让 AI 直接操作CAE仿真软件：我的开源项目 CAE-Agent-Hub 破千 Star
我的开源项目 CAE-Agent-Hub 在 GitHub 上已经有 1200 多个 Star 了。这篇文章把它完整介绍一遍：它是什么、解决什么问题、仓库里都有什么，以及你怎么用上它、怎么参与进来。
项目地址：https://github.com/Cai-aa/CAE-Agent-Hub
一、它是什么：给工程仿真用的 AI 工具集 合
一句话概括：CAE-Agent-Hub 让 Codex、Cursor、Claude Code、WorkBuddy 这类 AI Agent 客户端，可以直接操作你电脑上已经安装好的 CAE 仿真软件。
这两年，用大模型写仿真脚本已经不新鲜了。但做过的人都知道，"写出脚本"和"把仿真跑通"之间隔着很远：
AI 看不到软件的真实状态。
它不知道你的模型树里有哪些 Part、材料是不是赋上了、分析步怎么设的，只能凭经验"猜"着写。
脚本写完还得人来跑。
复 制、粘贴、运行、报错、把报错贴回去、再改……人成了 AI 和软件之间的"传话员"。
结果靠人看、靠人判断。
作业算没算完、收敛没收敛、应力值合不合理，AI 拿不到原生结果，自然也没法自己检查。
CAE-Agent-Hub 想解决的就是这一段"最后一公里"：不再只生成离线示例，而是让 AI 连上真实的 CAE 软件，自己执行、自己检查、自己读结果。
仓库主要由四部分组成：
| MCP | |
| Skill | |
| Subagent | |
| 网页端结果查看器 |
二、为什么是 MCP + Skill？
先简单解释两个概念，后面看仓库内容会更清楚。
MCP（Model Context Protocol，模型上下文协议） 是一种让 AI 客户端调用外部工具的开放协议。一个 MCP Server 会向 AI 声明"我有哪些工具、每个工具要什么参数、返回什么"，AI 客户端就可以在对话过程中按需调用。对 CAE 来说，MCP Server 就是 AI 和仿真软件之间的"接口层"：AI 发出"提交这个作业""读取这个 ODB 的最大应力"之类的调用，MCP Server 再通过本地 TCP、Socket、文件队列或软件自带的 API，把指令交给正在运行的软件执行，并把结果返回给 AI。
Skill 解决的是另一个问题：AI 能动手了，但它知道该怎么做吗？ 仿真不是调几个 API 就完事的，选什么单元、分析步怎么设、边界条件怎么加、算完看哪些量、什么样的结果才算可信，这些都是工程经验。Skill 就是把这些经验写成结构化的说明文档（SKILL.md），在 AI 干活时加载进它的上下文，相当于给它配了一本操作手册。
两者的分工可以这样理解：
MCP 管"能不能做"
：提供与真实软件交互的能力；
Skill 管"该怎么做"
：提供流程、规范和验收标准；
CAE 软件负责"真正算"
：求解始终由你本机安装的正版软件完成。
只有 MCP，AI 容易"乱操作"；只有 Skill，AI 只能"纸上谈兵"。两者组合，才更接近一个靠谱的仿真助手。
三、MCP：从 Abaqus 开始，覆盖结构、流体、电磁、多体和原子尺度
1. 第一个 MCP：Abaqus MCP
这个项目的起点，就是仓库 MCP 索引表里排在第一行的 Abaqus MCP。
它的工作方式是：在 Abaqus/CAE 内部加载一个插件，启动本地 TCP bridge；MCP Server 运行在 Abaqus 外部，通过这个 bridge 和正在运行的 Abaqus/CAE 会话通信。连上之后，AI 可以：
在 Abaqus kernel 中执行 Python 脚本； 检查模型：Part、材料、分析步、载荷、边界条件等； 提交作业并监控运行状态； 读取 ODB 结果； 截取 viewport 图像，让 AI "看到"当前模型和云图。
注意这里的关键词是"live"：AI 操作的是你眼前打开的 Abaqus 窗口，而不是在后台偷偷生成一个脚本让你自己去跑。仓库里另外还保留了一个适配 Abaqus 2020 等较老版本的兼容版目录，老版本用户也可以试。
2. 从一个到一整个目录
从 Abaqus MCP 开始，MCP 目录已经扩展成了一个覆盖多个物理方向的集 合：
商业软件这边：
Ansys Fluent MCP
检测 Fluent 安装、启动 batch journal、跟踪作业和日志，也可以管理 live PyFluent 会话，执行 Scheme、TUI 和 Python 探测。
Ansys Workbench / Mechanical MCP
通过 Python helper 和 Mechanical ACT bridge 控制 Workbench 与 Mechanical，支持文件队列和 Socket 定时器两种通信方式。
Ansys AEDT MCP
AEDT（Ansys Electronics Desktop）这一套平台里包含 Maxwell、HFSS、Icepak 等求解器。MCP 通过 TCP JSON bridge 连接 Electronics Desktop，可以查看工程、创建设计（目前示例以 HFSS 为主）、保存工程、执行 AEDT Python 片段。
COMSOL MCP
面向真实工程里最常用的自动化场景——打开已有 .mph模型、修改参数、求解、导出图表、保存副本；还支持共享服务器模式，可以在 COMSOL 桌面端实时看到模型树和求解过程。
CST Studio Suite MCP
通过 CST 自带 Python API 控制 CST 设计环境，覆盖 3D 全波建模、端口、边界、网格、求解、结果读取、参数扫描和 Touchstone 导出，以及 Design Studio / Schematic 场路协同仿真。
ANSA MCP
面向前处理，提供几何清理、面/体网格、网格质量检查与修复、Abaqus/Nastran 文件导入导出等操作，采用"外部 MCP 进程 + ANSA 内加载的 Python 桥"架构。
Altair HyperWorks MCP
控制 HyperWorks 与 live HyperMesh 会话，支持模型和实体检查、网格划分、OptiStruct / Radioss 求解任务管理和 HyperView 结果后处理；所有模型修改前都会先建检查点，失败自动回滚。
Adams MCP
面向 Windows 上的 Adams/View 2024.1，提供 16 个工具，可以搭建刚体机构、运行有超时保护的批处理并提取关节反力数据，补上了多体动力学这一块。
此外，仓库还收录了 Ansys 官方 GitHub 组织公开的 7 个 PyAnsys MCP 项目源码快照（pyaedt、pyfluent、pymapdl、pymechanical、pycfx、pylumerical、pyansys-common），方便对照和选用。
开源软件这边：
CalculiX MCP
包装开源有限元求解器 CalculiX（ ccx），不需要商业 license。可以解析.inp、原位修改设计变量、运行求解、读取.dat结果、提取固有频率与振型，还能跑两阶段尺寸优化（LHS 粗扫 + 坐标下降），在应力/位移约束或频率下限约束下最小化质量。
LAMMPS MCP / OVITO MCP
分子动力学和原子尺度后处理。检测本地安装、运行明确的输入文件或后处理脚本，并保留作业日志作为证据。
FEP Agent Hub
把 FreeCAD（参数化建模）、Elmer FEM（网格与求解）、ParaView（后处理）三个开源软件用三个独立的 MCP 串起来，已经验证了热传导、电磁、结构和层流等 6 个算例模板。
Peridigm MCP
近场动力学方向，目前处于原型阶段，已在限定模板上完成验证，附带弹性基准和预裂纹拉伸损伤两个结果回放 Demo。
可以看到，结构、流体、电磁、多物理场、多体动力学、前处理、分子动力学这些方向都已经有了对应的 MCP。
说明：所有商业软件都需要你自己合法安装并具备有效许可证；仓库只提供连接和自动化的代码，不包含任何软件本体或 license。
四、Skill：写给 AI 的仿真操作手册
如果说 MCP 让 AI 有了"手"，那 Skill 就是给它的"操作规程"。
1. 最全的是 Abaqus Skill
Abaqus 系列 Skill 按仿真工作流的阶段来组织，一共 25 个：
core（总控）： abaqus，负责判断任务类型、路由到具体的子 Skill；modeling（建模）：几何、材料、网格、相互作用； setup（设置）：幅值曲线、边界条件、预定义场、载荷、输出请求、分析步，以及 Abaqus API 文档管理； an alysis（分析）：静力、模态、动力学、热、热-结构耦合、接触、疲劳； execution（执行）：作业提交与监控、结果导出； postprocessing（后处理）：ODB 结果读取； optimization（优化）：通用优化、形状优化、拓扑优化。
拆这么细是有原因的：一个普通的静力分析，只需要组合 core + 几何 + 材料 + 网格 + 载荷 + 边界 + 分析步 + 静力分析 + 作业 + ODB 这几个 Skill；做接触分析时再加上相互作用和接触分析；做设计迭代时再加优化。按需加载，AI 的上下文更干净，出错也更容易定位。
除此之外，Abaqus 目录下还有 FEA 通用结构分析、FEniCS 有限元两个参考型 Skill，以及一个复合材料固化仿真的专题 Skill 包（模具接触、固化温度、回弹分析等）。
2. 其他软件的 Skill
面向其他软件的 Skill 有 12 个，包括：
CalculiX：有限元主工作流、尺寸优化、模态分析（3 个）； LAMMPS 分子动力学、OVITO 原子尺度后处理； Ansys Mechanical 结构仿真 证据与验收、AEDT（Maxwell、HFSS、Icepak）电磁与电热仿真； COMSOL 永磁电机 NVH：耦合旋转电磁、结构模态、声学与 Campbell 图验证； CST 电磁仿真流程、Adams 多体动力学、Peridigm 近场动力学断裂、FEP Agent Hub 三软件协同。
按仓库 Skill 索引的口径，Abaqus 系列 25 个加上其他软件 12 个，一共 37 个。另外仓库里还有 Workbench 结构、Fluent 热压罐、圆柱 O-grid 网格等扩展 Skill，在持续整理中。
你会注意到，很多 Skill 名字里都带着 evidence。这是这个项目一个比较核心的设计思路：AI 做仿真，不能只给一个"算完了"的结论，还要留下可追溯的证据——用了哪些文件、执行了哪些命令、日志里有没有报错、结果有没有和解析解或参考值对上。对工程师来说，这比"AI 说它算对了"可靠得多。
五、Subagent：把复杂任务拆开
有些任务一个 Agent 一口气做下来容易失控，比如网格划分：要清理几何、规划分区、选网格路线、检查质量、修复局部问题、导出求解器文件，每一步都有大量细节。
仓库的 Subagent/ 目录用来存放这类可复用的子代理定义。目前已有的是 HyperMesh Meshing Subagent：它通过 HyperWorks MCP，按"检查模型 → 选择网格路线并说明理由 → 写分区计划 → 执行 → 质量检查 → 导出求解器文件"的流程完成一次可审计的网格划分，并明确要求不臆造材料、载荷、网格尺寸和验收标准。
主 Agent 负责整体流程，把这类专业性强的子任务交给对应的 Subagent，是处理复杂仿真任务更稳妥的方式。
六、网页端结果查看器：不开求解器也能看结果
AI 跑完仿真之后，结果怎么看？总不能每次都打开一遍求解器。
仓库里的 Text to CAE Viewer 就是为这个准备的：只要算例导出了轻量的 result_mesh.json，就可以直接在浏览器里查看网格、云图和变形，不需要安装求解器。
仓库里自带了悬臂梁、带孔板、带孔板模态、球体冲击、铣削、齿轮啮合、子弹击板等示例算例，CalculiX MCP 也可以直接把结果导出成这个格式。近场动力学方向还有一个单独的 Peridigm 结果回放页面，可以逐帧查看材料点损伤的演化过程。
本地启动只需要几行命令：
Set-Location.\viewer npm.cmd install npm.cmd run dev 然后在浏览器打开 http://127.0.0.1:4178/?case=cantilever 这类地址即可。
七、一个典型工作流：用自然语言跑一个 Abaqus 静力分析
把上面几部分串起来，一次 AI 驱动的 Abaqus 静力分析大致是这样的：
第 1 步：准备环境。 克隆仓库，按 MCP/Abaqus 目录里的说明安装 MCP Server，在 Abaqus/CAE 中加载插件启动 bridge，再把 MCP Server 注册到你用的 AI 客户端。
git clone https://github.com/Cai-aa/CAE-Agent-Hub.git Set-Location.\CAE-Agent-Hub 第 2 步：加载 Skill。 把需要的 Skill 目录复 制到客户端的 skills 目录，以 Codex 为例：
New-Item-ItemType Directory -Force -Path "$env:USERPROFILE\.codex\skills"|Out-NullCopy-Item-Recurse -Force ".\Skill\abaqus\an alysis\abaqus-static-ana lysis""$env:USERPROFILE\.codex\skills\abaqus-static-ana lysis"第 3 步：用自然语言提需求。 仓库 README 里给了一个示例提示词：
Use the abaqus-static-an alysis, abaqus-mesh, abaqus-job, and abaqus-odb skills. Build a complete Abaqus static-ana lysis workflow, run it if the Abaqus MCP or local Abaqus CLI is available, and report the exact files and commands used. 第 4 步：AI 执行。 Agent 按 Skill 里的流程，通过 Abaqus MCP 在 live 会话中执行建模脚本、检查模型、提交作业、监控状态、读取 ODB 中的应力、位移和反力，最后报告用到的文件和命令。
第 5 步：人来把关。 你在 Abaqus 窗口里可以实时看到模型的变化，也可以把结果导出到网页查看器里复核。AI 负责执行和整理，工程判断仍然由工程师来做，这是我做这个项目一直坚持的定位。
八、开源协议与参与方式
整个项目基于 MIT 协议完全开源，目前还在持续更新中。
后续的方向（README 路线图）包括：
接入更多主流仿真软件的专用 MCP Server；
更多产品化的 Skill 包，用于可复用的建模和验证流程；
面向结果查看器和报告生成的共享结果导出格式；
为每个 CAE 软件提供安装提示词和验证脚本。
如果你也在做仿真，或者对 AI + CAE 感兴趣，欢迎通过这几种方式参与：
点个 Star：这是对项目最直接的支持，也方便你跟进后续更新； 提 Issue：用的时候遇到问题、有新软件的接入需求，或者对某个 Skill 的流程有更好的建议，都欢迎提出来——CalculiX MCP 当初就是为了回应一个 Issue 里提出的需求而做的； 提交 PR，成为项目组成员：目前已经有多位贡献者参与进来，Adams MCP、FEP Agent Hub 等模块都来自社区贡献。如果你熟悉某款仿真软件，欢迎把你的 MCP、Skill 或者算例贡献进来，一起共建 CAE-Agent-Hub。
贡献小提示：新增 MCP 或 Skill 时，建议保留可复用源码、示例、测试和中英文 README；不要提交虚拟环境、求解结果、本机私有路径和许可证文件。
写在最后
从第一个 Abaqus MCP 到现在，这个项目从"一个软件的一个插件"长成了覆盖十多款仿真软件、几十个 Skill 的工具集 合。我越来越确定一件事：AI 进入仿真领域，不会是取代工程师，而是把工程师从大量重复的操作里解放出来，把精力放回到真正需要判断的地方。
项目地址再放一遍：
https://github.com/Cai-aa/CAE-Agent-Hub
觉得有用的话，欢迎 Star、转发给身边做仿真的朋友。也欢迎在评论区告诉我：你最希望下一个接入的仿真软件是哪个？
—— 去飞 GoFly
