企业官网建设流程全解析

Lumerical 是光子学仿真常用工具，但其脚本接口对初学者有门槛，本教程将分享如何搭建一套工具链，用自然语言指挥 AI 操作 Lumerical。

目录

• 一、引言
  • 1.1 为什么写这篇教程
  • 1.2 预期效果
  • 1.3 关于 AI 控制 Lumerical 的语法正确性说明
• 二、适用环境与前置要求
  • 2.1 硬件要求
  • 2.2 软件版本
  • 2.3 需要访问的网站
• 三、完整搭建流程
  • 第 1 步：安装 Python
  • 第 2 步：安装 Lumerical MCP 服务器
  • 第 3 步：注册 DeepSeek 并获取 API Key
  • 第 4 步：安装 VS Code 与 Cline 插件
  • 第 5 步：在 Cline 中配置 DeepSeek API
  • 第 6 步：配置 Lumerical MCP 到 Cline
  • 第 7 步：验证 MCP 连接
  • 第 8 步：开始使用
• 四、常见问题
  • 4.1 MCP 服务器显示红点，连接失败
  • 4.2 找不到 ansys-lumerical-mcp 命令
  • 4.3 Lumerical 会话未启动
• 结语

摘要

本教程面向希望用自然语言控制 Lumerical 进行光子学仿真的初学者，目标是从零搭建一套「Cline + DeepSeek + Lumerical MCP」工具链，让 AI 理解自然语言指令并自动生成、执行 Lumerical 脚本。教程涵盖环境准备、软件安装、API 配置、MCP 接入与验证等完整流程，并附常见问题排查。最终效果是：你只需在 VS Code 中与 AI 对话，即可完成创建仿真对象、设置参数、运行仿真并导出结果等操作，大幅降低脚本门槛，把精力集中在物理建模本身。

一、引言

1.1 为什么写这篇教程

Lumerical 是光子学仿真中常用的工具，但其脚本接口（尤其是 Python API）对初学者有一定门槛。如果能让 AI 理解自然语言指令，自动生成并执行 Lumerical 脚本，就能大幅降低使用难度，把精力集中在物理建模本身。

我在尝试搭建这样一套“AI 仿真助手”的过程中，走了一些弯路，也踩了不少坑。现在把完整的搭建过程整理成教程，希望能帮助后来者少走弯路，顺利拥有一个能用自然语言控制 Lumerical 的 AI Agent。

1.2 预期效果

• 在 VS Code 中通过 Cline 插件与 AI 对话；

• AI 模型使用 DeepSeek 云端 API（也可替换为其他兼容 AI 模型）；

• AI 能通过 MCP 服务器调用 Lumerical 的 Python API；

• 你可以用自然语言指挥 AI 打开 Lumerical 会话、创建仿真对象、设置参数、运行仿真并导出结果。

整个链路为：Cline（前端）→ DeepSeek API（AI 大脑）→ Lumerical MCP（桥梁）→ Lumerical（仿真软件）。

1.3 关于 AI 控制 Lumerical 的语法正确性说明

根据 Ansys 官方维护的 PyLumerical MCP 项目说明，该 MCP 服务器的作用是让 AI 助手通过 PyLumerical 与 Lumerical 交互。PyLumerical 即 Lumerical 官方提供的 Python API，所有操作最终都经过这一官方接口执行。

“Model Context Protocol (MCP) server that provides seamless integration between AI assistants and Ansys Lumerical through PyLumerical.”

MCP 向 AI 暴露的是结构化的工具调用（而非让 AI 凭记忆写脚本），因此 AI 不需要“理解”Lumerical 脚本语言本身，只需按照工具定义的格式发出指令，由 MCP 层负责转换为合法的 Lumerical 命令。语法正确性由此得到保证。

二、适用环境与前置要求

2.1 硬件要求

本教程最终采用云端 API方案，因此对本地硬件要求不高，但 Lumerical 本身对硬件有基本要求。

• CPU：建议 Intel i5 / AMD Ryzen 5 及以上。

• 内存：至少 16 GB，推荐 32 GB 或更高（Lumerical 仿真较吃内存）。

• 硬盘：至少 50 GB 空闲空间。

• 显卡：Lumerical 主要依赖 CPU，显卡非必需；若使用本地 AI 模型，则对显存有要求，但本教程不涉及。

• 操作系统：Windows 10/11（本教程以 Windows 为例）。

我的笔记本配置为 AMD Ryzen 7 8840HS + 16 GB 内存 + 集成显卡，运行 Lumerical 本身尚可，但跑本地 7B 参数模型会非常吃力。因此最终选择了云端 API 方案，笔记本也能流畅使用。

2.2 软件版本

• Python：3.12 或更高版本（需勾选“Add Python to PATH”）

• Lumerical：v251 或更高版本（根据实际安装版本，需知道安装路径）

• VS Code：1.138

• Cline 插件：4.1.19

• ansys-lumerical-mcp：0.3.0 或更高版本（通过 pip 安装）

• DeepSeek API：需注册账号并获取 API Key，模型使用 deepseek-flash（可替换其他兼容 AI模型）

版本号仅供参考，请以官方最新稳定版为准。

2.3 需要访问的网站

搭建过程中需要访问以下网站（部分可能需要代理或国际网络）：

• VS Code Marketplace

• Python 包索引

• GitHub

• DeepSeek 开放平台

三、完整搭建流程

第 1 步：安装 Python（对于在电脑第一次配 Python 环境的人）

1. 如果之前已配置 Python，可跳过至第 2 步。
2. 访问Python Download下载 Python 3.12 安装包。
3. 安装时务必勾选 “Add Python to PATH”。若忘记勾选，后续在命令行执行 Python 或 pip会提示“不是内部或外部命令”，需要手动配置环境变量。

安装完成后，打开命令提示符，输入

Python--version

预期的正常输出是类似这样的一行：

Python3.12.4

确认安装成功。

第 2 步：安装 Lumerical MCP 服务器

PyLumerical MCP 由 Ansys 官方维护，源码仓库地址为：
HTTPS://GitHub.com/ansys/pylumerical-mcp

或者更方便地，在命令提示符中执行：

Python-mpipinstallansys-lumerical-mcp

安装完成后，输入ansys-lumerical-mcp测试是否能正常启动。预期的正常输出应该是如下图：

若提示找不到命令，请检查 Python Scripts 目录是否在 PATH 中。

第 3 步：注册 DeepSeek 并获取 API Key

1. 打开 DeepSeek Platform ，注册并登录。
2. 进入左侧菜单 “API Keys”，点击 “创建 API Key”。
3. 复制生成的 Key（格式如 sk-xxxxx），妥善保存（页面关闭后不再显示）。
4. 在左侧菜单找到 “充值”，充值少量金额。

注意：这一步教程适用于任何 AI，原理上成功获取其他兼容 AI 的 API 即可。

第 4 步：安装 VS Code 与 Cline 插件

1. 下载并安装 VS Code。https://code.visualstudio.com/
2. 打开 VS Code，点击左侧扩展图标，搜索 “Cline”，安装。

安装完成后，左侧活动栏会出现 Cline 的机器人图标。

第 5 步：在 Cline 中配置 DeepSeek API（可替换其他 AI）

点击 Cline 图标，然后点击右上角的齿轮图标（设置）。

1. 在 “API Provider” 下拉菜单中选择 “DeepSeek”。

2. 在 “DeepSeek API Key” 中粘贴你的 API Key。

3. 在 “Model” 下拉菜单中选择 deepseek-flash，推理强度( Reasoning effort )一般选「high」就已足够了。

4. 点击 “Done” 保存。

此时可以测试一下：在 Cline 聊天框输入

用 Python 写一个 hello world

若能正常回复，说明 API 配置成功。

注意：这一步教程适用于任何 AI，把“DeepSeek”换成其他兼容 AI 名字理解即可。

第 6 步：配置 Lumerical MCP 到 Cline

1. 在 Cline 界面找到 “Manage MCP Servers” 面板，点击齿轮，点击 “Edit Configuration”。

Manage MCP Servers

1. 会打开 cline_mcp_settings.json 文件，粘贴以下内容：

{"mcpServers":{"ansys-lumerical":{"command":"ansys-lumerical-mcp","env":{"LUMERICAL_MCP_INSTALL_DIR":"C:\\Program Files\\v251\\Lumerical"}}}}

1. 将 C:\\Program Files\\v251\\Lumerical 替换为你电脑上 Lumerical 的真实安装路径。

2. 保存文件，重启 VS Code。

第 7 步：验证 MCP 连接

重启 VS Code 后，打开 Cline，在聊天框输入：

帮我检查 Lumerical 状态，并打开一个 FDTD 会话

如果 MCP 配置正确，AI 会调用工具，返回 Lumerical 安装信息，并尝试启动 FDTD 程序。若成功弹出 Lumerical 窗口且无许可证报错，则全部搭建完成。

第 8 步：开始使用

现在你可以用自然语言指挥 AI 操作 Lumerical 了。例如：

• “新建一个 FDTD 仿真，设置波长范围 1.5-1.6 μm”

• “添加一个 1.55 μm 的偶极子光源”

• “运行仿真，把透射率结果导出为 CSV”

AI 会通过 MCP 调用 Lumerical Python API 完成这些操作。

四、常见问题

以下是我在搭建过程中遇到的实际问题及解决方法，供读者参考。

4.1 MCP 服务器显示红点，连接失败

现象：Cline 的 MCP Servers 面板中，ansys-lumerical 旁边显示红点。

原因：路径配置错误，或 ansys-lumerical-mcp 未正确安装。

解决：

• 检查 cline_mcp_settings.json 中的 LUMERICAL_MCP_INSTALL_DIR 路径，注意使用双反斜杠 \\。

• 确认 ansys-lumerical-mcp 已通过 pip 安装，且命令可在终端中执行。

• 确认 Lumerical 确实安装在指定路径。

4.2 找不到ansys-lumerical-mcp命令

现象：安装后执行命令提示“不是内部或外部命令”。

解决：

• 重新执行Python -m pip install ansys-lumerical-mcp

• 检查 Python Scripts 目录（如 C:\Users\用户名\AppData\Local\Programs\Python\Python312\Scripts）是否已加入系统 PATH。

4.3 Lumerical 会话未启动

现象：MCP 状态检查显示“无已注册会话”。

解决：在 Cline 中要求 AI 执行open\_session，例如：

帮我打开一个 FDTD 会话

这会实际启动 Lumerical 程序并检查许可证。

结语

搭建 Lumerical 仿真 AI Agent 的过程并不复杂，但涉及多个工具的组合，容易在环境配置、网络、模型兼容性等环节卡住。建议优先采用 云端 API + Cline + MCP 的方案，它绕开了本地模型部署的硬件和兼容性难题，是较为省心的路径。

到这里，AI 已可以调用 Lumerical 执行仿真。至于如何让 Agent 稳定、高效地干活，那是另一个层面的问题，涉及每个课题组的仿真习惯，需要读者根据自己的场景去配置。

希望这篇教程能帮你顺利搭建起自己的 AI 仿真助手，把更多时间留给物理与设计本身。

参考

1. Ansys 官方 PyLumerical MCP 仓库
2. Ansys开发者门户

本文首发于知乎：从零搭建 Lumerical 仿真 AI Agent：Cline + DeepSeek + MCP 教程