今後のモデルトレーニングには使用されません。シークレットチャットは機能に依存し、すべてのAIモデルで利用できない場合があります。

詳細はセキュリティに関するよくある質問をご覧ください。

ローカルプロバイダー（Ollama、Anything LLM ローカルエンジンなど）をご利用の場合

AnythingLLMのようなプラットフォームは、ローカルハードウェア上でAIモデルをホストおよび実行する機能を提供します。

ゼロデータ漏洩：ローカルモデルを使用する場合、お客様のデータはお客様のマシンから外に出ることはありません。
トレーニングは行われません。モデルはお客様のローカルマシンで実行されているため、お客様のプロジェクトデータを受信したり、トレーニングしたりする外部サーバーはありません。

一般的なよくある質問

Revu で AIOK を使用して実行できるアクションは何ですか？

MCP サーバーは、Revu でアクションを実行するために以下のツールを使用できます。選択した AI モデルで利用可能なツールを表示する方法については、そのモデルの「Set up」記事を参照してください。

ドキュメント情報と分析
get_page_count	PDF 内のページの総数を返します。
get_page_information	各ページの寸法、回転、その他のプロパティなどのページ情報を提供します。
save_as_text	特定のページまたはドキュメント全体から基礎となるテキストコンテンツを抽出します。
マークアップ管理
マークアップを追加	新しいマークアップを作成する。
マークアップキャプチャを追加	既存のマークアップに画像またはメディアファイルを添付。
create_markup_thumbnail	特定のマークアップの PNG 画像を生成してプレビューします。
マークアップの削除	特定のマークアップを削除する。
ゲットマークアップシェイプ	既存のマークアップのジオメトリデータ（点、幅、高さ、回転）を返します。
list_markups_in_pdf	タイプ、作成者、コメント、色、位置など、プロパティなどのマークアップに関する詳細情報を返します。
set_markup_property	色、不透明度、線幅、作成者、件名、コメント、線のスタイルなど、マークアップのプロパティを変更します。
マークアップ形状の設定	既存のマークアップのジオメトリまたは位置を変更する。
状態とワークフローの管理
エクスポートステートモデル	レビュープロセスなどのワークフロー状態モデルとその状態を外部ファイルに抽出します。
get_markup_state	特定のマークアップの完全な状態履歴を取得します。
インポート状態モデル	外部ファイルからステータスとモデルを読み込みます。
list_state_models_in_pdf	レビュープロセスなどの利用可能なワークフロー状態モデルと、それらの可能な状態を表示します。
set_markup_state	マークアップのワークフロー状態を変更する（例えば、「オープン」から「レビュー済み」、「クローズ」まで）。
コンテンツ処理
検索	ドキュメント内のテキストを検索します。
スタンプ	スタンプ画像をページに適用する際、位置、回転、拡大縮小、不透明度、ブレンドモードを制御できます。
色の管理
color_process_analyze	基になる PDF コンテンツに使用されているすべての色を分析して識別します。
color_process_modify	ドキュメント全体の色をバッチ変更する機能（図面基準やブランディングの更新に便利です）。
Studio プロジェクト検索と Studio セッション
list_studio_projects	ユーザーがアクセスできるすべての Studio プロジェクトを一覧表示します。
list_studio_sessions	ユーザーがアクセスできるすべての Studio セッションを一覧表示します。
open_file	指定した PDF ファイルを Revu で開き、アクティブ化します。ファイルが DMS に保存されている場合は、チェックアウトされます。
studio_project_search	プロジェクト ID で指定された Studio プロジェクトを検索します。
ドキュメント編集
create_bookmarks	PDF のページラベルまたは定義された領域内のテキストを使用してブックマークを作成します。
redact	指定されたページ上の墨消しマークアップでマークされたすべての領域の墨消しを行います。
set_page_labels	番号付けのすべてのオプションなど、ラベルページを設定します。
測定
set_page_scale	ドキュメントのスケールはプリセットやカスタムスケールで設定します。
カスタム列
カスタム列のエクスポート	マークアップリストのユーザー作成カスタム列の定義と設定を外部ファイルに書き出します。
カスタム列をインポート	外部ファイルから現在のドキュメントのマークアップリストにカスタム列をロードする。

セキュリティに関するよくある質問

AI モデルは私のデータをトレーニングに利用しますか？

AI モデルがトレーニング目的であなたのデータを使用することに同意した場合、AI モデルはあなたのプロンプトセッションの内容と、MCPサーバーツールによって提供される PDF テキストデータのみを使用できます。

以下の方法で、ほとんどのAIモデルがモデルトレーニングにデータを使用するのを防ぐことができます。

トレーニングのオプトアウト：ほとんどの AI モデルでは、トレーニングへのデータの使用を無効にしても、MCP のメリットを最大限に活用できます。この設定に関係なく、回答に対して肯定的または否定的なフィードバックを与えることを選択した場合、会話全体が AI モデルに送られ、トレーニングが行われる可能性があります。
会話の削除：ほとんどの AI モデルでは、削除されたチャットは、AI モデルのトレーニングと改善にオプトインしている場合でも、将来のモデルのトレーニングには使用されません。
シークレットチャットを使用する：シークレットチャット（プライベートチャットまたは一時チャットとも呼ばれます）は、チャット履歴またはAIモデルのメモリに保存されず、AIモデルのトレーニングと改善にオプトインしている場合でも、今後のモデルトレーニングには使用されません。シークレットチャットは機能に依存し、すべてのAIモデルで利用できない場合があります。

標準チャットとシークレットチャットのどちらを使うべきでしょうか？

シークレットチャット（プライベートチャットまたは一時チャットとも呼ばれます）は機能に依存するため、すべてのAIモデルで利用できるわけではありません。

どちらのチャットモードも安全ですが、どちらを選ぶかは目的に応じて異なります。

特徴	標準チャット	シークレットチャット
次のような場合に最適	進行中のプロジェクト、ドキュメント、タスクで、AI モデルにコンテキストを記憶させたい。	一度きりの質問、機密データの処理、あるいは「白紙の状態」からの開始。
History	サイドバーに保存され、後で検索して使用できます。	保存されていません。一度ウィンドウを閉じると、会話内容は完全に削除されます。
メモリ	個人の「メモリ」（基本設定、スタイル、事実）を使用および更新します。	分離されています。既存のメモリや基本設定を使用または更新しません。
モデルのトレーニング	プライバシー設定に基づきます。	設定に関わらず、モデルトレーニングには決して使用されません。
データ保持	無期限（削除するまで）。	一時的（履歴から即時に削除され、30日後にバックエンドから完全に削除される）。

シークレットチャットを使用するタイミング

機密データの処理：特定のログや財務スニペットを分析する必要があるが、そのデータをチャット履歴に保存したくない場合。
新しいプロンプトのテスト：以前の指示や記憶に「汚染」されずに、AIモデルがどのように応答するかを確認したい場合。
公共/共有デバイス：他のユーザーにサイドバーで最近のアクティビティを見られたくないマシンにログインしている場合。

プロンプトとトークン

AI MCP プロンプトとは何ですか？

ドキュメントの分析
重要情報の抽出
マークアップの整理
概要やレポートの作成
問題点や矛盾点の特定
コンテンツの書き換えやフォーマットの変更

特に頻繁に繰り返すワークフローでは、プロンプトは一貫性を確保して時間を節約します。

トークンをあまり使用しないプロンプトを作成するにはどうすればよいですか？

AI モデルを最も効率的に起動させるために、以下のトークン節約のヒントをご活用ください。

クリーンなドキュメントから始める：プロンプトを作成する前に、PDF をクリーンアップします（OCR を実行し、古いマークアップをフラット化するか、不要なページを削除します）。ドキュメントがクリーンであれば、トークン数が大幅に少なくて済みます。
新しい会話を始める：AI モデルは、新しいメッセージを送信するたびにチャット履歴全体を再読み込みします。1 つのタスクを完了したら、次のタスクのために新しいチャットを開始します。これにより、以前のタスクの古いコンテキストが、新しいリクエストで余分なトークンを使用するのを防げます。
具体的かつ簡潔に質問する：漠然とした質問は、回答が長くなり、トークン予算を浪費する原因となります。「この PDF について教えてください」と言うのではなく、「この PDF に含まれる安全要件の上位 3 つを箇条書きにまとめてください」と尋ねるようにします。より短く、より的を絞ったプロンプトは入力トークンの使用量を減らし、特定の制約があると、より短く効率的な出力トークンを生み出します。
「選択的」OCRを使用する：スキャンされたドキュメントを扱う場合、AI モデルはその画像のテキストhバージョンを処理する必要があります。OCR は文書全体ではなく、分析する特定のページだけに適用します。これにより、MCP を介して送信される「PDF テキスト」のデータ量が減ります。
ファイルサイズを縮小する：100 ページの PDF を参照するには多くのトークンが消費されることがあります。Revu の「ページの抽出」機能を使用して、AI モデルに分析を依頼する前に、関連するセクションのみを含む小さな PDF を作成してください。
MCP ツールの適用範囲を制限する：AI モデルは、質問に答えるために必ずしもファイル内のすべてを確認する必要はありません。例えば、マークアップに関する質問のみがある場合は、「電気アイテムのステータスを見つけるために、マークアップリストのメタデータのみを参照してください」と言えばよいでしょう。これにより、MCP が不要なページテキストやプロジェクトファイルデータを抽出して送信するのを防ぎます。
AI モデルとの「おしゃべり」を避ける：「こんにちは、お元気ですか？」、「どうもありがとうございます。」といった形式的な挨拶は省き、指示に直接進みます。「こんにちは」や「お願いします」など、すべての単語がトークンとしてカウントされます。
返信ではなく編集する：AI モデルから返された応答が長すぎぎたり、基準から少しずれたりした場合は、新しいメッセージを送信するのではなく、送信したメッセージにカーソルを合わせて [編集] をクリックしてプロンプトを微調整します。これにより、以前の長い応答が「上書き」され、トークン履歴が重複するのを防ぎます。
まずアウトラインを依頼する：AIモデルに「開始する前に計画の概要を作成してください」と依頼します。AI モデルが、誤った方向に向かう膨大なレポートに大量のトークンを費やすのを防ぐためです。

AI プロンプトのベストプラクティスやトークン節約型プロンプトテンプレートの詳細については、「AIプロンプトの概要」をご覧ください。

トークン使用状況のクイックリファレンス

処理	トークンのコスト
簡単な質問（新規チャット）	非常に低い
50 ページの PDF を要約する	適度
サイズの大きい PDF と長いチャット履歴の分析	高
複数の MCP ツールを 1 つのチャットで実行する	高
20 件のメッセージがあるスレッドで質問をする	高
「プロジェクト全体のドアの上乗せ額をすべてカウントする」	eXtreme

トークンが切れてしまいました。どうすればいいですか？

使用量上限に達した場合、選択したAIモデルの更新期間を待つか、プランをアップグレードする必要があります。

使用制限に達して更新を待っている場合でも、Revu で作業を続けることができます。ここでは、Revu のツールを使って一般的な AI タスクを再現する方法を紹介します。

AI に要約を求めるのではなく、Revu のマークアップリストを使用します。
- フィルタリングと並べ替え：マークアップリストの上部にある [フィルターリスト] を選択します。
- マークアップ概要の作成：ファイル内のすべての注釈について構造化されたレポートを作成し、通常 AI に指示するような「一目でわかる」形式で表示します。
AI に「この PDF の [X] はどこですか？」と尋ねるのではなく、Revu の詳細検索を使用します。
- テキスト検索：現在のページ、ドキュメント全体、または開いているすべてのドキュメントを一度に検索します。
- Visual Search：シンボル（特定の照明器具やバルブなど）を検索し、[四角形を取得] を選択してアイコンの周囲にボックスを描くと、Revu がそのシンボルのすべてのインスタンスを検索します。
AIに「これらのバージョンを比較してください」と指示するのではなく、Revu のドキュメント比較ツールを使用します。
- ドキュメントの比較：Revu が 2 つの図面間のすべての違いを自動的にハイライトします。
- オーバーレイページ：バージョンごとに異なる色を使用して、2 つ以上の図面を重ね合わせます。
AI に「これらのメモを整理してください」と指示するのではなく、Revu のスペースを利用します。
- 図面上でスペース（部屋 101、廊下 B など）を定義すると、そのスペース内に配置されたマークアップがマークアップリスト内のその場所で自動的にタグ付けされるため、AI の助けを借りずに部屋ごとに簡単に並べ替えることができます。

トラブルシューティング

トラブルシューティングのフローチャート

AI モデルが応答しない場合、または Revu ドキュメントが「見る」ことができない場合は、次の手順に従います。

Bluebeam の MCP サーバーは稼働していますか？
- いいえ：Revu で、[Revu] > [基本設定] > [管理] > [MCP] に移動し、選択した AI モデルが選択されていることを確認します。
- はい：ステップ 2 に進みます。
正しい AI インターフェースを使用していますか？
- Web ブラウザ：MCP は Web ブラウザでは動作しません。AIモデルのデスクトップアプリをダウンロードして開く必要があります。
- デスクトップアプリ：ステップ 3 に進みます。
ツールの使用権限は付与されていますか？
- いいえ/わからない：チャットウィンドウの下部を確認します。「権限リクエスト」または小さな「アプリ」アイコンに赤い点が表示されている場合は、それをクリックしてツールを許可するように選択します。
- はい：ステップ 4 に進みます。
PDF は MCP サーバーに表示されていますか？
- PDF がフラット化済み/スキャン済み：テキストが選択できない場合は、ドキュメントのフラット化を解除するか、OCR を実行します。
- 複数のタブ：分析したい PDF が Revu のアクティブなタブであることを確認します。
- PDF にはセキュリティ制限があります：[ドキュメント] > [セキュリティ]へ移動して、制限が有効かどうかを確認します。
まだうまくいきませんか？AI モデルのデスクトップアプリを再起動してください：

a. デスクトップアプリを完全に終了し（トレイアイコンまたはタスクマネージャーから）、再起動します。

b. Revu 基本設定で MCP サーバをオフに切り替えます。

c. Revuを閉じて再度開きます。

d. Revu 基本設定で MCP サーバーをオンに切り替えます。

e. AIモデルのデスクトップアプリを再起動します。

なぜチャットセッションやドキュメントによって結果が異なるのでしょうか？

AI モデルの回答には、たとえ似たようなドキュメントを使った場合でも、以下のような理由から若干の違いが見られるのが一般的です。

AI 活用型のインテリジェンス

AI モデルは PDF コンテンツを分析し、適切なアクションを提案し、ワークフローに合わせて調整できます。
AI モデルでは最初の試みで望ましい結果が得られない場合、問題のトラブルシューティングを行い、対応を調整できます。
1 回のセッション内で、AI モデルはあなたのフィードバックから学習しますが、以前のチャットセッションから知識を引き継がないため、初期の対応が異なる場合があります。新しいセッションでは、特定の制約や基本設定を再設定する必要がある場合があります。

AI モデルの要因

AIモデル（Opus、Sonnet、Haiku）はそれぞれ機能が異なり、リクエストの解釈も異なる場合があります。
モデルの更新や改善は定期的に行われ、時間とともに動作に影響を与えることがあります。

ドキュメントとプロンプトの要因

PDF の構造、複雑さ、およびサイズは、AI モデルがコンテンツを解釈する方法に影響を及ぼします。
セッション間の文書変更は、プロンプトの結果に影響を与える可能性があります。
Revu でのドキュメントの状態（選択されているもの、現在のビュー、既存のマークアップ）は、利用可能な操作に影響を及ぼします。
複雑な複数のステップがあるリクエストは、細分化されたタスクとは異なる方法で処理される場合があります。

環境要因

以下の要因が AI モデルのリクエスト解釈に影響を与えることがあります。

デスクトップのバージョンと構成
Bluebeam Revu のバージョンと設定
システムリソースとパフォーマンス

期待通りの結果が得られない場合は、以下の診断プロンプトを使用して原因を特定してください。

自分が知りたいこと	推奨される診断プロンプト
AI モデルが行おうとしたこと、そしてその理由	「その API コマンドを使って何をしようとしたのですか？」
AI モデルがタスクを完了するために必要な情報	「このタスクを完了するには、この PDF からどのような情報が必要ですか？」
AI モデルがドキュメントで認識しているもの	「この PDFの [X] ページに表示されている要素を説明してください。」
タスクが失敗した理由	「うまくいかないことに気づきました。そのアプローチが成功しなかった理由は何ですか？」
結果に一貫性がない理由	「このリクエストをさまざまなセッションやPDFドキュメントで一貫して完了できない理由は何ですか？」

MCP は、Claude のような AI モデルをローカルファイル、データベース、ツール、ワークフローに接続し、重要な情報にアクセスして以下のようなタスクを実行できるようにします。

ローカルファイルやデータベースを読み取り、それらのファイルに関する情報など、読み取り専用データを提供する
マークアップの変更やマークアップラベルの変更などの操作実行する

すべてのデータアクセスは、プロンプトに基づいて開始され、サポートされている Bluebeam ツールに限定されます。

Bluebeam MCP が実行できるタスクの詳細については、一般的なよくある質問をご覧ください。

Bluebeam MCP サーバーはローカルにインストールされ、Claude デスクトップアプリなど、お使いのマシンにインストールされている MCP ホストで使用できるように構成されます。

AI と MCP のキーワード

AI モデル	パターンを認識し、言語を理解し、問題を解決できる専門的なコンピュータプログラム（例えば Claudeなど）。
モデルコンテキストプロトコル（MCP）	Bluebeam からのデータとツールに AI モデルが安全かつ一貫してアクセスできるようにするオープン標準。
MCP ホスト	AIモデルとやり取りするために使用するアプリケーション（例：Claude デスクトップアプリなど）。
MCP サーバー	MCP ホストと Bluebeam ソフトウェア間の橋渡し役となる軽量プログラム。これにより、MCP ホストは特定の Bluebeam データおよびツールを表示して使用することができます。
リソース	AI モデルが読み取れる静的データ（テキストなど）。
Tools	AI モデルが実行できる動的な機能。リソースとは異なり、ツールを使用すると、「マークアップの色を変更」や「マークアップの対象を変更」など AI モデルはアクションを実行できるようになります。
プロンプト	入力して MCP ホストに送信するリクエスト。

全体のつながり

Claude を例として、質問したときのデータの流れを以下に示しています。

MCP ホスト（インターフェース）：Claude デスクトップアプリでプロンプトを送信します。
AIモデル（脳）：Claude の AI モデルがリクエストを受け取ります。システムは、メモリ内にあなたの特定のデータがないことを認識し、それを解決するツールやリソースを探します。
MCP サーバー（ブリッジ）：この小さなソフトウェアが Claude と Revu を接続します。これにより、データがどのように見えるか（PDF など）、どのようなアクションを実行できるかを Claude に正確に伝えます。
Revu（ソース）：実際のデータ（図面、画像、テキスト、マークアップなど）は Bluebeam 内に安全に保管されます。MCP サーバーは、Claude が特定のプロンプトに答えるのに必要なものだけを取得します。

リソース

Revu 21

AI と MCP

Revu 21.9 以降で、AI モデルに強力なマルチステップワークフローを実行するよう促します。