使用Claude Code与MATLAB MCP让AI替你自动搭建Simulink仿真模型的完整步骤

讲个有意思的事——你有没有想过，让AI直接替你操作MATLAB、搭Simulink模型，而你只需要动动嘴、描述需求就行？这事在以前听着像天方夜谭，但2026年4月之后，它正经八百地变成了现实。

MathWorks官方发布了matlab-mcp-core-server，一套基于MCP协议的MATLAB控制工具。结合Claude Code，AI可以在后台直接调用MATLAB / Simulink API，帮你完成建模、仿真、参数扫描一套流程。下面我们从原理讲到实操，再到避坑技巧，一次理清。

一、MCP是什么？为什么是Claude + MATLAB？

MCP（Model Context Protocol）

MCP是Anthropic推出的模型上下文协议。可以把它想象成AI工具的“USB接口”——让不同AI应用能够连接外部工具和数据源。

┌─────────────┐   MCP   ┌─────────────────┐
│   Claude Code  │ ═══════════════════▶ │  MATLAB/Simulink  │
│    (AI大脑)     │                       │    (执行引擎)     │
└─────────────┘                       └─────────────────┘

为什么是Claude Code + MATLAB？

来看看几种主流方案的对比：

ChatGPT + MATLAB： 通用对话能力强，但需要手动复制粘贴代码，属于“半自动”。
Claude Code + MCP： AI直接调用MATLAB API，代码生成和执行一气呵成，属于“全自动”。
直接写MATLAB脚本： 精确控制，但效率低、门槛高，AI时代确实有点“原始”。

结论很清楚：Claude Code + MATLAB MCP = AI原生自动化。你描述需求，AI调用Simulink API直接完成建模。

二、官方MATLAB MCP Core Server来了

MathWorks于2026年4月发布了官方 matlab-mcp-core-server，同时支持Claude Code、Claude Desktop和GitHub Copilot。这意味着AI与MATLAB的集成，不再是野路子，而是有官方背书的正规军。

核心工具一览：

三、5分钟配置指南

第一步：安装MATLAB MCP服务器

下载对应平台的可执行文件：

# Windows/Linux (Go安装)
go install github.com/matlab/matlab-mcp-core-server/cmd/matlab-mcp-core-server@latest

# macOS Apple Silicon
curl -L -o ~/Downloads/matlab-mcp-core-server https://github.com/matlab/matlab-mcp-core-server/releases/latest/download/matlab-mcp-core-server-maca64
chmod +x ~/Downloads/matlab-mcp-core-server

第二步：添加到Claude Code

# 添加MATLAB MCP服务器
claude mcp add --transport stdio matlab -- /full/path/to/matlab-mcp-core-server

# 验证是否成功
claude mcp list

第三步：配置启动参数（可选）

# 指定MATLAB路径、启动时初始化、不显示桌面
claude mcp add --transport stdio matlab -- /full/path/to/matlab-mcp-core-server --matlab-root=/Applications/MATLAB_R2025b.app --initialize-matlab-on-startup=true --matlab-display-mode=nodesktop

四、核心技能：Simulink API自动化建模

配置完成后，真正的好戏才开始。下面几个关键技能，是让AI替你“搬砖”的基础。

4.1 新建并保存模型

% 创建新模型
h = new_system('myModel');
% 打开模型
open_system(h);

% 添加模块
add_block('simulink/Sources/Constant', 'myModel/MyConstant');
add_block('simulink/Math Operations/Gain', 'myModel/MyGain');
add_block('simulink/Sinks/Scope', 'myModel/MyScope');

% 连接模块
add_line('myModel', 'MyConstant/1', 'MyGain/1');
add_line('myModel', 'MyGain/1', 'MyScope/1');

% 保存模型
sa ve_system('myModel', 'myModel.slx');

4.2 批量查找并修改模块

function setBlocks(sys)
    % 查找所有输入端口
    blk = find_system(sys, 'BlockType', 'Inport');
    % 批量修改数据类型
    for n = 1:length(blk)
        set_param(blk{n}, 'OutDataTypeStr', 'int16');
    end
end

4.3 自动化仿真运行

% 加载模型
modelName = 'myModel';
load_system(modelName);

% 设置仿真参数
set_param(modelName, 'StopTime', '10', ...
    'Solver', 'ode45', ...
    'MaxStep', '0.01');

% 运行仿真
sim(modelName);

% 导出结果
simout = get_param([modelName '/MyScope'], 'PortData');

4.4 高级：批量参数扫描

% 参数扫描示例：Gain从0.1到2.0
gainValues = 0.1:0.1:2.0;
results = [];

for g = gainValues
    set_param('myModel/MyGain', 'Gain', num2str(g));
    sim('myModel');
    results = [results; g, simout.Data(end)];
end

% 绘制参数扫描曲线
plot(results(:,1), results(:,2));
xlabel('Gain Value');
ylabel('Output');

五、实战案例：Claude Code自动化建模

光说理论没用，来看一个真实的应用场景：电池热管理模型。

场景描述

用户需要快速搭建一个电池热管理仿真模型，涉及Simscape的电池模块、散热模块和温度传感器。

Claude Code执行流程：

用户: 帮我创建电池热管理模型
Claude: 调用 MCP 工具 evaluate_matlab_code 执行:

h = new_system('BatteryThermal');
open_system(h);

% 添加组件
add_block('simscape/Battery/Thermal/Battery+Thermal', ...
    'BatteryThermal/Battery');
add_block('simscape/Battery/Thermal/Thermal Reference', ...
    'BatteryThermal/ThermalRef');
add_block('simscape/Foundation/Thermal/Thermal Elements/Heat Plate', ...
    'BatteryThermal/Heatsink');
add_block('simscape/Foundation/Thermal/Thermal Sensors/Temperature Sensor', ...
    'BatteryThermal/TempSensor');

% 设置参数
set_param('BatteryThermal/Battery', 'Capacity', '3600', ...
    'NominalVoltage', '3.7');

sa ve_system('BatteryThermal', 'BatteryThermal.slx');

成功创建模型: BatteryThermal.slx

整个过程耗时不到30秒。如果是手动搭建，找模块、拖拽、连线、设置参数，少说也得忙活十几分钟。

六、对比：Claude Code + MATLAB MCP vs SimuAgent

有人可能会问：之前不是有个SimuAgent吗？两者有什么区别？

结论很清晰：如果你需要快速落地、马上用起来，Claude Code + MATLAB MCP是更务实的选择。如果追求极致自动化，可以深入研究SimuAgent的架构思路，但目前来看前者的性价比更高。

七、避坑指南

实践过程中，有几个坑是绕不开的，提前知道能省去不少调试时间。

❌ 常见错误

% 错误1: MATLAB路径未添加到系统PATH
% 解决: 确保matlab命令在命令行可用

% 错误2: 模型未保存就操作
% 解决: 先 open_system() 再进行修改

% 错误3: 端口名称写错
% 解决: 用 get_param(b, 'Ports') 查看可用端口

% 错误4: 仿真时间设置不当
% 解决: 根据实际物理特性设置 StopTime 和 MaxStep

✅ 最佳实践

1. 先验证后执行： 用 check_matlab_code 做静态检查，避免语法错误。
2. 保存中间状态： 复杂任务分段保存模型，防止意外中断。
3. 日志记录： 关键操作输出日志，便于问题回溯。
4. 单元测试： 为复用函数编写测试用例，确保后续调用的可靠性。

八、快速开始清单

最后给一张清单，照着做就能跑通第一遍：

□ 1. 下载 matlab-mcp-core-server
□ 2. 确保 MATLAB 已安装并添加到 PATH
□ 3. 执行 claude mcp add 添加服务器
□ 4. 用 claude mcp list 验证配置
□ 5. 开始你的第一次自动化建模！

写在最后

Claude Code + MATLAB MCP不是要取代工程师，而是把你从繁琐的重复劳动中解放出来——把精力放在系统设计和创新上，让AI来处理那些“搬砖”任务。真正有价值的工作，从来不是手写脚本和拖拽模块，而是分析和决策。

下一个目标：用自然语言描述你的需求，AI帮你把整套仿真流程跑通。这件事，现在就能做。

往期推荐：

• 解锁隐藏技能 | Simulink建模自动化
• SimuAgent论文解读：让AI替你搭Simulink模型