最近有不少工程师朋友在后台询问，如何将AI助手与MATLAB/Simulink深度集成，让智能体能够直接操控模型、运行仿真，甚至自动搭建控制算法。实际上，MathWorks官方已经为此提供了成熟方案——借助CodeX客户端配合MATLAB MCP与Simulink Agentic Toolkit，你只需通过自然语言指令，就能让AI帮你完成从模型读取到参数整定的全流程操作。下面我们将完整呈现这套工具链的安装步骤与实测过程。

一、安装工具链

1.1 安装 CodeX

直接前往Microsoft Store搜索并下载安装即可。CodeX以MSIX格式打包为桌面应用，安装后桌面不会自动生成快捷方式。别担心，只需让CodeX自己搞定——给它发送一条指令：

帮我创建CodeX的桌面快捷方式

快捷图标生成后，即可正常启动使用。

1.2 安装 MATLAB MCP

MCP（Model Context Protocol）是AI编程工具（如Claude Code、CodeX）与外部应用通信的标准化协议，底层基于JSON格式。更详尽的介绍可查阅官方文档。既然是AI插件，那就让AI自行安装最省心：

请帮我安装MATLAB MCP https://github.com/matlab/matlab-mcp-core-server

1.3 安装 Simulink Agentic Toolkit

此工具包由MathWorks官方发布，是一套专门用于与Simulink模型交互的Agent工具套件。它构建在MATLAB MCP之上，集成了多种MCP工具和Agent技能。GitHub仓库地址如下：

请安装：Simulink Agentic Toolkit 地址：https://github.com/matlab/simulink-agentic-toolkit.git

1.4 检查与使用

1.4.1 在目录中检查

全部安装完成后，需要确认MATLAB MCP和Simulink Agentic Toolkit是否已正确运行。操作分为两步：

• 先重启CodeX与MATLAB。
• 然后打开CodeX的配置目录，找到Config.toml文件。

此文件是CodeX的用户级配置，每次启动时都会读取。以我的电脑为例，路径如下：

[mcp_servers.matlab]
command = "C:/Users/a2493/.matlab/agentic-toolkits/bin/matlab-mcp-core-server.exe"
args = ["--matlab-session-mode=existing", "--extension-file=C:\\Users\\a2493\\.matlab\\agentic-toolkits\\simulink\\tools\\tools.json"]
tool_timeout_sec = 600
env_vars = ["WINDIR"]

如果matlab-mcp-core-server.exe出现在.matlab/目录下，说明安装正确；若它仍在.codex/目录中，则需要引导CodeX重新安装。

1.4.2 在 MATLAB 中检查

在MATLAB命令行中执行：

addpath("C:\\Users\\a2493\\.matlab\\agentic-toolkits\\simulink")
satk_initialize

返回结果类似于：

各部分含义可参考官方说明。至此，工具链安装完毕，操作界面如下所示。

1.5 工作原理

整个Simulink Agent的工作流程可以用一条链路概括：

用户提问 → CodeX (AI agent) → MCP Tool Call → matlab-mcp-core-server → MATLAB Connector → MATLAB / Simulink

换而言之，如今的Simulink Agent系统能够实现：输入自然语言 → AI规划 → MCP调用 → MATLAB执行 → 返回结果。完成安装后，可实现以下功能：

• 读取Simulink模型
• 修改模块及其参数
• 自动连线
• 运行仿真
• 查询模型结构
• 自动生成测试流程

MATLAB完整AI工具链的更多细节可参考官方文档。

二、简单测试我们的工具链效果

2.1 再检查一下工具链

在CodeX中询问：

请检查一下当前MATLAB MCP和Simulink Agentic Toolkit工具是否已安装完成

CodeX会返回详细的检查结果：

分析内容相当详尽，值得仔细阅读。

2.2 解读 Simulink 模型

我们尝试让CodeX读取一个.slx文件并生成Markdown报告。以ServoHub项目下的MIT模式仿真文件为例：

模型内容并不复杂，仿真结果如下：

向CodeX发送指令：

请读取C:\Users\a2493\Desktop\servo_hub-master\simulink_project\controller\mit_ctl.slx，并生成一份.md报告，说明模型的内容信息

CodeX立刻生成了报告：

接着再问一句：

你是否使用了Simulink Agentic Toolkit内的工具？是否调用了skills？

输出结果：

可见工具包确实被成功调用，AI主动应用了Simulink Agentic Toolkit中的技能。

2.3 自动搭建 Simulink 模型

接下来是重头戏——让CodeX自动搭建一个PMSM三闭环伺服控制系统。要求涵盖三环结构设计、PI参数整定、轨迹跟踪逻辑，并验证其在机器人关节场景中的位置精度与动态性能，同时与双闭环控制进行对比。所有文件存放于桌面ai_test文件夹内，且无需二次确认：

使用Simulink搭建PMSM三闭环伺服控制系统，掌握"三环结构设计-PI参数整定-轨迹跟踪逻辑"，验证其在机器人关节场景中的位置精度与动态性能，并与双闭环控制对比以凸显优势。请将整个项目搭建在我桌面的ai_test文件夹中，关于创建和执行的命令无需再向我确认。

CodeX立即启动工作：

2.4 复现非线性磁链观测器论文

最后来一个高难度挑战——让AI复现一篇经典的非线性磁链观测器论文。在CodeX中输入：

请复现我发送给你的论文。使用Simulink自带的Surface Mount PMSM模块进行验证。将整个项目搭建在我桌面的Sensorless Control文件夹中，关于创建和执行的命令无需再向我确认。

随后将那篇最经典的非线性磁链观测器论文发送过去：

仅仅18分钟后，模型便复现完成：

观测结果准确无误：