大语言模型驱动的多智能体控制，用于基于技能的智能制造

工厂正在转向较小批量和高度产品定制化，需要对灵活且可重新配置的自动化系统进行频繁的重新编程。基于LLM的Agent可以部署为两个互补的角色：离线，它们生成确定性的生产序列，减少编程工作；在网上，他们操作实时机器并处理静态程序无法预见的不可预见的运行时故障。我们提出了一种解决方案，其中每个工厂模块都与一个专用的基于 LLM 的Agent和一个 MCP 工具服务器配对，该服务器通过 OPC UA 方法调用公开模块的技能，Agent通过 MQTT 进行协调并以工厂状态的实时更新为基础。我们比较了三种Agent架构（协调器、点对点和整体），以应对物理六模块六边形工厂模拟中复杂性不断增加的九个生产挑战，包括静默硬件故障检测。整体架构和点对点架构均实现了最高的平均解决率 (93\%)，而协调器通过在阻塞段周围自动重新路由板，独特地解决了所有十次运行中的无声传送带故障。所有架构都表现出紧急故障诊断行为，无需任何显式故障处理逻辑，建立标准化 MCP 工具、基于 MQTT 的Agent间通信和实时状态注入，作为 LLM 编程智能制造的可行且可重复的基础。