首页/文章/ 详情

仿真设计AI+MCP汇总

1天前浏览9
MCP(Model Context Protocol,模型上下文协议)是一个由Anthropic于2024年11月推出的开放标准协议,旨在让大语言模型(LLM)应用与外部数据源、工具之间实现无缝的标准化集成。它被形象地比喻为“AI应用的USB-C接口”——就像USB-C统一了电子设备的连接方式,MCP统一了AI模型连接外部世界的方式。

一、关于MCP的详细内涵,可点击以下链接(https://modelcontextprotocol.io/docs/2026-07-28/getting-started/intro):

🎯 要解决的核心问题:从"N×M"到"N+M"

在没有MCP之前,每接入一个新模型(N个)和每一种外部工具(M个),开发者都需要编写定制化的适配代码,集成复杂度呈N×M爆炸式增长。

MCP通过定义一套通用的连接规范,将集成简化为“N+M”模式:模型侧和工具侧各自实现一次MCP接口,即可互相自由组合,大幅降低了开发与维护成本。

🏗️ 架构:三层参与者 + 两层设计

MCP采用客户端-宿主-服务器(Client-Host-Server)架构,包含三类核心参与者:

角色    
职责    
MCP Host(宿主)    
AI应用程序本身(如Claude Desktop、Cursor IDE),负责协调和管理一个或多个MCP客户端    
MCP Client(客户端)    
嵌入在宿主中,每个客户端与一个特定的MCP服务器维持一对一连接,负责上下文获取与提示词组装    
MCP Server(服务器)    
功能供给端,通过标准化的资源(Resources)、工具(Tools) 和提示词(Prompts) 三大基元,将外部能力暴露给AI    

协议本身分为数据层(基于JSON-RPC 2.0定义通信规范)和传输层(支持STDIO本地传输和Streamable HTTP远程传输)两层。2026年7月的最新规范进一步将MCP的核心通信模型转向无状态(stateless),使每个请求自包含,更适合大规模分布式部署。

🔧 三大核心功能基元

MCP服务器向AI暴露的能力被标准化为三类:

Resources(资源):为模型提供静态上下文(如文档、数据库记录),是减少幻觉、提升回复真实性的关键机制。

Tools(工具):赋予模型执行实际操作的能力(如发送邮件、调用API、执行代码),使AI从“对话者”进化为能改变数字与物理世界的代理者。

Prompts(提示词):提供可复用的交互模板,引导模型在垂直领域内遵循一致的工作流规范。

此外,MCP还定义了Elicitation(启发式请求)等客户端能力,允许服务器在需要时向用户发起补充信息请求。

二、常见的仿真AI+MCP如下

1、Abaqus

该文件夹包含一个便携式 MCP 服务器以及一个低延迟的 Abaqus/CAE 套接字桥接器。支持 MCP 的客户端可以在活跃的 Abaqus 会话中执行 Python 代码,检查模型,列出并提交作业,监控求解器文件,检查 ODB 文件,并捕获视口图像。
https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/Abaqus

2、HyperWorks

一个面向可审计的 Altair HyperWorks 自动化的本地、工作区范围的 FastMCP 服务器。
https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/HyperWorks

3、Ansys,官方目前已推出了多个MCP:PyAnsys、pymapdl、pyfluent、pyaedt、pydpt-core、pydpf-post等

https://github.com/ansys

3、ANSA

1)https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/ANSA
2)https://github.com/QingMuNan1991/ansa-api-mcp
3)https://github.com/RufengLai/ansa-api-mcp

4、OpenFOAM

https://github.com/csml-rpi/Foam-Agent

5、COMSOL

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/COMSOL

6、CST

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/CST

7、CalculiX

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/CalculiX

8、LAMMPS

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/LAMMPS

9、OVITO

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/OVITO

10、Peridigm

https://github.com/Cai-aa/CAE-Agent-Hub/tree/main/MCP/Peridigm

三、常见的设计AI+MCP如下

1、CATIA V5

1)CATIA V5MCP:

https://github.com/daiemon12/catia-v5-mcp-server

首个面向 CATIA V5 的开源 MCP 服务器。通过支持 MCP 的任何 AI 智能体,以自然语言驱动参数化 CAD 建模、测量、图纸导出及 COM 自动化。

2)一款用于 AI 代理控制 CATIA V5 建模及原生 CATIA 分析/ELFINI 仿真的 Windows STDIO MCP 服务器。该服务器不调用 Abaqus、ANSYS、CalculiX 或其他第三方求解器。

https://github.com/Cai-aa/CAD-Agent-Hub/tree/main/MCP/CATIA

2、solidworksMCP,该 MCP 服务器与 SolidWorks API 集成,并将其结构化为符合 Claude 要求的上下文流。

https://github.com/eyfel/mcp-server-solidworks

3、NX MCP,提供了 16 种类型化工具,用于创建零件、绘制草图、拉伸实体、检查模型对象以及导出 STEP 文件。Python MCP 服务器在 NX 外部运行,而本地桥接器则在 NX 进程内部执行 NXOpen 调用。
https://github.com/DreamEnding/NX_MCP
4、FreeCAD,通过 Claude Desktop 及其他 MCP 客户端控制 FreeCAD。创建和编辑模型、运行 Python 脚本、检查文档以及执行有限元分析。
https://github.com/neka-nat/freecad-mcp
5、Onshape,该 MCP 服务器提供对 Onshape REST API 的全面编程访问,支持

45个工具。

https://github.com/hedless/onshape-mcp
6、Autodesk
1)https://github.com/puran-water/autocad-mcp
AutoCAD LT v3.1 的 MCP 服务器:支持自由手绘 AutoLISP 执行、8 个整合工具、文件 IPC 与 ezdxf 后端、无焦点调度、撤销/重做、P&ID 符号,以及具备 ESC 前缀和 UTF-8 回退机制的稳健 IPC。配套智能体技能:puran-water/autocad-drafting
2)https://github.com/daobataotie/CAD-MCP
CAD-MCP 是一项创新的 CAD 控制服务,允许用户通过自然语言指令来控制 CAD 软件执行绘图操作。该项目融合了自然语言处理与 CAD 自动化技术,使用户能够仅凭简单的文本命令创建和修改 CAD 图纸,而无需手动操作 CAD 界面。
7、UG
此版本将 Codex stdio MCP 服务器连接到 NX 2412 内部的非阻塞 .NET Remoting 桥接器。start_bridge.py 仅加载 DLL 后即返回,因此 NX 不会卡在运行中的日志记录状态。旧的 Python TCP 日志桥接器仅作为遗留参考予以保留。
https://github.com/Cai-aa/CAD-Agent-Hub/tree/main/MCP/UG
以上是初步收集到的仿真设计AI+MCP,欢迎大家在评论区补充。
最近手搓了个汽车零部件模态分析平台,还在不断的优化中,后续可通过AI助手划分网格、创建属性、创建边界、优化设计、关键路径识别、预测分析。

图片

【免责声明】本文来自整理,版权归原作者所有,仅用于学习等,对文中观点判断均保持中立,若您认为文中来源标注与事实不符,若有涉及版权等请告知,将及时修订删除,谢谢大家的关注

来源:仿真社
FluentAbaqusComsolOpenFOAM通用汽车电子ANSA通信ECAD爆炸控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-10-26
最近编辑:1天前
仿真社
硕士 详情关注“仿真社”
获赞 244粉丝 676文章 238课程 6
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈