工业自动化里描述设备能力，长期依赖本体、资产管理壳（AAS）等显式语义模型。这类建模工作量大、易出错，还需要语义建模专家，建出来的表示也未必方便大模型使用。一篇工作论文提出另一种思路：用模型上下文协议（MCP）把能力直接暴露成 LLM 可调用的工具，让自然语言描述承担一部分原本由形式化模型承担的工作。
MCP 是什么：客户端—服务器 + JSON-RPC
MCP 是连接 LLM 与外部资源、提示模板和工具（可执行函数）的开放标准。它采用客户端—服务器架构：MCP 服务器暴露功能接口、元数据和调用机制；MCP 客户端（例如基于 LLM 的智能体）在运行时查询服务器、发现可用操作，并以结构化参数发起调用。通信基于 JSON-RPC 2.0。其关键价值是解耦模型与外部功能——LLM 不需要预先训练工具知识，而是执行时按目标和上下文选择工具。这让它适合动态、模块化的生产环境。
两类服务器：算得出来的，和动得了的
论文按效果把能力分成物理与虚拟两类，对应两种 MCP 服务器。直接 MCP 服务器承载纯虚拟或计算型能力，技能在 MCP 主机本地执行，例如计算、换算、数据分析或决策逻辑；网关 MCP 服务器作为中介，通过 HTTP、OPC UA、ROS 2 等接口调用外部资源上的真实控制逻辑，把物理能力或外部数据包装成工具。调用路径上，用户请求与可用服务器列表一起进入 LLM，模型选定功能后由客户端发起调用；走网关时，调用还会经过外部请求与返回结果的处理。
能力、技能、约束怎么落进代码
在这套架构里，一个能力就是函数声明，其用途、约束和语义用自然语言描述与代码注释说明，代替传统能力模型；能力的属性由函数参数和返回值表达，数据类型、单位、用途写在注释里。约束分两类：属性约束写在函数内部，用断言或前置条件表达，违反时抛出结构化错误供 LLM 解读，例如钻孔直径不超过 50；转移约束是多个能力之间的全局约束，无法由单个能力检查，只能用文字描述，例如“只能在能力 X 之后使用”，由 LLM 在调用时理解。技能是能力的具体实现；状态机与底层控制逻辑保持不变，被替换的是技能接口——由代码级文档和 MCP 元数据取代逐方法、逐参数的显式建模。
实验室验证：四个场景
验证在实验室规模的制造系统上完成：Claude Desktop 作为 MCP 客户端，模型为 Sonnet 4，三个 MCP 工具分别对应主轴转速计算（直接服务器，按材料与钻头直径查表）、钻孔（网关服务器，经 OPC UA 触发真实设备）、移动机器人运输（ROS 2 接口，Neobotix MMO-700）。四个场景覆盖标准流程、不支持的钻头直径、工件位于不同工位、材料名称变体（stainless steel 与 stainless）。结果显示，LLM 能自行推断先算转速再钻孔、先运输再加工，能在报错后向用户澄清或纠正名称重试，全程没有硬编码控制流。
边界与下一步
作者明确这只是一次初步验证，可靠性与鲁棒性仍是开放问题，实验也未考虑真实产线的通信延迟与并发冲突。未来方向包括用规划者、验证者、谈判者等多智能体分工替代单一编排者，以及让 LLM 识别缺失功能、生成新的 MCP 工具代码、注册后再纳入任务计划。对工厂而言，MCP 降低了工具接入门槛，但把安全边界写进函数约束、把跨能力顺序写进描述，仍是不能省的人工工作。
资料来源：Beyond Formal Semantics for Capabilities and Skills: Model Context Protocol in Manufacturing — arXiv（2025）。本文为技术要点整理/编译，非原文全文。