企业官网建设流程全解析

MathWorks正在通过开源工具扩展Matlab，使AI智能体能够通过模型上下文协议(MCP)执行和优化工程工作流程。此举将基于智能体的AI与确定性计算相结合，为更精确、更可追溯的开发流程奠定了基础。

图片来源：Mathworks

这一切得益于全新的开源工具MatlabMCP Server和MatlabAgenticToolkit。借助这些工具，人工智能代理可以创建Matlab代码，在实时会话中执行代码，分析结果和错误信息，并迭代优化代码，直至获得正确结果。工程师仍然负责验证结果并运用他们的专业知识。

可执行AI助力更精准的工程工作流程

这些新功能面向MATLAB用户和应用AI领域的工程师，他们致力于开发基于代理的工作流程，以及提供AI驱动的开发环境。通过在MATLAB中直接执行代码，AI代理可以基于确定性计算、数值分析和可执行模型得出结论。这使得AI的方法从纯粹的概率推理转向基于执行的结果，从而确保工程的精准性。工程师可以通过分析输出、将其与预期行为进行比较以及并通过迭代调整来改进工作流程，从而验证结果——所有这些都是工程开发流程的基本组成部分。

人机协同仍然至关重要

“当企业在基于模型的设计和工程中部署智能体人工智能时，重点会从代码生成转移到在既定的多学科工具链中可靠地执行，”CIMdata人工智能实践总监DiegoTamburini解释道。“工程师仍然负责定义问题、验证结果并确保必要的监督，而人工智能代理则越来越多地承担迭代和重复性任务。这提高了工程师的效率和效能。这也凸显了‘人机协同’工作流程的重要性，在这种工作流程中，实际的执行和验证能够增强人们对人工智能驱动的工程流程的信心。”

面向基于代理的生态系统的开放接口

借助开源软件包Matlab MCP Server和Matlab Agentic Toolkit，开发者和企业可以在自己的开发环境中，使用Matlab评估、扩展和集成基于代理的工作流，并采用Claude Code、GitHub Copilot、OpenAI Codex、Gemini CLI等基于代理的工具。这支持了不同AI代理框架之间的互操作性，并将Matlab定位为新兴的基于代理的工程生态系统的基础架构。

从生成代码到可验证结果

“当人工智能代理能够直接与用于开发、仿真和分析的工具交互时，它们才能在工程领域充分发挥潜力，”MathWorks生成式人工智能产品经理SethDeLand表示。“通过使代理能够在MATLAB工作流程上运行和迭代，我们将人工智能驱动的迭代与工程师用于开发和验证其工作的同一计算环境连接起来。这使得团队能够在统一的工程框架内，从LLM生成的代码过渡到可执行且可验证的结果。”