Simulink Agentic Toolkit：让 AI 代理自主操控 Simulink 模型

MathWorks 官方出品 · 657★ · 76 Fork · 16 Issues

---

一句话概括

这是 MathWorks 官方为 AI 编程代理开发的" Simulink 模型操控套装"——通过 Model Context Protocol（MCP）让 Claude Code、Copilot、Codex 等 AI 代理能够自主读取、搭建、编辑和测试 Simulink 仿真模型，无需人工逐一步骤操作。

---

背景：AI 编程代理的工程仿真短板

传统的 AI 编程代理（如 Claude Code、GitHub Copilot）早已能够读写代码文件、提交 Git 操作、运行测试用例——但面对** Simulink 模型**（.slx/.mdl 文件）这种图形化的工程仿真文件，它们完全"失明"。

Simulink 在工业界的地位举足轻重：控制系统设计、航空航天、汽车动力总成、通信系统仿真，几乎所有复杂动态系统的建模都依赖 Simulink。一个典型的工程师工作流是：

写需求文档 → 搭建 Simulink 模型 → 配置参数 → 运行仿真 → 验证结果 → 迭代修改

这个流程中，AI 代理若能自主介入每一个环节，将极大加速产品研发迭代。MathWorks 正是瞄准这个缺口，在 2026 年 4 月发布了 Simulink Agentic Toolkit。

---

核心架构：三层解耦设计

整个工具包的架构清晰分为三层：

第一层：AI 代理层（Claude Code / Copilot / Codex / Gemini CLI / Sourcegraph Amp）

负责理解自然语言任务指令，进行多步骤推理，决定调用哪些工具。

第二层：MCP 服务器层

工具包本身不直接操作 Simulink，而是通过 MATLAB MCP Server（Stars: 1015★）桥接到 MATLAB 引擎。该服务器在安装时自动下载到 ~/.matlab/agentic-toolkits/ 目录。

第三层：MATLAB / Simulink 执行层

真正的计算和仿真发生在这里。代理通过 MCP 协议发送操作指令，MATLAB 引擎执行后返回结构化结果。

工具包还内置了 9 个 Agent Skills（智能体技能），以 Markdown 文件形式存储在 skills-catalog/ 目录中。这些技能封装了 MathWorks 模型化设计（MBD）最佳实践，在代理执行任务前"教会"它工程规范，确保生成的 Simulink 模型符合专业标准。

---

7 个 MCP 工具：覆盖模型全生命周期

工具	功能	适用场景
model_overview	探索模型架构——子系统层级、接口、组件连接关系	接手遗留模型、快速了解系统结构
model_read	理解模型行为——检查模块、算法表达式、信号流、参数值	分析模型逻辑、定位问题模块
model_edit	搭建和修改模型——添加模块、连线、创建子系统、配置参数	自动生成模型、批量修稿
model_check	验证模型结构——检测未连接端口、悬空线、编辑时检查	模型质量门禁、CI 自动化
model_test	验证需求——运行人类可读的 Gherkin 格式测试，自动生成测试 harness	需求追溯、自动化回归测试
model_query_params	查询任意参数——模块设置、信号属性、求解器配置、日志标志	参数审计、配置合规性检查
model_resolve_params	获取实际数值——将工作区变量（如 Kp）解析为全作用域的数值	调试参数传播、理解变量依赖

---

9 个 Agent Skills：工程知识的结构化沉淀

Skills 按两个方向组织：

Model-Based Design Core（核心 MBD）——包括 building-simulink-models（最佳模型搭建实践）、simulating-simulink-models（仿真运行）、generating-requirement-drafts（需求草稿生成）、managing-simulink-projects（MATLAB 项目管理）、filing-bug-reports（Bug 报告生成）等。

Model-Based System Engineering（MBSE）——针对 System Composer 架构模型的系统工程技能。

每个 Skill 包含 SKILL.md（技能定义）和 manifest.yaml（元数据），指定所需的 MCP 工具和参考文档路径。这种结构使得新增技能变得标准化。

---

安装体验：自动化一键配置

工具包通过 .mltbx 安装包（MATLAB Add-On Toolbox）分发。安装流程极为简洁：

1. 从 GitHub Releases 下载 agenticToolkitInstaller.mltbx
2. 在 MATLAB 中安装该 Add-On
3. 运行 setupAgenticToolkit("install")
4. 按提示配置 AI 代理（MCP server 入口 + Skills 注册）
5. MATLAB 端执行 satk_initialize
6. 验证：打开任意 Simulink 模型，提问 "Describe the structure of the currently open model."

整个过程无需手动配置 JSON 或 YAML，对工程人员非常友好。

---

局限性：不回避的问题

1. 依赖商业软件的硬性门槛

MATLAB + Simulink 本身是收费软件，R2023a 或更高版本的许可证并不便宜。这意味着该工具包的受众天然受限——只有企业或高校有 MATLAB 授权的团队才能使用。

2. AI 模型能力决定上限

文档明确指出：低能力模型（如轻量级模型）在复杂模型构建和编辑任务中"不太可靠，更容易产生不完整或错误的结果"。建议使用 Claude Opus/Sonnet、GPT-5、Gemini Pro 等高端模型。这意味着实际使用成本（不只是 MATLAB 许可证）会进一步攀升。

3. model_test 工具需要 Simulink Test

这个 MCP 工具并非开箱即用，还需要额外购买 Simulink Test 模块。

4. 相对年轻的项目

仓库创建于 2026 年 4 月中旬，截至分析时仅 2 个月，发布历史仅 5 个版本（最新 2026.06.12），说明项目仍处于快速迭代期，部分行为可能不稳定。

---

行业意义：AI for Engineering 的里程碑

Simulink Agentic Toolkit 的发布，标志着 AI 编程代理从"写代码"迈向"操控专业工程工具"的关键一步。它不只是一个工具包，更是 MathWorks 对 AI 时代软件工具链布局的信号：

• 降低 MBD 门槛：未来工程师可以通过自然语言"指挥"AI 搭建 Simulink 模型，聚焦系统逻辑而非操作细节
• 推动仿真自动化：与 CI/CD 流水线集成后，Simulink 模型的自动化测试和回归验证成为可能
• AI Agent 能力边界的拓展：从通用代码生成扩展到工业级仿真建模，验证了 AI Agent 在垂直领域深度嵌入的可行性

该项目上线 2 个月内获得 657 颗星（且仍在增长），在工程类开源工具中属于相当亮眼的成绩，也反映出市场对"AI + 工程仿真"融合方案的强烈需求。

---

配置建议：适合有 MATLAB/Simulink 授权的企业研发团队和高校实验室，用于加速控制系统设计、信号处理和仿真验证流程。对于个人开发者和没有 MATLAB 授权的团队，当前阶段价值有限。