Skip to main content
Glama

cst-sim-agent

中文版

一个 Claude Code 插件,通过 MCP 将 CST Studio Suite 变成对话式电磁仿真助手。

AI for Science(AI4S)正把 AI 从"聊天"推向"真正做科研和工程"。

对于电磁仿真,真正的瓶颈在于:智能体(Agent)需要操作 CST 这类专业软件,却无法与它顺畅沟通——即使连接成功,它也不知道正确的 VBA 方法名或适配 CST 的 Python 惯用法。通用大语言模型并没有受过如何在 CST 中操作的训练;直接编写原生代码会臆造出不存在的"幽灵方法",而一个 (10091) 报错就可能浪费几个小时。

cst-sim-agent 用三层设计解决这个问题:MCP 工具集让自然语言直接驱动建模 → 材料赋值 → 端口设置 → 求解 → 结果读取;内嵌领域知识库(8 大领域的 VBA 语法库、158 个官方示例、避坑清单)让智能体能够随查随用——不需要像人类工程师那样重新翻文档、重新学界面操作、甚至在不同应用领域间重新学习物理;约束钩子在编写 VBA 前先查知识库,并在执行后检查 CST 消息窗口,同时防范模型幻觉和静默失败。在端到端验证实践中,这一机制在 2 天内完成了近 20 个多方法仿真项目(建模、方法切换、参数对比)——同样的工作量若使用纯人工流程,往往需要数周。更重要的是,这一机制会随你的使用不断自我进化——你踩过的每一个坑、验证出来的每一条经验,都会在收尾时被引导回知识库,形成“使用 → 沉淀 → 复用”的闭环:用得越多它越聪明,同类任务也越跑越顺手。

我们的愿景是让 AI for Science 真正进入工程师和科研工作者的仿真工作台——不是取代工程师,而是通过物理仿真延伸人类做科学的能力:把繁琐重复的操作和跨领域学习交给智能体,让人类保留电磁设计和物理判断,把工程师真正解放出来。

特性

类别

工具

连接与工程

cst_connect / cst_disconnect / cst_create_project / cst_open_project / cst_save_project / cst_close_project / cst_get_project_state / checkpoint 系列

几何查询

cst_query_geometry / cst_get_model_tree / cst_get_materials

建模图元

cst_create_brick / cst_create_cylinder / cst_create_cone / cst_create_sphere / 布尔运算 / 变换 / 删除

材料

cst_create_material / cst_create_sit_material(SIT 阻抗表)/ cst_set_material

求解器

cst_set_frequency_range / cst_start_solver / cst_is_solver_running / cst_stop_solver / cst_run_simulation / cst_parameter_sweep

SBR/RCS

cst_configure_sbr / cst_run_sbr / cst_farfield_read

VBA/脚本

cst_execute_vba(任意 CST VBA)

操作

cst_get_messages / cst_check_status / cst_detect_popups / cst_dismiss_popup

Related MCP server: CST Studio Orchestrator MCP

成熟度与验证

本插件脱胎于几个 CST 自动化工程项目,经历了内部多轮迭代,并在首次公开发布前通过了独立盲测验收。已验证覆盖范围:安装与钩子、连接真实 CST 实例、官方贴片天线教程端到端、知识库与残留审查。尚未完全覆盖:多版本 CST 兼容、更复杂模型、更多工具组合——这些需要社区开发者共同验证。

端到端官方示例(圆形贴片天线,2–3 GHz)跑通结果:S11 谐振点为 2.40 GHz,与 CST 官方教程参考值(≈2.4 GHz)吻合。详见验证报告。

技术选择与设计决策(VBA 通道为主、官方 API 辅助)记录在架构文档中。

前置条件

  • Windows(CST 的 COM 接口依赖 Windows)

  • CST Studio Suite 2024/2025/2026(推荐 2026;旧版可能能工作字段但未逐一验证)

  • Python 3.10+(包括 Windows 自带的 py 启动器——官方 Python 安装时会自带;MCP 服务器通过 py -3 启动,不依赖 PATH 中的 python)

  • Python 依赖:执行 pip install -r requirements.txt(包含 mcp、pywin32)

CST 官方 Python 库路径的解析(src/controller.py、src/connection.py):

  1. 优先读取环境变量 CST_INSTALL_DIR(指向 CST 安装根目录,例如 C:\Program Files\CST Studio Suite 2026)

  2. 否则自动检测常见安装位置(C:\Program Files\CST Studio Suite 202x 等)

为了最稳定可靠的路径解析,建议设置 CST_INSTALL_DIR 环境变量。

安装

# Option 1: install from the GitHub marketplace (available after publishing to GitHub)
claude plugin marketplace add https://github.com/<your-name>/cst-sim-agent
claude plugin install cst-sim-agent@cst-sim-agent

# Option 2: install from a local directory (development / offline)
claude plugin marketplace add /path/to/cst-sim-agent
claude plugin install cst-sim-agent@cst-sim-agent

安装完成后重启 Claude Code,并通过 /plugins 确认插件已加载;然后即可在对话中直接调用 cst_* 工具。

插件根目录自带 .claude-plugin/marketplace.json——它本身就是一个 marketplace(source=./)。directory 类型的 marketplace 采用原位加载,无需复制。

钩子机制(按需注入)

插件在 hooks/ 中声明了 4 个钩子;它们仅在会话中实际调用 cst_* 工具时注入提醒:

钩子

触发时机

提醒内容

pre_vba

在 cst_execute_vba 之前

写 VBA 前先查语法库(按领域嗅探以给出精确提示)

post_vba

在 cst_execute_vba 之后

检查 CST 消息窗口 + 在写出下一步之前查阅知识库

post_mutate

在修改几何/材料的工具之后

关键操作后立即保存

stop_check

在使用 CST 的会话收尾时

强制将经验沉淀(写入知识库)

所有钩子只提醒、不阻断(不返回 permissionDecision)。

拿成长:越用越聪明

内嵌知识库既是最初的知识,也是积累的容器:

  • 使用:每个仿真项目中,智能体完成建模、求解与结果分析;

  • 沉淀:会话收尾时,stop_check 钩子强制提醒把本次会话的坑与验证过的经验写进 references/(避坑清单、VBA 语法库、经验手册);

  • 复用:下一次再遇到类似问题时,pre_vba / post_vba 钩子引导你直接查库,而不是重犯同一个错误。

这就形成了"使用 → 沉淀 → 复用"的拿成长闭环——插件将持续积累领域经验,同类任务自然越来越顺手。知识库完全掌握在你自己手中(skills/cst-expert/references/),沉淀什么、保留什么,由你全权决定。

技能知识库

随插件内置在 skills/cst-expert/references/:

  • vba-rules.md — VBA 四条铁律、代码注释规范、MCP 故障排查

  • official-docs.md — 官方文档地图与查询技巧

  • case-study-flow.md — 官方示例深度学习流程

  • common-pitfalls.md — 通用避坑清单(端口 / 网格 / 求解器 / API 陷阱)

  • best-practices-template.md — 留白经验模板,供你自行追加经验

  • knowledge/ — VBA 语法库(8 大域)、158 个官方示例索引、35 篇深度拆解、经验手册

目录结构

cst-sim-agent/
├── .claude-plugin/plugin.json   # plugin manifest
├── .mcp.json                    # MCP server definition (cst-sim)
├── src/                         # MCP server implementation
│   ├── server.py                # tool registration (FastMCP)
│   ├── controller.py            # unified controller (facade)
│   ├── connection.py            # CST process/project lifecycle
│   ├── dezip.py                 # CST DE-ZIP container parser
│   ├── popup_utils.py           # popup detect/dismiss
│   ├── popup_watchdog.py        # popup watchdog
│   └── version_manager.py       # checkpoint versioning
├── hooks/                       # constraint mechanization hooks
├── skills/cst-expert/           # domain-knowledge skill
└── requirements.txt

常见问题

  • cst_connect 失败 / 工具不出现:先看 Claude CLI 的 MCP 日志(%LOCALAPPDATA%\claude-cli-nodejs\Cache\<workdir-encoded>\mcp-logs-*.jsonl 中的 Server stderr),不要瞎猜。

  • 工具提示找不到 CST:确认已设置 CST_INSTALL_DIR,或 CST 安装在标准位置。

  • .cst 文件打不开:.cst 是 CST 专有的 DE-ZIP 容器;Python 的 zipfile 无法打开,请改用 src/dezip.py。

  • SBR 结果全为零:先检查几何体材料——从 STEP 导入的几何体默认为散射透明材料;如需散射结果,请先指定为 PEC / 介电材料。

参与贡献

欢迎社区参与验证和优化:提 issue、贡献代码、补充知识库经验。开发与提交规范见 CONTRIBUTING;社区行为准则见 CODE_OF_CONDUCT;安全漏洞提报见 SECURITY;版本历史见 CHANGELOG。

许可

Apache License 2.0

Maintenance

ActivityStale
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables natural language control of HFSS (v2019-2025) for antenna modeling, simulation, and result extraction via win32com without PyAEDT.
    8
    MIT
  • A
    license
    B
    quality
    D
    maintenance
    Enables AI agents to control CST Studio Suite for 3D electromagnetic simulation, antenna design, and schematic-based field-circuit co-simulation through 177 MCP tools.
    100
    9
    AGPL 3.0
  • A
    license
    C
    quality
    B
    maintenance
    Enables engineers to convert antenna papers/diagrams and natural language specs into auditable, versionable HFSS Python modeling code, with optional simulation and parametric optimization.
    6
    22
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    Turns CST Studio Suite into an AI-controllable electromagnetic design lab, enabling conversational THz metamaterial absorber design, unit-cell automation, Floquet port control, batch solve with checkpoint-resume, and surrogate-model predictions.
    2
    MIT