通过聊天轻松完成仿真：基于HyperMesh和Simlab的MCP+Skill应用实践
过去谈“AI 辅助 CAE”，常见做法是让 AI 写一段 Tcl 或 Python，再由工程师复 制到软件里运行。脚本能不能启动、许可证是否可用、任务有没有完成、导出的模型是否为空，仍然要靠人工逐项确认。
现在，我们尝试用 Altair MCP 把 AI 接到 HyperMesh 和 SimLab，再用 Skill 把网格、导入和验证经验固化成可复用流程，让仿真前处理从“会写脚本”走向“能执行、能追踪、能验证”。
为什么需要专用的 MCP
截止发稿，开源软件已经更新了 HyperWorks 的 MCP，但我们结合实际应用，从网格划分、导出文件，再切换到另一个软件继续处理等完整流程，展示了一个可以在实际仿真工作中应用的实例。
如果使用 Altair MCP + Skill，工程师可以直接告诉 AI：
把 A.stp 和 B.stp 用 MPA 单位制在 SimLab 导入，把两个模型沿 Z 方向拉开 50 mm，放到一个模型里划分网格，最后导入 HyperMesh 并用 GUI 打开。优先使用内置的 MCP 和 Skill。
AI 不只是写出一段脚本，而是可以调用软件、等待任务完成、检查日志，并把最终结果反馈回来。
四层分工：别把所有事都推给 AI
为了避免把概念混在一起，可以把这套系统拆成四层来看。
| MCP | ||
| Skill | ||
| CAE 软件 | ||
| Agent |
这张表也提醒我们：AI 并没有替代 CAE 软件本身，也没有替代工程判断。
它更像是把以前分散在脚本、操作手册和个人经验里的流程，整理成一个可以被调用、可以被追踪、可以被复用的工作台。
MCP：让 AI 能真正调用工程软件
MCP 可以理解成 AI 和外部软件之间的一层执行接口。
在这个 Altair 场景里，我们希望 AI 能调用两类核心应用：
• HyperMesh：运行 Tcl 或 Python 脚本，支持 GUI 和批处理场景；
• SimLab：运行 Python 自动化脚本，也可以单独启动 GUI。
这里的关键点，不是“能不能跑一条命令”，而是 AI 是否能知道命令跑完以后发生了什么。
所以这个 MCP 暴露的工具大致分成四类。
1. 环境检测
第一类是检测环境，例如识别 HyperMesh、SimLab 的可执行文件位置和作业目录。
这一步很普通，但很必要。工程软件不是一个纯 Python 包，实际运行时常常会受到安装路径、许可证、启动参数和工作目录影响。如果 Agent 不先确认环境，后面的自动化就很容易变成“看起来执行了，其实什么都没发生”。
2. 脚本执行
第二类是把脚本真正送进软件执行。
例如 HyperMesh 可以跑 Tcl 或 Python，SimLab 可以跑 Python 自动化脚本，也可以被单独打开 GUI。这样 AI 生成的脚本就不需要人工复 制粘贴，而是可以直接进入软件流程。
3. 作业跟踪
第三类是作业状态和日志。
这是 MCP 和普通脚本启动器最大的区别之一。网格任务可能持续几分钟，甚至更久。启动命令返回，并不代表模型已经生成。
Agent 必须继续检查作业状态、stdout、stderr 和输出文件，才能判断任务是成功、失败，还是还在运行。
4. Agent 操作指引
第四类是给 Agent 的操作规范。
也就是说，不只是给它一把工具，还要告诉它应该按什么顺序用工具：先检测环境，再启动任务，最后检查状态和日志。否则 AI 很容易跳步骤，或者在没有证据的情况下假设任务已经完成。
MCP 解决的是“AI 如何调用外部能力”的问题。在 Altair 工作流里，它负责检测软件、启动 HyperMesh/SimLab、管理进程、查询状态和读取日志。
Skill：把踩过的坑写进工作流
MCP 提供的是技术能力，Skill 提供的是工程规范。Skill 的作用，是把已经验证的方法、参数和失败条件写成 Agent 可以遵循的操作规程。
目前已经建立了 3 个核心 Skill。
1. SimLab Mesh Workflow
这个 Skill 面向 STEP 模型的自动网格流程，规定从导入、几何清理、Hex8/Tet10 网格划分，到 inp 和 .slb 导出、文件结构验证的一套顺序。
这些看起来都是“小动作”，但正是这些小动作决定了自动化流程能不能稳定复用。
2. HyperMesh INP Import
第二个 Skill 用于把 inp 导入自定义模板的 HyperMesh，兼容 GUI 插件和基于 hmbatch、Tcl 的无人值守流程。
导入后会检查节点、单元、组件、属性和材料，并保存 .hm 模型。
这一步的意义在于，自动化不能只停在“文件被导入了”。对工程师来说，更重要的是导入后的模型结构是不是对的，后续能不能接着做边界条件、载荷和求解设置。
3. PBS Submit
第三个 Skill 面向自研 PBS 系统的计算任务提交。完成有限元模型建立后，工程师可以直接通过 AI 对话提交计算任务，不需要再打开后台 PBS 界面。
工程边界：哪些事情仍需要工程师判断
Altair MCP + Skill 可以自动执行和验证流程，但不会消除 CAE 本身的专业责任。
以下内容仍需要工程师确认：
• 网格尺寸是否足以描述圆角、薄壁、接触区和应力集中；
• Tet10、Hex8 或混合网格是否适合当前求解类型；
• 自动 defeature 是否误删关键结构；
• 单元质量指标是否满足团队标准；
• 材料、接触、载荷和边界条件是否符合真实工况；
• 网格收敛性和求解结果是否具备工程可信度。
因此，更准确的定位不是“AI 自动完成仿真”，而是：
AI 负责按流程执行、记录证据、发现异常和减少重复操作；
工程师负责定义标准、审查模型并对结果负责。
结语
Altair MCP + Skill 正在做的，就是把 HyperMesh 和 SimLab 接入 AI 工具链，让前处理自动化从“会写脚本”走向“能执行、能追踪、能验证”。
它不一定替代工程师的判断，但可以减少大量重复操作，让工程师把更多时间放在模型标准、边界条件、质量审查和结果可信度上。
参考文件
开源项目：CAE-Agent-Hub / HyperWorks MCP https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/HyperWorks
