AI 调 MATLAB 用 MCP 太难用？单元设计规范和测试用例，用原生 AI 一次生成

一、试过 MCP 的人，已经知道了

MathWorks 今年在 AI 上动作很大：MATLAB MCP Server、Simulink Agentic Toolkit，让 Claude Code、GitHub Copilot、Codex、Gemini CLI 这些 AI 助手直接操作 MATLAB 和 Simulink。方向我非常认同------模型才是信息源头，AI 本来就该从源头干活。

但如果你真配过一遍，多半经历过这些：

配置门槛：JSON 里写 matlab-root 路径、初始工作目录，AI 每次要执行代码还得你逐条放行；
来回迭代：MathWorks 官方博客作者自己实测后的结论是------多轮对话后确实能得到能用的代码，但"可能比我自己写还慢"，而且他"不想每次要仿真一个模型时，都重复一遍这种来回对话"；
产出形态：聊天窗口里的一段段脚本。格式不固定、没法直接归档评审，这次和下次还未必一致。

一句话：MCP 是为"对话中偶尔调个工具"设计的协议，而单元设计规范和测试用例是批量、结构化、要进评审和审计的交付物------拿对话协议干流水线的活，天然拧巴。

二、我换了个思路：AI 原生长在工具链里

既然交付物是流水线产物，就别让 AI 在聊天窗口里现场发挥。我把 AI 嵌进每个环节，工程师只做两件事：上传模型、做决策。

以一个 BEV 制动系统模型的实测为例，全程如下。

1. 模型解析：几秒钟看清全景

上传 .slx 文件，AI 解析出 14 个系统、190 个模块、176 条信号线、54 项数据字典条目 。接口、功能块、保护机制、状态机全量提取；模型里没有的信息，如实标注"未定义"------不瞎编。

2. 单元划分：边界由你定

AI 按可调策略推荐单元划分（本例推荐 6 个单元），每个单元的边界、组成、职责逐个可改。划分权始终在人。

3. 设计规范：生成 + 质检自愈

一键成文、多单元并行。每份文档经过动、静两级校验------接口一致、逻辑自洽、内部矛盾消解后才定稿。这样一份《软件单元设计规范》人工编写，通常要一到两天。

4. 测试用例生成：提取功能点

测试用例三步向导的第一步。AI 拿着设计项清单------功能块（带 SDD 编号）、保护机制、状态机、接口全集------逐项核对提炼功能点，每个功能点与设计项的映射关系全部列明，漏了哪项界面直接告警。完整性不靠提示词喊口号，靠程序核对。

5. 用例设计导图：维度按 ISO 26262-6，取舍由你

勾选测试用例导出方法（需求分析、等价类划分、边界值分析、错误猜测，Table 8）与结构覆盖准则（语句 / 分支 / MC/DC，Table 9），按 ASIL 等级联动推荐。生成的思维导图每个节点可增删改------设计决策留给人，格式苦力交给 AI。

6. 用例生成 + 覆盖度统计

Test Manager 风格的执行表：信号逐列、步骤逐行 ，组级列自动合并，实际结果列、状态列（Not-Run）已预留，导入测试工具即可执行。本例生成 217 组 / 509 行，覆盖 9 个测试维度。

生成完自动出覆盖度统计：功能点覆盖、输入激励覆盖、输出断言覆盖、各维度用例分布、语句/分支/MC/DC 的判定表达式清单------未覆盖的端口直接给补测建议。

口径也写得明明白白：设计覆盖度，非实测。结构覆盖的真实百分比要等用例执行后由覆盖率工具测量，我不拿估算冒充实测。

7. 导出交付

Excel 双 sheet：用例表 + 覆盖度统计，同源同值。追溯链完整------每条用例挂着 SDD 设计项编号（如 SDD-传动系统-001），评审、审计直接对表。

8.产出物截图

三、一张表说清差别

维度	MCP 调 MATLAB	原生 AI 流水线
上手	装 server、配 agent、写 skill	上传模型，点开始
产出形态	聊天里的脚本片段	Word 规范 + Excel 用例，直接归档
完整性	模型漏了就漏了	设计项基线程序核对、漏项告警
一致性	每次对话产出不同	模板固定、格式程序校验
覆盖度	无	三层统计 + 补测建议
追溯	无	用例 → 功能点 → SDD 编号全链
换人换机	会话结束就没了	项目内沉淀，随时重跑

公平地说：MCP 生态做交互式探索、改模型、跑仿真，是好东西，我也持续关注。但"批量交付物"这个场景，天生属于流水线。

四、三种使用姿势

全流水线：有 Simulink 模型，规范 + 用例一键到底（本文全程演示）；
只补文档：模型 → 单元设计规范，先过文档评审关；
只生成用例：已有规范文档------哪怕是手写的------上传直接出用例，客户既有文档的场景也能接。

五、写在最后

单元测试的苦力活------抄接口、编用例、对覆盖------信息源头本来就在模型里。让 AI 从源头干起，工程师把时间留给设计决策和评审。

MCP 适合探索，交付物交给流水线。下次单元测试评审，让原生 AI 先加那个班。