LLM多智能体控制框架在六模块仿真工厂中实现最高93%平均求解率，编排式架构十次运行均自主绕行静默传送带故障
核心概要
该工作为每个工厂模块配备专用LLM智能体和通过OPC UA方法调用暴露模块技能的MCP工具服务器，智能体经MQTT协调并由工厂状态实时更新接地，在六模块六边形工厂仿真中比较编排式、点对点和单体式三种架构应对九个复杂度递增的生产挑战，单体式与点对点均取得最高93%平均求解率，编排式则在全部十次运行中自主重路由托盘绕过静默传送带故障，且所有架构在无显式故障处理逻辑下表现出涌现式故障诊断行为。
Fig. 1: For each factory module, OPC UA method calls expose the module’s skills, which can be invoked by the module’s corresponding LLM-agent over MCP tools. The agents communicate over MQTT.
arXiv深度剖析
提出将每个工厂模块与专用LLM智能体及MCP工具服务器配对，通过OPC UA方法调用暴露模块技能，智能体经MQTT协调并以工厂状态实时更新作为接地。 相对静态程序与集中式编程方式，该方案把技能暴露、智能体间通信与状态注入标准化为可复用的接口层，使离线生成确定性生产序列与在线处理运行时故障两种角色可以并存。 摘要层面描述了架构组成与通信协议，未给出接口实现细节或部署规模。
在物理六模块六边形工厂的仿真中，跨九个复杂度递增的生产挑战比较编排式、点对点和单体式三种智能体架构。 将架构选择作为受控比较变量，覆盖从常规生产到静默硬件故障检测的挑战梯度，而非仅报告单一架构的成功案例。 摘要报告了比较设计与挑战数量，未提供各挑战的逐项得分或统计检验。
单体式与点对点架构均达到最高平均求解率93%，编排式架构则在全部十次运行中自主重路由托盘绕过被阻塞段，唯一解决静默传送带故障。 表明不同架构在平均求解率上可持平，但在特定静默故障场景下编排式具有独特优势，提示架构选择需与故障类型匹配。 摘要给出93%平均求解率与十次运行的全数解决记录，未说明运行次数以外的样本量或方差。
所有架构在没有任何显式故障处理逻辑的情况下表现出涌现式故障诊断行为。 说明故障诊断能力可来自LLM智能体与工具、状态接地的组合，而非预先编码的失败处理规则。 摘要以定性方式陈述该观察，未给出诊断行为的量化指标或消融实验。
启示与展望
该结果面向小批量、高定制生产场景下的柔性可重构自动化，适用于以模块技能经OPC UA暴露、智能体经MQTT协调、工厂状态实时注入为前提的工厂设置。其价值在于为离线确定性序列生成与在线运行时故障处理提供统一的模块级智能体框架，并为架构选型给出参照：追求平均求解率可考虑单体式或点对点，面对静默硬件故障可考虑编排式。标准化MCP工具、MQTT通信与状态注入被表述为可复现基础，可供后续在真实产线与更多模块拓扑上继续验证。
当前可获取的是摘要层面信息，缺少图表与正文细节，因此九个生产挑战的逐项求解情况、93%平均求解率的方差、静默传送带故障之外其他故障类型的行为，以及涌现式故障诊断的判定标准，均无法从现有文本确认。仿真与真实产线之间的差距、模块数量增加时编排式与点对点架构的相对表现，以及MCP工具服务器在异构设备上的适配成本，仍是值得关注的开放问题。