文章总结： MATLABAgenticToolkit是MathWorks推出的AI编程助手工具包，核心价值在于将AI代理与MATLAB运行环境深度集成。通过MCPCoreServer实现代码执行、测试验证和工具箱检测，配合官方提供的MATLAB专属技能（如代码审查、调试、旧代码现代化），解决了传统AI生成代码无法直接运行、缺乏环境感知的问题。该工具支持ClaudeCode、Copilot等主流AI平台，需MATLABR2020b以上版本，通过GitHub仓库一键安装，显著提升MATLAB开发效率和质量。 综合评分： 82 文章分类： 安全开发,解决方案,技术标准,AI安全,应用安全

MATLAB 发布 Agent 了：MATLAB Agentic Toolkit全面提升生产力

原创

mapxiaotu mapxiaotu

空天感知

2026年5月14日 08:30 新加坡

在小说阅读器读本章

去阅读

MATLAB 发布 Agent ：MATLAB Agentic Toolkit

关注公众号的朋友们有不少是需要使用Matlab做算法的，尤其是做无人机开发、SAR处理的，最近看到Matlab出了Agent了，也总结下发给大家。

对生产力应该能有比较好的提升。

如果只看一句话，MATLAB Agentic Toolkit 的意义在于：

MathWorks 开始把 MATLAB 正式接入主流 AI coding agent 的工作流，不仅停留在“能生成代码”，进一步走向“能运行、能检查、能调试、能遵循 MATLAB 最佳实践”。

图源：MathWorks Blog

原文链接：

https://blogs.mathworks.com/matlab/2026/04/13/introducing-the-matlab-agentic-toolkit/

先说结论

这个工具最核心的价值，是让 AI 更像一个真正接上 MATLAB 运行环境的工程助手。

过去我们用通用大模型写 MATLAB 代码，经常会遇到几个问题：

• 代码看起来像对的，但不一定真能跑
• 模型不知道本机装了哪些 toolbox
• 生成内容常常缺少 MATLAB 生态里的惯用写法
• 出现报错后，AI 需要人手动复制错误信息再继续修

而 MathWorks 这次推出的 Toolkit，本质上是在补这些短板。

它到底是什么

根据 MathWorks 在 2026 年 4 月 13 日 发布的博文，MATLAB Agentic Toolkit 把两类能力打包到了一起。

1. MATLAB MCP Core Server

这是运行时连接层。它基于 MCP（Model Context Protocol），把 AI agent 和本机 MATLAB 进程连起来。

连上之后，agent 能做的不只是“输出一段代码”，还包括：

• 执行 MATLAB 代码
• 运行 MATLAB 文件
• 跑测试
• 调用 Code Analyzer 做静态检查
• 识别本机 MATLAB 版本和已安装 toolbox

这一步非常关键。因为一旦 agent 能直接操作 MATLAB，开发流程就从“聊天生成代码”升级成了“写代码 -> 运行 -> 看结果 -> 修正 -> 再验证”的闭环。

2. Agent Skills

这是知识与流程层。MathWorks 为 agent 提供了一组 MATLAB 专属 skill，让 AI 不只是会调用工具，还知道怎样更符合 MATLAB 的方式去完成任务。

截至原文发布时，公开提到的 skill 方向主要包括

• 工具包安装与配置
• 单元测试生成与运行
• Live Script 创建
• App 构建
• 代码评审
• 调试
• 旧代码现代化改造

如果说 MCP Server 解决的是“能不能做”，那 skill 解决的更像是“应不应该这么做、最好怎么做”。

为什么这件事值得开发者关注

我觉得它有四个层面的现实意义。

1. 它把 MATLAB 从“外部软件”变成了 agent 可调用的工具

很多 AI 写代码的问题，不是语言本身，而是脱离真实环境。

在 Python、JavaScript 这些生态里，agent 已经越来越依赖本地执行、测试和反馈循环。MATLAB 过去在这方面相对割裂，常见流程还是“AI 给代码，人自己贴进去跑”。

有了 MCP Core Server 之后，MATLAB 终于更像一个被 agent 原生使用的开发环境，而不是一个需要人肉中转的黑盒。

这意味着很多更实用的能力才有基础，比如：

• 根据真实报错自动修复
• 先探测 toolbox 再决定实现方案
• 生成代码前先参考 MATLAB coding guidelines
• 在交付前做静态检查和测试验证

2. 它的重点不是 prompt，而是工具、上下文和规范

原文里有一个判断很值得记住：更高质量的 AI 结果，往往不是因为提示词更花哨，而是因为 AI 拿到了更合适的工具、更完整的上下文和更明确的指导。

这对于 MATLAB 这种垂直生态尤其重要。

因为很多 MATLAB 开发任务的难点并不是基础语法，而是：

• 是否知道该用哪个 toolbox
• 是否理解 MATLAB 特有的数据结构和习惯
• 是否遵循官方建议的代码风格和实现路径
• 是否避开老旧 API 或反模式

由 MathWorks 官方来提供这层 skill，至少说明它在努力把平台经验结构化地交给 agent，而不是完全依赖模型自己“猜”。

3. 它解决的是可持续使用的问题，不只是做一个 demo

MathWorks 在原文里提到，MATLAB MCP Core Server 之前已经能单独使用，但安装和配置门槛并不低。

这其实是很多开发工具从“技术可行”到“团队真正会用”的分水岭。一次性跑通 demo 不难，难的是

• 新同事能不能快速配好
• agent 升级后配置会不会失效
• MATLAB 升级后工具链能不能跟上
• skill 和 MCP server 能不能持续更新

Toolkit 的一个现实价值，就是把这些零散部件统一打包，降低接入和维护成本。

4. 它的产品定位很务实

它不是一个“MATLAB 大模型”，也不是把 MATLAB 改造成聊天产品。

更准确地说，它是一层：

• 面向 AI coding agent 的 MATLAB 适配层
• 面向工程实践的 MATLAB 开发增强层
• 面向未来协作方式的 MATLAB 基础设施

这个定位不夸张，但很实用。

当前具体提供了什么

根据原始博文在 2026 年 5 月 14 日 可见内容，Toolkit 当前公开的 MCP 工具主要包括：

• evaluate_matlab_code

  ：运行 MATLAB 代码并返回命令行输出

• run_matlab_file

  ：运行 MATLAB 程序

• run_matlab_test_file

  ：通过 runtests 执行测试并返回结构化结果

• check_matlab_code

  ：用 Code Analyzer 做静态分析

• detect_matlab_toolboxes

  ：识别 MATLAB 版本和已安装 toolbox

它还提供两类 MCP 资源：

• matlab_coding_guidelines
• plain_text_live_code_guidelines

这套配置很能说明问题：它不是先追求功能堆砌，而是优先覆盖开发流程里最关键的几个动作，先把“写、查、跑、测、识别环境”打通。

怎么开始使用

原文给出的基本前提是：

• MATLAB R2020b 或更高版本
• 一个受支持的 AI coding agent
• Git

原文在 2026 年 4 月 13 日 提到“当前支持 6 个 AI 平台”，文中明确举例包括：

• Claude Code
• GitHub Copilot
• OpenAI Codex
• Gemini CLI

后续支持平台和 skill 列表很可能持续变化，实际使用时应优先看 GitHub 仓库最新说明。

官方推荐的安装思路也比较直接：

git clone https://github.com/matlab/matlab-agentic-toolkit.git cd matlab-agentic-toolkit

然后在 agent 里直接让它：

set up the toolkit

按 MathWorks 的描述，这一步会自动完成 MATLAB 检测、MCP server 安装、插件注册和环境验证。

一个更平实但更重要的判断

MATLAB Agentic Toolkit 看起来并不花哨，但它做的事情很扎实

• 把 agent 接进 MATLAB
• 把 MATLAB 经验显式交给 agent
• 把安装和维护流程尽量标准化

这不是颠覆式产品，却很可能是 MATLAB 生态里一块重要的新底层。

因为一旦 AI coding agent 成为常态，像 MATLAB 这样的专业软件迟早都需要一套官方支持的协作层。

MathWorks 这次发布，某种意义上是在明确表达一件事：未来的 MATLAB 开发流程，很可能默认就是“开发者 + agent”共同完成。

最后

如果你已经习惯用 Codex、Claude Code 或 Copilot 写 Python、TypeScript、Go，再来看 MATLAB Agentic Toolkit，会发现它代表的是一种很清晰的方向：AI 的价值不只是“写出代码”，而是接入真实环境、理解领域规范，并在验证闭环中持续迭代。

如果有对AI工具本身怎么用还不熟悉的，比如codex或者claude等，我还将写一篇文章做个教程，有需要的朋友请留言～

它后续能走多远，还要看 skill 的质量、平台兼容性以及更新节奏。但至少从方向上看，MathWorks 这一步是务实的，也是值得关注的.

往期推荐：

让AI“读懂”12000+景SAR影像：开源SAR平台重大更新，接入大模型你也可以实现以文搜图

也说遥感共性产品，行业需要什么样的遥感产品？

看水利部水利遥感星座战略布局，机遇与挑战并存

Umbra开源雷达影像下载工具开发实践

NASA与微软联合推出“Earth Copilot”，“智能助手“或成为行业产品标配

欢迎交流

笔者长期从事人工智能、遥感、大模型等业务

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：空天感知 mapxiaotu mapxiaotu《MATLAB 发布 Agent 了：MATLAB Agentic Toolkit全面提升生产力》