本帖最后由 杨天龙 于 2026-5-6 16:08 编辑
让AI操作CodesysIDE控制C系列PLC
基于 MCP 协议的 AI 辅助编程指南（以 Cherry Studio 为例） 一、引言近期，DeepSeek 大语言模型更新至V4 版本，其在代码理解与生成方面的能力得到了进一步提升。与此同时，CODESYS 官方正式发布了 CodesysMCP Server 工具——该工具基于模型上下文协议（MCP），允许外部 AI 应用通过标准化接口直接操作 CODESYS IDE，从而实现辅助编程、自动生成代码、编译项目等任务。 图1：CODESYS 官方发布 MCPServer
1.1 本质：Scripting Engine 是核心，MCP 和 AI 让自动化触手可及通过 MCP 让 AI 操作CODESYS IDE，其本质底层依然调用的是 CODESYS 自带的 **Scripting Engine（脚本引擎）**。该脚本引擎基于**IronPython 2.7**，理论上能实现 IDE 内几乎所有操作的自动化（创建项目、编写代码、编译、设备组态等）。之所以必须安装 Scripting Engine 组件才能使用 Codesys-MCP，正是因为 MCP 服务器最终会把任务翻译成一段 Python 脚本交给脚本引擎执行。 换言之，整个自动化链条可以这样理解：**Scripting Engine 是真正干活的“手”，MCP 服务器是一个封装好的“标准化接口”，而 AI（大语言模型）则充当了“大脑”**。 下表对比了“传统人为写脚本”与“本指南采用的 AI + MCP 方案”在执行相同任务时的差异： | 对比项目 | 传统人为写脚本 | AI + MCP 方案 | | 任务需求 | "创建一个名为 MyProject 的 CODESYS 项目" | "创建一个名为 MyProject 的 CODESYS 项目" | | 执行过程 | 1. 学习 Scripting API
2. 编写 .py 脚本
3. 在 CODESYS 脚本菜单或命令行运行脚本 | 1. 在 Cherry Studio 中用中文输入任务需求
2. AI 自动理解并调用 MCP 工具
3. MCP 翻译成底层 Python 脚本 → Scripting Engine 执行 | | 所需技能 | 需懂 IronPython、CODESYS 对象模型、调试脚本 | 只需会使用 Cherry Studio 等图形化工具，会说自然语言 | | 典型效率 | | |
从上表可见，AI + MCP 方案的巨大优势在于：**不再需要人工学习和编写复杂的 IronPython 脚本**，而是通过自然语言指挥 AI，AI 自动完成脚本生成和执行。这极大降低了自动化编程的门槛。 当然，MCP 方案也继承了 Scripting Engine 的部分局限性：它无法完全脱离 CODESYS IDE 运行，且某些极端底层操作（例如修改设备树中的隐藏属性）仍然需要直接编写脚本。但对于绝大多数日常编程任务（创建程序、编写代码、编译项目），此方案已经足够强大且高效。 二、什么是 MCP 服务器？MCP（Model Context Protocol，模型上下文协议）服务器是一个关键的中介层，其核心作用是安全、标准化地连接 AI 应用与各类外部数据源及工具，解决大语言模型无法直接获取实时数据、无法操作外部系统的“信息孤岛”问题。 通过 MCP 服务器，我们可以直接操作 CODESYS IDE 进行编程，这对开发者来说无疑是一个巨大的帮助。 图2：行业杂志《Computer & Automation》读者投票2026年度产品MCP
注意：CODESYS 官方的 MCPServer 需要使用 CODESYS 专业开发版，且需要授权，价格为 550 欧元/年。不过 GitHub 上已有大佬开源了替代方案（Codesys-MCP），本指南即基于此开源方案。 图3：GitHub 上开源的Codesys-MCP 服务器项目
2.1 MCP 服务器详细说明CodeSys-MCP 服务器本身是一个命令行工具，提供了丰富的功能。下面展示它的 CLI 界面、可用工具列表以及运行模式。
图5：MCP 服务器的 CLI
图6：MCP 服务器提供的工具列表（1）
图7：MCP 服务器提供的工具列表（2）
图8：MCP 服务器提供的工具列表（3）
图9：MCP 服务器的运行模式说明（persistentvs headless）
从图中可以看到，MCP 服务器支持`persistent`（持久模式）和 `headless`（无头模式）两种运行方式。持久模式会保持一个可见的 CODESYS 界面，便于观察 AI 的操作过程；无头模式则完全在后台运行，适合批量自动化任务。 2.2 MCP 控制 CODESYS 的详细架构下图展示了从用户自然语言指令到CODESYS IDE 执行的完整数据流，其中 **Scripting Engine** 是真正执行自动化操作的核心组件。 三、三种主流 AI 操作 CODESYS 的方式对比无论是 Claude Code、CherryStudio 还是 VS Code + Cline，本质上它们都是 **MCP 客户端**，通过同一套 MCP 协议与 CODESYS MCP 服务器通信。真正的区别在于：**用户与 AI 交互的界面形态**、**模型集成方式**以及**对开发环境的整合程度**。下表从实际使用角度进行对比。 | 对比维度 | Claude Code | Cherry Studio | VS Code + Cline | | 本质角色 | | | | | 交互界面 | | | | | 模型集成 | 需自行配置 Anthropic API Key，使用 Claude 模型 | 内置多模型支持（DeepSeek、OpenAI 等），可自由切换 | | | 与编辑器的关系 | | | | | 对新手友好度 | | | | | 典型适用场景 | | | |
很多初学者会误解“Claude Code直接操作，VS Code 间接操作”——这是不对的。实际上，所有工具都必须通过 MCP 服务器才能控制 CODESYS，底层能力一致。 真正的区别是“人机交互”和“工作流集成”： · • **Claude Code**：适合喜欢终端、习惯键盘流、需要批量自动化处理的开发者。 · •**Cherry Studio**：适合希望图形化配置、不想记忆命令、需要多模型切换的用户。 · •**VS Code + Cline**：适合希望 AI 能力直接嵌入编辑器、边写代码边问 AI 的开发者。 为什么本指南选择 Cherry Studio？考虑到本指南面向的读者多为 PLC 工程师、自动化专业学生或非专业 IT 人员，大家最关心的是“能快速用起来，不要学一堆命令”。因此Cherry Studio 是最合适的选择： • **全图形化操作**：MCP 服务器添加、模型选择、对话界面都是点鼠标完成。 • **零命令记忆**：与 AI 自然语言对话即可，不需要输入 `/mcp` 或 `--help`。 • **多模型自由切换**：可以免费使用 DeepSeek，也可以接入 OpenAI 等，按需选择。 • **错误提示直观**：红色日志直接显示在界面，不用去终端翻找。 当然，如果您是资深开发者，习惯于命令行高效操作，或者希望深度集成到VS Code 工作流中，也可以选择 Claude Code 或 VS Code + Cline，三种方式底层能力相同，只是使用习惯不同。 四、环境要求| 组件 | 要求 | 检查方法 | | 操作系统 | | | | CODESYS V3 | V3.5 SP19 / SP21 / SP22 或更高 | | | Node.js | | | | Cherry Studio | | |
*虽然声明要CodesysSP19以上，但是测试下来SP14、SP18也是可以的
五、安装与配置步骤5.0 安装 Cherry StudioCherry Studio 是一款桌面端AI 模型聚合客户端，支持 Windows、macOS、Linux。 你可以从官网下载最新版本。 • 访问Cherry Studio 官网，根据你的操作系统选择对应的安装包（.exe / .dmg / .AppImage）。 • 下载后双击安装，根据需求完成安装。 • 安装完成后，启动Cherry Studio。 【可选扩展】如果你已经拥有某个 AI 模型的API Key（例如 DeepSeek、OpenAI 等），可以按以下步骤在 Cherry Studio 中添加： 1. 打开 Cherry Studio，点击左下角的“设置”齿轮图标。 2. 在设置窗口中找到“模型服务”或“模型管理”选项。 3. 点击“添加”按钮，在弹出的列表中选择你的API 提供商（例如“OpenAI”或“自定义”）。 4. 填写以下信息： • **API Key**：粘贴你从提供商处获得的密钥。 • **API 地址**：如果使用官方默认地址，可以留空；如果使用第三方中转，则填写对应的 URL。 • **模型名称**：根据你的需求输入模型 ID（如 `gpt-3.5-turbo`、`deepseek-chat`等）。不同模型可分别添加。 5. 点击“确定”保存。添加成功后，你可以在对话界面左上角切换模型。 > 提示：如果你暂时没有 APIKey，也可以直接跳过此步，Cherry Studio 本身内置了一些免费测试模型，或者直接使用下文 MCP 服务器配置，通过本地模型与 CODESYS 交互。 5.1 安装 Node.js• 访问 Node.js 官网下载 LTS 版本（例如 20.x）。 • 双击安装，一路点击Next，保持默认选项即可。 • 安装完成后，重启电脑（重要步骤）。 • 验证安装：按 Win+R输入 cmd 回车，输入 node -v。 5.2 安装 MCP 服务器在终端中执行全局安装： · npminstall -g codesys-mcp-persistent 验证安装： · codesys-mcp-persistent--version 5.3 获取 CODESYS 安装路径和 Profile 名称方法一：利用自带的检测命令（推荐） · codesys-mcp-persistent--detect 方法二：手动定位 • 路径：找到桌面的CODESYS 快捷方式，在“属性”中查看“目标”栏，复制完整路径。 •Profile 名称：打开 CODESYS，点击 Tools → Profile → Manage...，复制显示的名称。 5.4 在 Cherry Studio 中配置 MCP 服务器• 打开 CherryStudio。 • 进入 MCP 设置：点击齿轮图标 → MCP 服务器。 • 点击“添加服务器”按钮。 填写以下信息： 图10：MCP 服务器配置示例（CherryStudio 添加服务器界面）
参数 JSON 数组（请根据实际情况修改）： [
"--codesys-path",
"你的Codesys安装目录\\Common\\CODESYS.exe",
"--codesys-profile",
"你的Codesys版本",
"--mode",
"headless"
] 参数说明： | 参数 | 说明 | | --codesys-path | 您的 CODESYS.exe 完整路径，反斜杠 \ 需写成 \\ | | --codesys-profile | 从 CODESYS 复制的精确 Profile 名称，包括大小写和空格 | | --mode | 建议先用 headless（无界面模式）。想观察操作可改为 persistent |
• 点击确定保存。 • 重启Cherry Studio，让配置生效。 六、完成至此，您已经成功配置了通过 CherryStudio 让 AI 操作 CODESYS 的环境。现在可以开始体验 AI 辅助编程带来的便捷与高效了！ **注意事项：** 要让 AI 能够调用CODESYS IDE，必须在 Cherry Studio 的对话界面中手动勾选对应的 MCP 服务器。操作步骤：点击输入框上方的 **MCP 服务器（小锤子图标）** → 选择 **手动** → 勾选您添加的 Codesys MCP 服务器。只有勾选后，AI 才能获得操作 CODESYS 的能力。 图11：勾选 Codesys MCP 服务器操作示意图
**虽然 AI 能够操作 CODESYS IDE 了，但还是有一定的局限性。** 例如，AI 生成的代码可能需要人工修正，复杂的设备配置仍然需要手动干预，在线调试功能也可能受到实际硬件环境的限制。建议将 AI 作为辅助工具，最终代码仍需经过充分测试和验证。 七、应用示例下面是一个实际的使用示例：在Cherry Studio 中向 AI 提问，让它生成一段 CODESYS 程序。 图12：在 Cherry Studio 中提出需求
图13：AI 生成的代码及结果
Codesys-MCP-main.zip
(104.99 KB, 下载次数: 8)
| 
发表于 2026-5-6 10:21:42
