LLM 驱动的基于技能的智能制造多智能体控制

工厂正转向小批量、高度定制化生产，这要求对灵活且可重构的自动化系统进行频繁重新编程。基于 LLM 的智能体可以承担两种互补的角色：在离线状态下，它们生成确定性的生产序列，从而减少编程工作量；在线状态下，它们操作实际运行的机器，并处理静态程序无法预见的运行时突发故障。我们提出了一种解决方案：为每个工厂模块配备一个专用的基于 LLM 的智能体和一个 MCP 工具服务器，通过 OPC UA 方法调用公开该模块的技能；各智能体通过 MQTT 协同，并以工厂状态的实时更新为依据。我们在一个六模块六边形实体工厂的仿真环境中，针对九项复杂度逐步增加的生产挑战（包括静默硬件故障检测），比较了三种智能体架构：编排器、点对点和单体式。单体式和点对点架构均取得了最高的平均解决率（93\%）；而编排器架构具有独特优势，在十次运行中均通过自主将板件绕过受阻区段重新路由，解决了传送带静默故障。所有架构都表现出了涌现式故障诊断行为，尽管没有任何显式的故障处理逻辑，这证明了标准化 MCP 工具、基于 MQTT 的智能体间通信以及实时状态注入，可以作为由 LLM 编程的智能制造系统的一种可行且可复现的基础。