用 MCP 让 Claude Code 操作 Moldex3D：三次失败之后我学到的事
把模流仿真软件 Moldex3D 接进 AI 编程流程的完整复盘——为什么前三个方案都走不通，最后靠什么跑通。
背景
做模流仿真的人大概都懂这种痛苦：Moldex3D 的操作是一长串点选——新建工程、导几何、画网格、设工艺参数、提交计算、等结果、截图出报告。整套流程里真正需要人判断的只有两三步，其余全是重复劳动。
我的想法很直接：既然 Claude Code 已经能写脚本、能跑命令，能不能让它直接操作 Moldex3D，把「点鼠标」变成「说需求」？
方案演进
方案一：直接读结果文件
最朴素的思路——不控制软件，只解析它输出的结果文件。
- 做法：盯着 Moldex3D 的工程目录，解析
.xml/.rlt结果，让 AI 读数据做分析。 - 结果：只解决了「读」，没解决「写」。参数还是要人去点，效率提升有限。
- 教训：自动化要省的是「操作」而不是「阅读」，先搞清楚瓶颈在哪一端。
方案二：模拟点击（UI 自动化）
- 做法：用截图 + 坐标点击模拟人操作。
- 结果：软件一弹窗、一换分辨率就全乱，脚本比人还脆。
- 教训：把稳定性押在像素上是最糟糕的赌注。UI 自动化是最后手段，不是第一选择。
方案三：命令行 / 脚本接口
- 做法：找 Moldex3D 有没有 CLI 或宏录制。
- 结果：能力覆盖不全，很多步骤只能回到 GUI。
- 教训：厂商没提供的能力，硬绕过去只会越绕越远。
最终方案：MCP Server
把「软件能做的事」封装成 MCP 工具，让 Claude Code 通过 MCP 协议调用：
- 每个工具对应一个明确动作（建工程、设参数、提交计算、取结果）；
- AI 负责「理解需求 → 选工具 → 编排顺序」，工具负责「可靠执行」；
- 出错时返回结构化错误，AI 能读懂并重试或换路。
踩坑记录
- 工具粒度太细，AI 会迷路。一开始暴露了二十多个小工具，模型经常组合错。后来合并成 6 个「粗粒度动作」，成功率明显上升。
- 没有 schema 校验的参数等于没参数。工艺参数不校验范围，传错值要等计算跑完才发现。加了 zod 校验后，一半的错误在调用前就被拦下。
- 同步等待计算结果会超时。模流动辄算几十分钟，MCP 调用不能一直挂着。改成「提交 + 轮询状态」两个工具后才稳定。
结果与复盘
跑通之后，一个完整的「改参数 → 重算 → 出对比结论」流程从半天压缩到十几分钟，而且过程可复现。
三点复盘：
- 先定义边界，再写代码。AI 负责决策、工具负责执行，这条边界一模糊，系统就会变脆。
- 失败的方案不是白干的。前三个方案确定了「哪些路不通」，第四个方案才有明确的形状。
- 给 AI 的工具要「少而稳」。工具数量少、语义清晰、错误可读，比功能全覆盖重要得多。
参考
- 项目仓库：moldex3d-mcp-skill
- MCP 官方文档：https://modelcontextprotocol.io