工业智能体落地最常见的三段断裂：设备与业务系统的数据各说各话，手册与维修经验散在硬盘和老师傅脑子里，智能体再聪明也没有手脚去改工单、发告警。研华 iFactory.AI Agent 的产品思路，是把这三段接到同一个本地底座上：OT 数据、IT 系统、非结构化文档三源汇聚，再用 MCP 工具把回答变成动作。
三源接入，数据不出厂
平台支持本地私有化部署，推理、向量检索与知识存储都在厂内 GPU 服务器上完成，也可按需选择本地模型或公网模型。数据侧分三条线：用 IoT Edge 接入实时设备数据，某 PCB 客户据此接入了车间 200 多台 PLC 的振动、电流、温度；用 DataInsight 对接 MES 的工单状态、AOI 检测结果与物料批次；用 KBInsight 扫描上传 500 多份 PDF 设备手册、维修记录与 8D 报告，构建向量知识库。三条线汇成统一知识底座，而不是让智能体在三个系统间手工跳转。
MCP 工具目录：把问答变成执行
平台提供企业级私有 MCP 服务目录，兼容自研与第三方工具，把知识检索、数据分析、设备查询等能力标准化成可即插即用的接口。在上述 PCB 案例里，IT 主管只配了三个工具：知识检索查维修案例、工单创建调内部 EAM 接口、企业微信通知推给责任人，全程图形界面、没写代码。平台还提供零代码或低代码的智能体编排，复杂业务可基于 LangGraph 写逻辑，再由编排 SDK 完成组件集成；官方给出的说法是 20 分钟上线一个数字员工。
一个 PCB 厂的产线小智
智能体的配置很朴素：选一个擅长工业推理的模型，写角色提示词——你是一名资深设备与制程工程师，请根据设备编号或不良现象，结合实时数据和历史知识，给出可能原因与处理建议——再挂两个输入变量，设备编号与异常现象。调试时提问设备 CNC-07 突然停机、报警代码 E102，回答指出该代码通常为主轴过载、近三次类似故障均因冷却液泵堵塞，建议检查泵滤网并查看主轴负载曲线，日志同时显示调用了哪些工具。
上线后暴露的新问题是回答不够标准。团队用标注回复功能直接编辑理想答案并设匹配阈值，命中就跳过模型生成、返回标准操作步骤。按文中数据，这个智能体每天处理 60 多次咨询，设备平均修复时间缩短 40%，品质日报自动生成。
该怎么读这类厂商案例
需要清醒：这是厂商发布的客户案例，效果数字来自单一企业自述，没有第三方评测；预构建智能体与模板能降低门槛，但工艺知识、权限边界、工具幂等仍要企业自己定义。它真正有价值的地方在于架构选择——本地部署守住数据、三源接入补齐上下文、MCP 目录把执行能力标准化，这三点比 20 分钟上线更值得抄。
对准备上智能体的工厂，先问三个问题：数据能不能不出厂、知识库有没有人维护、工具调用失败了谁负责。这三个答案清楚了，平台选型才有意义。