MATLAB と Simulink の
エージェント型 AI ガイド

はじめに: MATLAB と Simulink で実現するエージェント型 AI

生成 AI は、人間とコンピュータとの関わり方を変え続けています。かつては、LLM にエンジニアリングの課題を解決させようとすると、コードを何度もコピーして、手作業でエラーを修正しながら、今度こそ AI が自分の専門分野を正しく理解してくれたはずだと期待する、といった状況になりがちでした。より大きな価値は、推論して、行動し、MATLAB や Simulink のワークフローを自律的に実行できる AI システムによってもたらされます。この変革を実現するのが、エージェント型 AI です。

このガイドでは、解決策を提示し、それを実行する AI システムの構築方法を紹介します。Model Context Protocol (MCP) と新しいエージェント型 AI を通じて LLM を MATLAB や Simulink と連携させることで、コード記述、モデル作成、シミュレーション実行、結果分析をジョブが完了するまで繰り返す AI エージェントを作成することができます。

チャットからアクションへ: なぜエージェント型 AI なのか

MATLAB コードの作成に ChatGPT^® や Claude^® を使ったことがあれば、お決まりの流れはご存じでしょう。質問するとコードが返ってきて、それを MATLAB に貼り付けて実行し、エラーが出たらチャットに戻って内容を説明し、新しいコードを受け取り、また同じことを繰り返す。確かに使えますが、時間がかかり、ストレスもたまります。

エージェント型 AI は、この繰り返し作業を解消します。

チャットボットを頼れる相棒に変える 4 つの能力

非エージェント型 AI は、レポートを作成するコンサルタントのようなものです。エージェント型 AI は、実際に仕事をこなす相棒のような存在です。問題を解決し、その結果を示したうえで、変更が必要かどうかを確認します。

なぜ MATLAB と Simulink をエージェント型 AI と統合するのか？

MATLAB と Simulink は、工学や科学分野で活用されるエージェント型 AI に特に適しています。主な理由は以下のとおりです。

• モデルベースデザイン: 複雑なシステムを構築し、展開前にシミュレーションやテストを実施
• シミュレーション機能: Simulink と連携し、システムレベルのテストや検証が可能
• 特定分野の専門知識: 信号処理、制御、ディープラーニングなどに対応した 100 以上のツールボックスが利用可能
• 専門的なツール: コード解析、可視化、展開機能などを標準搭載
• 信頼性の高い計算: LLM は数学に関して誤った結果を出すことがあるが、MATLAB は正確な計算が可能

Model Context Protocol の理解

LLM が MATLAB と連携するには、利用可能なツールを検出して、適切なパラメーターで呼び出し、結果を受け取る仕組みが必要です。MCP は、この仕組みを提供する標準フレームワークで、AI とツールのやり取りを可能にします。MCP は、AI 向けの USB-C ポートのようなものです。USB-C があらゆるデバイスを周辺機器につなげるように、どんな AI モデルでもさまざまなツールにつなげることができます。その中に MATLAB と Simulink も含まれます。

MCP Server は、AI のリクエストを MATLAB が理解できる形に変換して計算できるようにします。AI エージェントが何を行うかを決定し、MATLAB が計算を実行します。

インストール

GitHub から MATLAB MCP Core Server を入手します。

# Clone the repository
git clone https://github.com/matlab/matlab-mcp-core-server

# Follow setup instructions for your AI client
# (Claude Desktop, VS Code with Copilot, Gemini CLI, etc.)

MCP Core Server は基盤となる接続機能を提供し、Simulink Agentic Toolkit はそれを拡張してモデル固有の機能を使えるようにします。MATLAB Agentic Toolkit と Simulink Agentic Toolkit のいずれも、このプロトコルをベースに構築されています。

MATLAB Agentic Toolkit

MATLAB Agentic Toolkit は、GitHub で公開されている無料のオープンソース パッケージで、AI コーディング エージェントに MATLAB に関する専門知識と、ローカルの MATLAB セッションへのライブ接続を提供します。このツールキットは 2 つの要素で構成されており、MATLAB MCP Core Server と厳選されたエージェントスキル一式が含まれます。

2 つの構成要素: MCP Core Server とエージェントスキル

MATLAB MCP Core Server

MCP Core Server は、MCP 対応のあらゆるエージェントに対して、ユーザーのマシン上で実行されている MATLAB への直接アクセスを提供します。このサーバーには、以下の 5 つの組み込みツールが用意されています。

このサーバーはさらに、MCP サーバーを利用する AI システム向けに特別に用意された 2 つの MCP リソースを提供します。matlab_coding_guidelines は AI に適切な MATLAB コードを作成する方法を教えるドキュメントで、plain_text_live_code_guidelines は AI にプレーンテキスト形式のライブスクリプトを生成する方法を説明するドキュメントです。AI エージェントは、このリソースを必要に応じて自動的に参照します。

エージェントスキル

エージェントスキルは、MATLAB に特化したエンジニアリング手法を AI エージェントに教えるために Markdown 形式で記述された指示ファイルです。コードライブラリではなく、エージェントの行動を導く構造化プロンプトです。

スキルは、Claude Code の /creating-live-scripts などで明示的に呼び出されることもあれば 、エージェントが関連タスクを認識した際に自動的に有効になることもあります。

エージェントスキルは、AI エージェントが学習段階で得られていない詳細な知識を提供します。こうしたスキルの機能により、AI エージェントは科学や工学分野の高度な問題を、より迅速かつ堅牢に、低コストで解決できるようになります。

エージェント向けツールキットで提供されるスキルは急速に進化しています。現時点でご利用いただけるスキルは、スキルカタログで確認できます。

インストールと構成

要件:

• MATLAB R2020b 以降
• 対応する AI コーディング エージェント
• Git

実際のエージェント ワークフロー

ツールキットが有効になると、エージェントはコピーして貼り付けることなく、MATLAB コードの読み取り、作成、実行、テスト、解析を実行できます。代表的なワークフローは、以下のとおりです。

1. ユーザーが自然言語でタスクを説明する。
2. エージェントがスキルやコーディング ガイドラインに基づく MATLAB の記法ルールに従って MATLAB コードを作成する。
3. エージェントが MCP サーバーを通じてコードを実行し、結果を読み取る。
4. エラーがあれば、エージェントがデバッグし、修正・再実行を行い、タスクが完了するまで繰り返す。
5. ユーザーが最終結果を確認する。

構造化ワークフロー: 調査・計画・実行 (RPI)

大規模なプロジェクトには、構造化されたアプローチが効果的です。

• 調査: エージェントがユーザーのプロンプトからプロダクト要求仕様書 (PRD) を作成します。ユーザーは疑問点を解消しながらやり取りを重ね、参考資料も提供します。
• 計画: エージェントが、実行方法をステップごとに示した PLAN.md とフェーズ別の TASKS.md を生成します。
• 実行: タスクをフェーズごとに実行し、方向修正を行いながら次のフェーズに進みます。

こうした構造化アプローチにより、エージェントを活用したコーディングを、予測しにくいものから管理しやすいものへと進化させることができます。計画ドキュメントは長時間にわたる作業でもエージェントの行動の基準となり、文脈ドリフトを予防できます。

このツールキットは、Claude Code、GitHub Copilot^®、OpenAI Codex™ といった MCP をサポートするすべてのエージェントで利用できます。構成はエージェントごとに異なりますが、基本的な流れは同じで、エージェントの MCP 設定で MATLAB MCP Core Server を指定します。対応する各プラットフォームでは、セットアップ用スキルにより、この設定が自動化されます。

Simulink Agentic Toolkit

Simulink Agentic Toolkit は、エージェント型 AI の活用領域をモデルベースデザインへと拡張します。MATLAB Agentic Toolkit がエージェントにコード実行へのアクセスを提供するのに対し、Simulink Agentic Toolkit は、アーキテクチャ、信号、パラメーター、シミュレーション挙動を含む Simulink モデルへの構造化アクセスを提供します。

Simulink Agentic Toolkit は、MATLAB MCP Core Server を基盤とした GitHub リポジトリです。このツールキットは、Simulink と モデルベースデザインに特化した MCP ツールとエージェントスキルを追加します。

Simulink の MCP ツールとエージェントスキル

MATLAB MCP Core Serverで利用可能なツールに加えて、このツールキットは、モデル構造の読み取り、ブロックと接続の編集、パラメーター照会、シミュレーション実行を可能にする Simulink に特化したツールを追加します。この専用ツールにより、エージェントはモデルの階層構造を把握し、必要な情報を確認しながら、的確な変更を行うことができます。

ツールキットのスキルは、そのツールを活用して、モデルベースデザインの一般的なタスクに適した推奨ワークフローを実行します。各スキルには、必要なエンジニアリングの文脈 (知識や手順) が含まれており、エージェントは毎回ゼロからワークフローを考えるのではなく、確立されたパターンに従ってタスクを進めることができます。

Simulink Agentic Toolkit は定期的に更新されます。現在、利用可能なツールとスキルについては、GitHub リポジトリをご参照ください。

AI エージェントによる要件管理

このツールキットの最も代表的なユースケースの 1 つが要件エンジニアリングです。AI エージェントは、以下のことが可能です。

• 自然言語による説明や既存のドキュメンテーションから要件を作成
• 各要件を実装するモデル要素に紐付け
• 設計の進行に合わせてトレーサビリティを維持
• カバレッジギャップを示すトレーサビリティ マトリックスを作成

これらの機能により、プロジェクトの進行を遅らせがちな手作業によるドキュメント作成の負担を軽減できます。エージェントが提案し、エンジニアが確認して承認します。

設計実装

エージェントは、既存モデルを修正したり、仕様から新しいシステムを作成したりすることができます。対応するモデルの種類は、以下のとおりです。

• Simulink ブロック線図 (標準的な信号フローモデル)
• Stateflow チャート (ステートマシンと意思決定ロジック)
• Simscape モデル (熱、電気、機械、油圧などの物理システム)
• System Composer アーキテクチャ (システムレベルのアーキテクチャモデル)

5 ステップサイクルの推奨ワークフロー

シミュレーション、テスト、検証

このツールキットは、検証サイクル全体をサポートしています。

• シミュレーションの実行 (構成管理や並列実行を含む)
• 報告された問題を再現するためにテストケースを作成し、根本原因を特定
• Simulink Test を使用したテストの作成
• 修正を提案し、検証のために再度テストを実行

エンジニアはセットアップ作業の管理ではなく、結果の解釈に集中できます。

モデルベース システムズ エンジニアリング (MBSE)

このツールキットは、MBSE 手法を採用しているチーム向けに、包括的な RFLP (要件、機能、論理、物理) フレームワークをサポートしています。

Simulink Agentic Toolkit を System Composer や Requirements Toolbox と組み合わせて使用することで、エージェントは以下のことが可能になります。

• アーキテクチャ要素に関連付けられた要件を作成・管理
• 機能、論理、物理の各レベルにおけるアーキテクチャモデルの作成
• インターフェース辞書やステレオタイプの生成
• 分析ビューや割り当てセットの作成

システム開発の初期成果物を迅速に作成し、エンジニアが定型的なセットアップ作業ではなく、本質的な問題解決に注力できるようにすることを目的としています。

エンジニアによる監督

Simulink Agentic Toolkit は、人間による監督を前提に設計されています。すべての機能は「エージェントが提案して、エンジニアが判断する」という同じ原則に基づいています。

効果的な AI エージェントの構築

LLMs with MATLAB と MATLAB MCP HTTP Client を組み合わせることで、MATLAB コードでエージェントを作成できます。このエージェントは、LLM (OpenAI 互換 API や Ollama™ 上のモデルなど)への接続や外部 MCP ツールを呼び出す MATLAB 関数を提供します。エージェント ワークフローの構築には、複数の実装パターンがあります。

パターン 1: ReAct (推論＋行動)

最も一般的なエージェントの動作パターンは、思考と行動を交互に繰り返すものです。LLM は、次に何をすべきかを推論して、アクションを起こし、結果を観察して、再び繰り返します。

% ReAct loop pattern 
while ~taskComplete 
    % Thought: LLM reasons about next step 
    thought = generate(chat, [context, "What should I do next?"]); 
     
    % Action: Execute tool if needed 
    if needsTool(thought) 
        result = executeTool(thought.tool_call); 
        context = [context; result]; 
    end 
     
    % Observation: Update state based on results 
    taskComplete = checkCompletion(context); 
end 

パターン 2: ツールチェーン

複雑なタスクでは、複数のツールを順番に呼び出す必要があります。あるツールの出力が次のツールの入力になります。

パターン 3: ヒューマンインザループ

セーフティ クリティカルな用途の場合、人による確認ステップを追加します。

% Human-in-the-loop pattern 
proposedAction = generate(chat, query); 
 
% Display proposed action for approval 
fprintf("Proposed: %s\n", proposedAction.description); 
approval = input("Approve? (y/n): ", "s"); 
 
if strcmp(approval, "y") 
    result = executeAction(proposedAction); 
else 
    disp("Action cancelled."); 
end 

実践ガイドライン

信頼性の高いエージェントを実現するためのポイント

• シンプルに始める: 複雑な連結を構築する前に、単一のツールを確実に動作させる
• 透明性を確保する: デバッグに備え、LLM 呼び出しとツール実行のログを取る
• エラーを適切に処理する: LLM の誤った結果に対処する指数バックオフ付きのリトライ処理を実装する
• 制限を設ける: 反復回数、トークン数、利用可能なツールを制限する
• 敵対的にテストする: ユーザーに提供する前に、意図的に破綻ケースで検証する