工厂里的 LLM 不缺推理能力，缺的是“知道自己在哪、面对哪台设备、数据是什么时候的”。微软的 OPC UA 参考解决方案给出了一条路径：先把 OPC UA 遥测按 ISA-95 资产层级规范化，再通过 i3X API 暴露，最后用 MCP 把只读工具交给智能体。
为什么智能体需要信息模型
原始模型被问到“3 号工作单元现在能耗多少”时只能猜，而工厂现场不接受猜测。参考架构的做法是给智能体工具，而不是让它背事实：ISA-95 资产层级（企业—站点—区域—产线—单元—资产）提供可浏览的工厂地图；OPC UA 信息模型说明存在哪些资产类型、各自测量什么；实时值与历史趋势提供带质量戳和时间戳的真实数字。当智能体基于工具结果回答时，可以引用具体资产、数值和时间，便于审计与建立信任。
架构：智能体永远不直接碰数据库
链路是：用户通过对话或应用向智能体运行时提问，运行时经 MCP 连接 Plant Copilot 服务器，再经 i3X 访问 I3X4Kusto，最终用 KQL 查询 Azure Data Explorer 或 Fabric eventhouse。Plant Copilot 是 i3X API 之上的一层薄薄的只读封装，把工厂数据组织成一组描述良好的工具，以 Docker 镜像打包、作为 Azure 容器应用部署，通过 MCP Streamable HTTP 在 HTTPS 的 /mcp 端点提供服务。智能体只能看到经过策展的只读工具，认证与 ISA-95 数据结构由 i3X 层强制执行。
这些工具能回答什么
仅凭这组工具，智能体就能回答“3 号工作单元当前能耗是多少”“慕尼黑产线上个班次的吞吐趋势如何”“哪些资产是测试站、哪些当前压力偏高”“列出工厂的站点与产线”等问题。架构把智能体运行时与数据层隔开：模型负责理解问题与组织回答，工具负责取数与校验，二者通过 MCP 的标准化接口衔接，换一个智能体宿主也不必重做数据接入。
从问答到行动，先守住治理边界
若要把智能体发布到 Microsoft 365 Copilot，需要注册 MCP 工具、创建智能体并发布。租户层面的 DLP 数据策略、连接器端点过滤、Entra ID 的 AUTH_AUTHORITY 与 AUTH_AUDIENCE、管理员审批都必须先配置好。文档明确提醒：Basic 认证只适合演示，生产环境应使用 OAuth 2.0 或托管身份；智能体的指令应要求“只依据工具结果回答，并引用资产 ID、数值和时间戳，不得编造数据”。
只读是起点，不是终点
参考方案的价值在于把“可执行智能体”拆成可治理的台阶：先只读问答，再逐步开放动作。文章称其为一条通往“能采取行动”的安全路径，但并未给出写操作的实现细节。对制造企业来说，这种分层比一步到位更现实——先把资产模型、时间序列与权限边界理顺，智能体才有可靠的落脚点；反过来，跳过信息模型直接让模型“看着办”，在车间里通常走不远。
资料来源：Agentic AI for the OPC UA Reference Solution — Microsoft Learn（Azure Architecture Center）。本文为技术要点整理/编译，非原文全文。