※この投稿は 2025 年 11 月 18 日に Artificial Intelligence へ投稿されたものの抄訳です。

ゲストライター: Jacob George Jacob George は、Data Acquisition Toolbox、Image Acquisition Toolbox、そして ThingSpeak のプロダクトマネージャーです。このブログ記事では、MATLAB MCP Core Server とハードウェア接続について解説しています。

ChatGPT や Claude のような大規模言語モデルは MATLAB コードを書くことはできますが、ハードウェアを認識したり、センサーからデータを読み取ったり、ハードウェアの制約を理解したり、現実世界の性能に基づいてソリューションを検証することはできません。結果として大規模言語モデルとのやりとりは現実世界から切り離されてしまいます。

MATLAB MCP Core Server は、ハードウェアとデータを AI の推論プロセスに組み込むことで、この根本的な制約を解消します。

VS Code での Web カメラによる顔検出

ここでは、VS Code 上で GitHub Copilot を使い、ハードウェアが絡む AI コーディングがどのように機能するかを紹介します。

例えば、Image Acquisition Toolbox を使って Web カメラから画像を取得し、Computer Vision Toolbox を使って MATLAB で顔検出を行いたいとします。従来のワークフローでは、ドキュメントを検索し、コードを書き、手動でテストし、エラーをデバッグし、繰り返し修正する必要がありました。

しかし、Copilot を有効にし、MATLAB MCP Server を設定した VS Code では、次のように指示するだけで済みます。

「Image Acquisition Toolbox の関数を使って Logitech カメラ（内蔵カメラではない）からスナップショットを取得し、その画像に対して顔検出を実行し、顔を青い円で囲む MATLAB コードを作成して実行してください。」

Copilot は単にコードを書くのではなく、MCP サーバーを使って MATLAB 環境で直接コードを実行し、Image Acquisition Toolbox を通じて実際の Web カメラにアクセスします。これがわずか 2.5 分で「0 から 1」への変化を実現しました！

現在の AI ワークフローの本当の問題

エンジニアが今日直面している状況はこうです：AI チャットが信号処理のアルゴリズムを提案します。あなたはそれをコピーして別の環境で実行します。しかし、特定のセンサーのキャリブレーションデータが例の前提と一致せず、クラッシュします。エラーを AI に説明すると、修正案が返ってきます。このやり取りを 10 回繰り返します。コードをデバッグし終える頃には、勢いを失い、AI のコンテキストも古く感じられます。

しかし、もっと深刻な問題があります。エンジニアは単にコードを書くのではなく、それを実際のハードウェアで動かし、興味深い失敗を観察し、その失敗を手掛かりに理解を深めます。従来の LLM にはそれができません。Arduino のデータストリームにアクセスして GPIO ピンを更新することも、オシロスコープに接続してトリガーレベルを設定し、実測値に基づいて反復することもできません。MATLAB の Test and Measurement 製品と MATLAB MCP は、こうしたワークフローを可能にします。

まとめ

MATLAB MCP Core Server は、ハードウェアを活用する開発における根本的な転換点を示しています。AI がハードウェアシステムから切り離された存在ではなく、開発プロセスに統合された参加者となるのです。

IoT システム、センサーネットワーク、組み込み制御、ハードウェア接続アプリケーションを構築するエンジニアにとって、これは AI 支援型開発を真に実用的にするための「欠けていたリンク」です。実際のハードウェアとのフィードバックループと迅速な反復サイクルによって、プロトタイプ作成や実装までのスピードが劇的に変わります。

AI と共に進化するエンジニアリングの未来は、より良いコード提案にとどまりません。それは、ハードウェアが見ているものを認識し、あなたが構築したものを実行し、起きたことを測定し、あなたと共に反復する「統合されたインテリジェンス」なのです。