【从“聊天“到“执行“：MATLAB Agentic AI + MCP Server 实战——以 5G NR PDSCH 波形仿真为例】

从"聊天"到"执行"：MATLAB Agentic AI + MCP Server 实战------以 5G NR PDSCH 波形仿真为例

环境：Windows 11 + MATLAB R2024a + MATLAB MCP Server v0.11.3

全文基于一次真实的端到端工程实践：通过官方 MATLAB Agentic 工作流，完成 5G NR PDSCH 波形生成、48 组多参数扫描仿真（带宽 × 天线 × MCS）、ACLR/EVM 指标分析及全套波形可视化。

摘要

本文记录了一次完整的"智能体驱动"的工程仿真实践。首先从原理层面阐述什么是 Agentic AI、MATLAB/Simulink Agentic Toolkit 的架构，以及 MCP（Model Context Protocol）如何作为"AI 的 USB-C 接口"连接大语言模型与 MATLAB 计算引擎；随后以 5G NR PDSCH 下行信道波形仿真为案例，逐步演示如何通过 MATLAB MCP Server 实现代码编写、静态检查、执行、单元测试的自动化闭环，并深入讲解带宽（20/50/80/100 MHz）、天线数（1/2/4）、调制方式（QPSK/16QAM/64QAM/256QAM）对 ACLR 与 EVM 的影响规律。文末附完整排坑记录，供同行参考。

一、背景：为什么需要 Agentic AI？

传统上，用 ChatGPT 或 Claude 帮助写 MATLAB 代码的工作流是这样的：

向 LLM 提问，获得一段代码；
手动复制粘贴到 MATLAB；
运行报错，把错误信息复制回聊天框；
拿到新代码，再粘贴、再运行、再报错......

这种"复制-粘贴-报错-再复制"的循环效率低下且令人沮丧。核心痛点在于：LLM 只会"生成"代码，不会"执行"代码；它无法看到运行结果，也无法根据错误自动修正。

Agentic AI（智能体式 AI）彻底改变了这一范式------AI 不仅能"思考"（推理下一步），还能"行动"（直接调用工具执行），并"观察"（读取结果），从而迭代直到任务完成。MathWorks 官方指南《Guide to Agentic AI with MATLAB and Simulink》用一张表格清晰对比了两者：

非 Agentic AI	Agentic AI
按需生成代码片段	直接编写并执行代码
需要你手动复制、粘贴、运行	迭代直到任务完成
依赖你解释错误并追问	自己看到错误并自动修复
无法访问你的文件和数据	访问你的工作区与数据
无法验证代码是否工作	交付你可以测试的有效结果

一句话概括：非 Agentic AI 像只写报告不干活的顾问，Agentic AI 像真正动手把活干完的同事。

二、原理篇：MATLAB/Simulink Agentic AI 与 MCP

2.1 总体架构

MathWorks 官方提供的 Agentic 解决方案包含三个层次：

复制代码

┌─────────────────────────────────────────────────────────┐
│                   AI 编码智能体 (Client)                  │
│        Claude Code / GitHub Copilot / OpenAI Codex      │
└──────────────────────────┬──────────────────────────────┘
                           │ MCP 协议 (stdio/HTTP)
┌──────────────────────────▼──────────────────────────────┐
│              MATLAB MCP Server (桥梁/翻译器)              │
│   把 AI 请求翻译成 MATLAB 执行，把结果回传给 AI            │
└──────────────────────────┬──────────────────────────────┘
                           │ 启动/控制 MATLAB 会话
┌──────────────────────────▼──────────────────────────────┐
│              MATLAB R2024a (计算引擎)                    │
│       5G Toolbox / Communications / Simulink ...        │
└─────────────────────────────────────────────────────────┘

决策权在 AI，计算权在 MATLAB。LLM 决定"做什么"，MATLAB 保证"算得对"------LLM 会幻觉数学，MATLAB 不会。

2.2 MCP：Model Context Protocol（模型上下文协议）

MCP 是 Anthropic 于 2024 年底开源的标准协议，为 AI 应用与外部工具之间提供统一的交互框架。官方将其类比为 "AI 的 USB-C 接口"：就像 USB-C 让任何设备都能连接任何外设，MCP 让任何 AI 模型都能连接任何工具，包括 MATLAB 和 Simulink。

MCP 的核心概念：

Host（宿主）：发起连接的 AI 应用，如 Claude Desktop、Claude Code、VS Code Copilot。
Client（客户端）：Host 内部与 Server 建立一对一连接的组件。
Server（服务端）：暴露能力（工具/资源/提示词）的轻量级程序，如 MATLAB MCP Server。
Transport（传输）：客户端与服务器间的通信方式，常用 stdio（标准输入输出）或 HTTP。

MCP 定义了三种能力原语：

Tools（工具）：AI 可调用的函数，如"运行这段 MATLAB 代码"，需要参数校验，执行后返回结构化结果------这是 Agentic 闭环的关键。
Resources（资源）：只读的上下文数据，如"MATLAB 编码规范文档"，AI 按需读取。
Prompts（提示词）：可复用的用户交互模板。

2.3 MATLAB MCP Server：五个内置工具与两个资源

MATLAB MCP Server 是 MathWorks 官方开源项目（GitHub: matlab/matlab-mcp-server，Go 语言实现），支持 MATLAB R2021a 及之后版本。它暴露了五个核心工具：

工具	功能
`evaluate_matlab_code`	执行一段 MATLAB 代码字符串并返回命令行输出
`run_matlab_file`	执行一个 .m 脚本文件
`run_matlab_test_file`	通过 `runtests` 运行单元测试，返回结构化 Pass/Fail 结果
`check_matlab_code`	基于 Code Analyzer 做静态代码分析（只读、不执行）
`detect_matlab_toolboxes`	列出 MATLAB 版本与已安装工具箱

同时提供两个 MCP 资源（专为 AI 设计的文档）：

matlab_coding_guidelines：MATLAB 编码规范（命名、格式化、性能、错误处理）；
plain_text_live_code_guidelines：纯文本 Live Script 生成规范。

AI 智能体在写代码时会自动参考这些资源，避免"幻觉"出不存在的工具箱函数或过时 API。

2.4 MATLAB Agentic Toolkit：MCP + 领域技能

MATLAB Agentic Toolkit（GitHub: matlab/matlab-agentic-toolkit）是免费的开源技能包，由两部分组成：

MATLAB MCP Server：提供与本地 MATLAB 会话的实时连接（即上文所述）；
Agent Skills（技能） ：基于 Markdown 的指令文件，教 AI 智能体 MATLAB 工程实践。技能不是代码库，而是结构化提示词------让 AI 具备训练数据中没有的领域知识。

技能目录覆盖 25 个领域，与本文案例直接相关的是 wireless-communications 组，包含：

matlab-generate-5g-waveform：用 nrWaveformGenerator 生成 3GPP 兼容的 NR 波形
matlab-design-ofdm-system：OFDM 系统设计
matlab-add-awgn：加性高斯白噪声添加
matlab-generate-wlan-waveform / matlab-generate-ble-waveform 等

这些技能显著提升了 AI 解决深度科学/工程问题的能力、鲁棒性和成本效率。

2.5 Simulink Agentic Toolkit

在 MATLAB 工具包之上，Simulink Agentic Toolkit 将 Agentic AI 扩展到基于模型的设计（Model-Based Design），增加针对 Simulink 模型的 MCP 工具与技能：读取模型结构、编辑模块与连线、查询参数、运行仿真。支持 Simulink 框图、Stateflow 状态机、Simscape 物理系统、System Composer 架构模型。其推荐工作流为五步循环：Propose（提议）→ Approve（审批）→ Generate（生成）→ Run（运行）→ Confirm（确认），核心原则是"AI 提议，工程师决策"。

2.6 三种 Agent 实现模式

官方指南还给出了在 MATLAB 中用代码构建智能体的模式（需 LLMs with MATLAB 与 MATLAB MCP HTTP Client）：

Pattern 1 - ReAct（推理+行动）：LLM 思考下一步 → 执行工具 → 观察结果 → 循环直到完成；
Pattern 2 - Tool Chaining（工具链）：生成代码 → 分析代码 → 执行代码 → 评估结果，前一步输出作为后一步输入；
Pattern 3 - Human-in-the-Loop（人在回路）：对安全关键操作增加审批步骤。

三、部署篇：在本机搭建 MATLAB Agentic 环境

3.1 环境清单

组件	版本/路径
MATLAB	R2024a（24.1.0.2537033），含 5G Toolbox 等 100+ 工具箱
MATLAB MCP Server	v0.11.3（Windows x64 二进制，19 MB）
Agentic Toolkit	GitHub `matlab/matlab-agentic-toolkit`（技能目录克隆到 `C:\eda\workspace`）
Python	3.11（用于 MCP 客户端封装）

3.2 安装步骤

bash 复制代码

# 1. 克隆官方仓库
git clone https://github.com/matlab/matlab-mcp-server.git
git clone https://github.com/matlab/matlab-agentic-toolkit.git

# 2. 下载 Windows 二进制（或 go install 从源码构建）
#    从 Releases 页下载 matlab-mcp-server-windows-x64.exe

# 3. 注册到 MCP 客户端（此处为 OpenClaw，其他客户端类似）
openclaw mcp add matlab \
  --command 'C:\eda\workspace\matlab-mcp\bin\matlab-mcp-server.exe' \
  --arg '--matlab-root=C:\Program Files\MATLAB\R2024a' \
  --arg '--initial-working-folder=C:\eda\workspace\matlab-mcp\demo' \
  --arg '--matlab-display-mode=nodesktop' \
  --arg '--disable-telemetry=true' \
  --cwd 'C:\eda\workspace\matlab-mcp\demo'

关键启动参数说明：

--matlab-root：指定 MATLAB 安装路径（不含 bin）；
--matlab-display-mode=nodesktop：无桌面模式，AI 专用；
--matlab-session-mode：new（新开会话）/ existing（连接已有会话，需先运行 shareMATLABSession()）/ auto；
--disable-telemetry：关闭匿名遥测。

3.3 验证部署

用任意 MCP 客户端（或自写 Python stdio 客户端）完成握手：

python 复制代码

# MCP initialize 握手
{"jsonrpc":"2.0","id":1,"method":"initialize",
 "params":{"protocolVersion":"2024-11-05","capabilities":{},
           "clientInfo":{"name":"pdsch-agent","version":"1"}}}

返回 serverInfo: matlab-mcp-server v0.11.3，随后 tools/list 应列出全部 5 个工具。调用 detect_matlab_toolboxes 确认 MATLAB 与 5G Toolbox 可用，即部署成功。

四、案例篇：5G NR PDSCH 波形仿真

4.1 案例目标

通过 MATLAB MCP 完成三件事：

生成符合 3GPP 规范的下行 PDSCH 基带波形（含 DM-RS）；
多参数扫描：4 带宽（20/50/80/100 MHz）× 3 天线（1/2/4）× 4 MCS（QPSK/16QAM/64QAM/256QAM）= 48 组仿真；
计算每组对应的 ACLR（邻道泄漏比） 与 EVM（误差矢量幅度），分析其随带宽/MCS 的变化规律，并输出时域、频域、资源栅格、星座图四联波形图。

4.2 波形生成：用官方波形生成器而非手工拼接

官方 Agentic 技能明确建议：生成波形应使用 nrWaveformGenerator，不要用底层原语（nrCarrierConfig + nrPDSCH + nrOFDMModulate）手工拼接------波形生成器会正确处理信道复用、功率缩放和 OFDM 调制。核心代码：

matlab 复制代码

%% 载波配置 (FR1, 30 kHz SCS)
carrier = nrCarrierConfig;
carrier.SubcarrierSpacing = 30;     % 30 kHz
carrier.NSizeGrid = NRB;            % 52~273 RB 随带宽
carrier.NCellID = 42;

%% PDSCH 配置
pdsch = nrWavegenPDSCHConfig;
pdsch.Modulation = mod;             % QPSK/16QAM/64QAM/256QAM
pdsch.NumLayers = nAnt;             % 1/2/4 层
pdsch.PRBSet = (0:NRB-1).';
pdsch.SymbolAllocation = [0 14];    % 全时隙
pdsch.TargetCodeRate = rate;
pdsch.DataSource = 'PN9-ITU';       % 伪随机数据源

%% 官方波形生成器：自动完成编码、映射、DM-RS、OFDM
cfg = nrDLCarrierConfig;
cfg.SCSCarriers = {scs};
cfg.BandwidthParts = {bwp};
cfg.PDSCH = {pdsch};
[waveform, info] = nrWaveformGenerator(cfg);

4.3 Agentic 工作流闭环

完整流程按官方推荐的"工具链"模式执行（生成→检查→执行→测试）：

复制代码

detect_matlab_toolboxes  ──►  确认 MATLAB R2024a + 5G Toolbox
        │
check_matlab_code        ──►  静态检查 generate_pdsch_waveform.m → 0 issues
        │
run_matlab_file          ──►  生成 PDSCH 波形 + 分析图
        │
run_matlab_test_file     ──►  runtests 单元测试 → 1 Passed, 0 Failed

基带波形参数实测：

采样点数：153,600；采样率：15.36 Msps（10 MHz 配置）
时长：10.000 ms（1 个无线帧）；RMS：0.0216；PAPR：11.45 dB
频谱占用：52 RB × 12 子载波 × 15 kHz = 9.36 MHz（10 MHz 载波）

4.4 多参数扫描仿真设计

维度	取值	说明
带宽	20 / 50 / 80 / 100 MHz	对应 RB 数 51/133/217/273（30 kHz SCS，3GPP TS 38.104）
天线	1 / 2 / 4	对应 PDSCH 层数 1/2/4
MCS	QPSK / 16QAM / 64QAM / 256QAM	目标码率 0.3/0.5/0.65/0.8

每组执行完整链路：随机传输块 → DL-SCH 编码（CRC+LDPC+速率匹配）→ 调制+层映射 → DM-RS 生成 → OFDM 调制 → （削波模拟 PA 非线性）→ 指标计算。

4.5 指标计算方法

ACLR（邻道泄漏比）------发射频谱质量指标，3GPP 定义为：

ACLR=10log⁡10(PmainPadjacent)\text{ACLR} = 10\log_{10}\left(\frac{P_{\text{main}}}{P_{\text{adjacent}}}\right)ACLR=10log10(PadjacentPmain)

实现要点：用 Welch 法估计 PSD，主信道窗口取实际占用带宽（NRB×12×SCS），邻道窗口取偏移一个信道带宽的相邻区间，积分求功率比。

matlab 复制代码

[psd, freq] = pwelch(txOs(:,1), hann(2048,'periodic'), 1024, nfft, sampleRateOs);
mainW = abs(fMHz) <= occBW/2;
adjW  = (fMHz > occBW/2) & (fMHz <= occBW/2 + BW);
aclr = 10*log10(trapz(freq(mainW),psd(mainW)) / trapz(freq(adjW),psd(adjW)));

EVM（误差矢量幅度）------调制质量指标：

EVMrms=∑∣s^−s∣2∑∣s∣2×100%\text{EVM}_{\text{rms}} = \sqrt{\frac{\sum |\hat{s} - s|^2}{\sum |s|^2}} \times 100\%EVMrms=∑∣s∣2∑∣s^−s∣2 ×100%

采用数据辅助判决：解调回栅格后提取 PDSCH RE，用 qamdemod/qammod 找到最近星座点作为参考，计算 RMS EVM。

4.6 仿真结果

48 组全部完成，两个关键修正后结果物理合理：

ACLR：28.4 ~ 30.6 dB

带宽	20 MHz	50 MHz	80 MHz	100 MHz
ACLR 范围	28.4~29.9	29.8~30.6	28.6~29.7	29.5~30.1

ACLR 主要由发射频谱掩模决定，与 MCS 基本无关（各调制间差异 <1.5 dB，物理正确）；
随带宽轻微波动，大带宽略优（RB 多、频谱填充更均匀）；
天线数影响很小。

EVM：0.6% ~ 2.8%（7 dB 回退削波产生的轻度非线性失真）

全部 48 组远优于 3GPP 限值：QPSK 17.5% / 16QAM 12.5% / 64QAM 8% / 256QAM 3.5%；
256QAM 全部组合 EVM < 3.5%，满足最严格限值；
线性度良好的发射机各调制 EVM 相近，无明显 MCS/BW 单调趋势，符合预期。

图 1：48 组仿真 ACLR / EVM vs 带宽 / 天线 / MCS 四联趋势图

4.7 波形可视化

为 48 组各生成一张四联分析图（waveform_plots/），包含：

时域波形（Time Domain）：天线 1 前 3000 采样，观察 OFDM 符号包络与 CP 结构；
频谱（Frequency Domain）：归一化 PSD（-90~5 dB），观察信道带宽与带外泄漏；
资源栅格（Resource Grid）：时频格图，PDSCH 数据 + DM-RS 参考信号清晰可见；
星座图（Constellation）：PDSCH 调制符号，QPSK 四点 / 16QAM 16 点 / 64QAM / 256QAM 星型分布一目了然。

命名规则：pdsch_BW{带宽}MHz_Ant{天线}_{MCS}.png。

图 2：PDSCH 波形四联图（10 MHz 配置：时域 / 频谱 / 资源栅格 / 星座）

图 3：20 MHz / 1 天线 / QPSK 四联波形图

图 4：100 MHz / 4 天线 / 256QAM 四联波形图（最高配置）

五、排坑记录（实战精华）

本次实践踩过的坑，按价值排序：

MCP 工具调用超时陷阱 ：视频生成任务在恰好 120.000 秒被标记 isError=true，返回误导文本 "cancelled by user"。根因是客户端/插件层的 120 秒等待上限 （模型自身 generationTimeout 为 600 秒）。对策：降低参数（720p、≤5s、关音频）或延长客户端超时。教训：看到 "cancelled by user" 未必是用户操作，先查 elapsedMs。
ACLR 必须过采样 ：30.72 MHz 采样率下 Nyquist 仅 15.36 MHz，20 MHz 偏移的邻道窗口落在 Nyquist 之外导致 ACLR≈0.7 dB 假值。对策：4x 过采样（resample）后再算 PSD，得到 22~30 dB 正确值。
EVM 必须在原始采样率波形上解调 ：对 4x 过采样信号直接 nrOFDMDemodulate 会因采样率不匹配导致判决全错（EVM≈100%）。对策：EVM 用未过采样波形解调，ACLR 用过采样波形，各司其职。
单元测试脚本内禁用 clear ：run() 执行脚本时会清空调用者工作区，clear 会连带清除 testCase 对象导致 MATLAB:refClearedVar。对策：脚本顶部只保留 rng()。
路径含 & 与中文 ：ModelSim/Vivado 等 EDA 工具无法在含 & 的路径建库。对策：工程放 C:\eda\workspace\，产物拷回项目目录。
MATLAB 无头模式绘图 ：-nojvm 下不能创建 figure。对策：数据落 CSV + Python matplotlib 出图，或用 -batch（保留 JVM）直接 exportgraphics。
MCP 对复杂绘图返回空文本 ：evaluate_matlab_code 对包含 figure 的脚本返回空 content（不报错）。对策：改用 matlab -batch 直接执行绘图脚本。

六、总结与展望

本次实践验证了 MATLAB Agentic AI 从原理到落地的完整闭环：

原理层：MCP 作为标准协议，让任意 LLM 都能安全、结构化地调用 MATLAB 计算引擎；
能力层：Agentic Toolkit 的 5 个 MCP 工具 + 25 组领域技能，覆盖"检查-执行-测试"全流程；
应用层：48 组 5G NR PDSCH 多参数仿真一次跑通，ACLR/EVM 结果物理合理，全套可视化交付。

相比传统"复制-粘贴-报错"工作流，Agentic 方式将工程效率提升了一个量级：AI 写码、AI 自查、AI 执行、AI 测试、AI 修正------工程师从"代码搬运工"回归"结果决策者"。

未来可扩展方向：

接入 Simulink Agentic Toolkit，实现基于模型的设计闭环（Propose→Approve→Generate→Run→Confirm）；
将 48 组扫描扩展到 MIMO 预编码、TDL 多径信道、HARQ 重传等真实场景；
用 LLMs with MATLAB + MATLAB MCP HTTP Client 在 MATLAB 内原生构建 ReAct 智能体；
结合 HDL Coder（激活许可证后）将 MATLAB 定点模型自动生成可综合 Verilog，贯通"算法→RTL→验证"全链路。

附录：产物清单

文件	说明
`generate_pdsch_waveform.m`	PDSCH 波形生成脚本
`simulate_pdsch_sweep.m`	48 组多参数扫描脚本
`plot_pdsch_waveforms.m`	48 张四联波形图生成脚本
`test_generate_pdsch_waveform.m` / `test_pdsch_sweep.m`	单元测试
`run_pdsch_agent.py`	MATLAB MCP Agentic 调用链（Python）
`pdsch_waveform.mat` / `pdsch_iq.csv`	波形数据（10 MHz 配置）
`pdsch_sweep_results.csv`	48 组 ACLR/EVM 完整数据
`pdsch_waveform_analysis.png`	波形四联图（10 MHz 配置）
`pdsch_sweep_analysis.png`	ACLR/EVM 趋势四联图
`waveform_plots/`	48 张逐组波形图（时域/频域/栅格/星座）

本文基于真实工程实践撰写，所有数据均可复现。欢迎交流 MATLAB Agentic AI 在芯片设计与 5G 通信验证中的应用。