MathWorks heeft twee nieuwe open-source tools geïntroduceerd waarmee AI-agents zelfstandig engineeringworkflows kunnen uitvoeren, testen en verfijnen binnen MATLAB. Met de MATLAB MCP Server en de MATLAB Agentic Toolkit kunnen AI-agents MATLAB-code schrijven, uitvoeren, analyseren en iteratief verbeteren, terwijl de engineer verantwoordelijk blijft voor de validatie van de resultaten.
- AI-agents automatiseren steeds grotere delen van engineeringworkflows.
- De menselijke engineer blijft eindverantwoordelijk voor kwaliteit en besluitvorming.
- Controleerbare berekeningen zorgen voor betrouwbare en verifieerbare uitkomsten.
- Open-source koppelingen maken integratie met de belangrijkste AI-platformen mogelijk.
De nieuwe tools maken gebruik van het Model Context Protocol (MCP), waardoor AI-agents rechtstreeks kunnen samenwerken met MATLAB. In plaats van alleen code te genereren op basis van taalmodellen, voeren de agents berekeningen daadwerkelijk uit in de MATLAB-omgeving. Dat levert reproduceerbare en verifieerbare resultaten op, gebaseerd op numerieke analyses en simulatiemodellen.
Volgens MathWorks verschuift daarmee de rol van AI binnen engineering van het genereren van suggesties naar het daadwerkelijk uitvoeren van ontwerp- en analyseprocessen. Engineers blijven daarbij verantwoordelijk voor de interpretatie en validatie van de uitkomsten.
De MATLAB MCP Server en MATLAB Agentic Toolkit zijn open source en kunnen worden geïntegreerd met verschillende AI-platformen, waaronder Claude Code, GitHub Copilot, OpenAI Codex en Gemini CLI. Daarmee wil MathWorks MATLAB positioneren als een belangrijk platform voor de ontwikkeling van agentic AI binnen engineering.
Volgens Seth DeLand, Product Manager Generative AI bij MathWorks, zijn AI-agents het meest waardevol wanneer zij direct kunnen samenwerken met de software die engineers gebruiken voor ontwerp, simulatie en analyse. “Door AI-agents MATLAB-workflows daadwerkelijk te laten uitvoeren en iteratief te verbeteren, zetten we de stap van AI-gegenereerde code naar uitvoerbare en testbare engineeringresultaten.”
Waarom dit relevant is
De introductie laat zien dat agentic AI snel volwassen wordt binnen engineering. Waar generatieve AI tot nu toe vooral hielp bij het schrijven van code, verschuift de aandacht naar AI-agents die complete engineeringtaken kunnen uitvoeren binnen bestaande softwareomgevingen. Dat biedt kansen om de productiviteit van engineers te verhogen, terwijl de vakinhoudelijke controle bij de mens blijft. Voor Nederlandse machinebouwers, hightechbedrijven en R&D-organisaties kan dit de ontwikkeling van producten en systemen aanzienlijk versnellen.
