10 月 19 日，瑞士 AI 原生工程公司 Neural Concept 发布了 MCP Bridge——一套基于 Model Context Protocol 的桥接层，让 AI Agent 能够直接操作商业 CAD 与仿真软件。

这条消息没有大模型的发布会有声量，但它指向一个正在发生的变化：MCP 这个诞生于聊天助手的协议，正在被一群"造物理产品"的公司接走。

Agent 在工程师的桌面上能干什么

Neural Concept 成立于 2019 年，客户覆盖汽车、航空、能源、消费电子、半导体和国防领域的头部 OEM。它的核心生意是把深度学习嵌入 CAD/CAE 工作流。这次的 MCP Bridge 解决的是一个具体问题：让 Agent 拿到操作商用工程软件的工具，以及使用这些工具的工程知识，同时企业保留对软件和数据的控制权。

一个可以量化的场景：车轮轮辋的几何清理——把物理样机转化为可仿真的虚拟模型前的必经步骤——过去一个工程师要花一天，MCP Bridge 上的 Agent 三分钟完成，工程师只需微调结果。

Traton SE（大众集团旗下商用车公司）的一位电磁设计工程师的反馈更说明问题："AI Agent 完全改变了我工作的方式。从一篇研究论文到仿真工具链里一份验证过的脚本，现在只要几天，而且我可以并行跑更多工作。"

为什么这个环节值得 AI 进入？因为仿真周期里几乎所有步骤都已自动化——几何获取、清理、网格生成——唯独"工程师的经验判断"无处不在地卡在中间。虚拟样机的准备依赖规格书、材料准则和海量数据校验，繁琐且冗长；一旦完成，工程师就能在虚拟实验室里同时测试上千种设计方案，而不是等实物原型。Agent 的价值是把这个"周级"的准备工作压到"小时级"，再把省下的工程师小时数还给更难的问题。

不止一家在把 MCP 接进工程软件

Neural Concept 不是孤例。盘点过去一个月工业软件圈的 MCP 动作，会发现一条清晰的趋势线：

• COMSOL 在 9 月 16 日宣布 Multiphysics 2027 将内置 MCP Server，通过统一的 COMSOL API 让外部 Agent 建模、求解、检查结果，官方口径"今年晚些时候"发布，并确认将接入 NVIDIA Nemotron Ultra 开源模型；
• Keysight 10 月 6 日发布的 ADS 2027 是走得最远的——MCP Server、宏录制、Python 脚本生成全部"现已可用"，用户可以直接用 VS Code 这类 MCP 客户端连上正在运行的 ADS 会话跑代码、查文档，还配了一个 Chiplet 3D 互连设计器的专用 MCP Server；
• Synopsys 的 AgentEngineer 和 Cadence 的 AuraStack 走的是自建 Agent 平台路线，没有点名 MCP，但方向一致。

把这几件事放在一起看：MCP 正在成为工业软件的通用适配层。 过去每家 EDA/CAE 厂商的自动化接口都是私有的脚本 API，工程师要为每套软件单独学一套；MCP 的意义在于把这些 API 统一成 Agent 可发现、可调用的标准工具面——就像二十年前 USB 把各家外设接口统一掉那样。

和"给聊天软件装工具"不是一回事

工业场景对协议的要求，和 ChatGPT 调一个搜索工具完全不同，这也解释了为什么 MCP 在这里的出现值得单独审视：

一是写操作的分量。 MCP 规范本身明确警告"工具代表任意代码执行"，要求宿主在调用前获得用户明确同意。在聊天场景里，一次误操作的代价是发错一条消息；在仿真场景里，是启动一小时量级的求解任务，或者覆盖一个模型文件。COMSOL 的产品文档特意强调"用户可在 COMSOL Desktop 里审查 Agent 的工作"——人在环不再是礼仪，而是流程必需。

二是数据主权成了卖点。 Neural Concept 在发布里反复强调企业"保留对软件和数据的控制与所有权"。这不是公关话术：航空航天、半导体、国防客户的数据 sensitivity 决定了任何 Agent 方案必须先回答"数据出不出域"。MCP 的本地部署形态（server 跑在企业内网，Agent 通过它调 API）恰好匹配了这个约束——这也是它比 SaaS 化 Agent 平台更容易被工业客户接受的原因。

三是验证闭环是现成的。 编码 Agent 最大的痛点是"对不对"难以自动判定，而仿真天然自带裁判：求解器会收敛或发散，网格质量有量化指标，结果能和实验数据对表。Agent 在这个环境里犯错会被立刻发现，这让它成为比开放式办公场景更适合 Agent 落地的土壤。Traton 工程师"论文到验证脚本只要几天"的表述，本质上就是验证闭环在加速。

冷静一点看

需要标注的是，本条消息目前主要来自 SiliconANGLE 的报道和厂商口径，尚未看到第三方实测数据；"三分钟 vs 一天"是客户案例，代表性存疑。另外 Neural Concept 的 MCP Bridge 是桥接既有商用软件（CATIA、NX 这类），不是把 CAD 本身 AI 化——它能编排操作，但不改变求解器内核。

但方向判断不受影响：当 COMSOL、Keysight 这种最"重"的工程软件开始把 MCP Server 当作正式产品特性发布时，协议的扩散已经越过了开发者工具圈，进入了一个年研发投入以十亿美元计、对供应商锁定极其敏感的行业。工业软件商有强烈的动机让自家 API 变成 Agent 时代的"默认可调用"，因为谁的工具先被 Agent 生态覆盖，谁就先锁定了下一个十年的工作流入口。

MCP 过去一年的故事发生在聊天窗口和终端里。Neural Concept 们提醒我们：物理世界的产品开发——那些真正造东西的行业——可能才是这个协议最大的增量市场。

参考来源

• SiliconANGLE：Neural Concept launches MCP to help AI agents operate commercial CAD tools（2026-10-19）
• SimTool：MCP and AI Agents in Simulation Software（截至 2026-10-19 的厂商对照，含 COMSOL 9/16、Keysight 10/6 官方发布信息）
• MCP 规范：Model Context Protocol specification（tools 即任意代码执行、用户同意条款）

注：客户案例数据（轮辋清理 3 分钟 vs 一天）为厂商口径，未经独立核实。