KiCAD-MCP-Server
让 Claude 等 AI 助手直接操控 KiCAD 进行 PCB 全流程设计的 MCP 协议服务器
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
让 Claude 等 AI 助手直接操控 KiCAD 进行 PCB 全流程设计的 MCP 协议服务器
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
KiCAD MCP Server 是一个基于 Anthropic Model Context Protocol（MCP）的服务器，它让 Claude 等 AI 助手能够直接操控 KiCAD 进行电路板设计——用对话的方式完成原理图绘制、PCB 布局、自动布线、BOM 生成等全流程操作。
如果你曾经用过 KiCAD（开源 PCB 设计工具）设计过电路板，一定记得那些繁琐的鼠标点击：从元件库中找到正确封装、逐个摆放、连接导线、配线……一个中等复杂度的 4 层板可能需要数百次操作，涉及数十个工具菜单。
而在大模型（LLM）浪潮席卷编程、写作、客服等领域之后，硬件工程师们自然开始思考：AI 能不能帮我设计电路板？ 答案在 2025 年逐渐清晰——可以，但需要一个"翻译层"：LLM 输出的是文本/结构化指令，而 KiCAD 接受的是 GUI 操作和 Python API。KiCAD MCP Server 正是这个翻译层，它实现了 MCP 协议（Anthropic 主导的 AI-工具交互开放标准），让 AI 的自然语言指令无缝转化为 KiCAD 的 PCB 设计操作。
项目作者 mixelpixx 自 2024 年开始持续维护，至今已迭代至 v2.2.3，拥有 1200+ GitHub Stars，在 PCB 设计 + AI 工具这一细分领域具有较高的关注度。
这是 KiCAD MCP Server 最令人印象深刻的能力——它将 KiCAD 的操作封装为结构化的 MCP 工具，AI 可以精确调用任意功能。工具按类别组织如下：
| 类别 | 工具数量 | 代表工具 |
|---|---|---|
| 项目管理 | 8 | create_project、open_project、save_project |
| 原理图 | 27+ | add_symbol、wire_connect、add_power_port |
| PCB 布局 | 20+ | place_component、move_component、rotate_component |
| 布线 | 10+ | route_trace、route_pad_to_pad、add_via |
| 设计规则 | 5 | set_design_rules、run_drc |
| 导出 | 12 | export_gerber、export_step、export_bom |
| 元件库 | 8 | search_footprint、load_footprint、search_symbol |
| 自动布线 | 6 | run_freerouting、optimize_routing |
| JLCPCB 集成 | 10+ | search_jlcpcb_parts、order_from_jlcpcb |
| 符号/封装创建 | 12 | create_footprint、create_symbol |
| Datasheet 管理 | 4 | attach_datasheet、fetch_datasheet |
工具数量庞大带来的问题是：把所有 122 个工具的 schema 都塞给 LLM 会极大消耗 token 配额。KiCAD MCP Server 的解决方案是路由器模式（Router Pattern）：
list_tool_categories、get_category_tools、execute_tool、search_toolsAI 需要某个专业功能时，先调用路由工具查询类别，再按需执行具体工具。这套设计将 AI 的上下文占用从 122 个工具 schema 大幅削减约 70%，是目前 MCP 工具生态中少见的效率优化实践。
KiCAD MCP Server 通过 Python 层与 KiCAD 交互，支持两种后端：
pcbnew SWIG 绑定，通过文件读写方式操作 PCB 数据。KiCAD 7/8/9 均可使用。项目提供了自动检测逻辑，启动时优先尝试 IPC，失败则回退到 SWIG，用户无感知。
这是我认为最有实用价值的特性之一。项目内置了 JLCPCB 零件库连接器，可搜索 250 万+ 组件，AI 在设计原理图时可以：
download_jlcpcb.py 脚本一键生成生产文件这意味着 AI 辅助设计 → 直接下单生产的闭环，从理论变成可落地的工程流程。
内置 Freerouting autorouter 支持，AI 可以调用 run_freerouting 让算法自动完成 PCB 布线（需要 Java/Docker/Podman 运行时）。对于手动布线困难的 BGA 封装或高密度设计，这一功能大幅提升效率。
项目采用典型的双层架构：
AI Assistant (Claude)
│
│ MCP Protocol (STDIO / JSON-RPC 2.0)
▼
TypeScript MCP Server (src/)
│ spawn Python subprocess, pass JSON
▼
Python KiCAD Interface (python/)
│
├─ swig_backend.py (pcbnew SWIG API)
└─ ipc_backend.py (KiCAD 9.0 IPC API)
│
▼
KiCAD 7/8/9
**TypeScript 层（src/）**负责：
**Python 层（python/）**负责：
kicad_interface.py 是核心入口）关键设计亮点：
@modelcontextprotocol/sdk ^1.21.0，完全遵循 MCP 2025-06-18 规范src/logger.ts），支持 DEBUG/INFO/WARN/ERROR 四级语言构成：TypeScript（MCP 协议层）+ Python（KiCAD 接口层），各占约 50%。
代码规范：项目配置了完整的代码质量工具链：
ESLint + Prettier + TypeScript ESLintblack + mypy + flake8.pre-commit-config.yaml 配置了格式化和类型检查测试覆盖：vitest（TypeScript）+ pytest（Python），package.json 中 test 脚本同时运行两个测试套件，并支持覆盖率报告。这在 MCP Server 类项目中属于相当完整的测试实践。
文档质量：极高。docs/ 目录下有 24+ 个 Markdown 文档，覆盖架构说明、平台安装指南、工具索引、已知问题、路线图等。特别是 mcp-router-guide.md（36KB）和 ROUTER_ARCHITECTURE.md（13KB）详细解释了路由器模式的设计意图，这对于想扩展工具集的开发者非常友好。
MIT 许可证，开源可商用。
项目为每个平台提供了专用安装脚本：
setup-macos.sh（实际上是 Linux 脚本，内容兼容主流发行版）setup-windows.ps1 或 setup-windows-opencode.ps1依赖：Node.js ≥ 18、Python ≥ 3.9、本地安装的 KiCAD 7/8/9。
v2.2.3 的更新日志中提到多个 KiCAD 9 / Windows 特定修复（如 B.Cu 放置冻结、F.Cu 始终返回等），说明跨版本兼容仍是痛点。KiCAD 9 的 API 变化（SWIG 返回值改变、IPC API 行为差异）导致需要大量补丁式代码。
目前 LLM 对 KiCAD 操作指令的理解仍有局限，特别是在多层板、差分对、阻抗控制等高级场景。AI 可能生成违反设计规则的布局，需要工程师审核。
项目不支持 Docker 部署，这意味着团队中每个成员的本地环境都必须手动配置 KiCAD + Node.js + Python，协作场景下环境一致性难以保证。
GitHub 仓库有 25 个 open issues，虽然这说明社区参与活跃，但也反映出一些长期未解决的技术债务和兼容性问题。
KiCAD MCP Server 代表了一个新兴趋势：AI + 垂直领域工具的深度集成。与通用的 AI 编程助手（Cursor、Copilot）不同，它面向硬件设计这一具体场景，将 AI 的推理能力与工程工具的专业性结合。
从技术演进看，项目的发展路径清晰：
随着开源硬件生态（Arduino、Raspberry Pi Pico、ESP32）的持续火热，AI + PCB 设计工具的市场需求会进一步增长。KiCAD MCP Server 目前是该领域 Stars 最多的开源实现，具有先发优势。
KiCAD MCP Server 是 AI 辅助硬件设计领域的标杆级开源项目。它用 MCP 协议架起了 LLM 与 KiCAD 之间的桥梁，通过 122 个结构化工具和智能路由器，让自然语言设计 PCB 从概念走向工程实践。虽然在容器化、多用户协作方面存在局限，但其完整的技术架构、详尽的文档和活跃的社区维护，使其成为研究 AI + EDA 工具集成的最佳实践范本。
推荐指数：⭐⭐⭐⭐（4/5）——扣一分在容器化缺失和版本兼容维护成本。