Skip to main content
Glama
deenesjakoruzh
Jithu000000

Nectar AI Facility Agent

by Jithu000000
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

Nectar AI Facility Agent

Nectar Intelligent Facilities Platformチャレンジ向けに構築された、自律型AI施設運用アシスタントです。

このシステムにより、施設オペレーターは音声で自然にやり取りでき、エージェントはリクエストを理解して適切なワークフローにルーティングし、RAGを使用して施設ナレッジを取得し、MCPツールを通じてリアルタイムの施設情報にアクセスし、複数の情報源を考慮して推論し、運用アクションを安全に実行し、音声で応答することができます。

1. 問題

施設オペレーターは問題を調査する際、以下のような複数の情報源を確認する必要があります。

  • 建物の温度

  • HVACアセットの状態

  • センサー読み取り値

  • エネルギー消費量

  • アクティブなアラート

  • 機器の関連性

  • 保守手順

  • トラブルシューティング資料

従来のチャットボットは質問に答えられますが、リアルタイムの施設データと社内ドキュメントを使って運用業務の問題を確実に調査することはできません。

この課題を解決するために、このプロジェクトは次の要素を組み合わせています。

Voice AI + LLM Routing + RAG + MCP + Agentic Reasoning + Tool Calling + Controlled Actions + Text-to-Speech

単純なQ&Aチャットボットではなく、自律型の施設運用アシスタントを提供することが目標です。

2. 目的

このシステムは、以下のために設計されています。

  1. 自然言語または音声入力を受け取る。

  2. 音声をテキストに変換する。

  3. ユーザーの意図を理解する。

  4. リクエストを適切なエージェントワークフローにルーティングする。

  5. 施設ドキュメントから情報を取得する。

  6. MCPツール経由でリアルタイムの施設データを照会する。

  7. 複数の情報を組み合わせる。

  8. 施設の状況について推論する。

  9. 確認後に運用アクションを安全に実行する。

  10. 最終的な応答を音声に戻す。

  11. 対話を続けたまま相互作用を維持する。

  12. 根拠のある回答を提供し、根拠のない不適切な回答を避ける。

3. 高レベルアーキテクチャ

                         USER
                          |
                    Voice / Text
                          |
                          v
                 Speech-to-Text
                          |
                          v
                    FastAPI API
                          |
                          v
                 Agent / LLM Router
                          |
          +---------------+----------------+
          |               |                |
          v               v                v
        RAG             MCP             General
       Agent            Tools             LLM
          |               |
          v               v
   Facility Docs      Live Facility
   Knowledge Base         Data
          |               |
          +-------+-------+
                  |
                  v
            Reasoning Layer
                  |
                  v
          Decision / Response
                  |
          +-------+--------+
          |                |
          v                v
     MCP Action           Answer
          |                |
          v                v
 Maintenance Request    Text-to-Speech
                              |
                              v
                         Voice Response

Technology Stack
Backend
Python
FastAPI
Uvicorn
Agent Orchestration
LangGraph
LLM-based routing
Agentic workflow
LLM
Google Gemini
RAG
LangChain
ChromaDB
HuggingFace Embeddings
Semantic retrieval
MCP
Model Context Protocol
MCP Server
MCP Client
Facility operation tools
Voice
SpeechRecognition
Browser Speech Recognition / Speech-to-Text
Browser Text-to-Speech
Frontend
HTML
CSS
JavaScript
Testing
Pytest

Conclusion

The Nectar AI Facility Agent demonstrates an autonomous AI workflow for intelligent facility operations.

The system combines:

Speech-to-Text
Text-to-Speech
LLM reasoning
Intelligent routing
RAG
Vector search
MCP
Tool calling
Synthetic facility data
Multi-step reasoning
Controlled operational actions
Confirmation-based safety
Automated testing

Conclusion

The Nectar AI Facility Agent demonstrates an autonomous AI workflow for intelligent facility operations.

The system combines:

Speech-to-Text
Text-to-Speech
LLM reasoning
Intelligent routing
RAG
Vector search
MCP
Tool calling
Synthetic facility data
Multi-step reasoning
Controlled operational actions
Confirmation-based safety
Automated testing

Conclusion

The Nectar AI Facility Agent demonstrates an autonomous AI workflow for intelligent facility operations.

The system combines:

Speech-to-Text
Text-to-Speech
LLM reasoning
Intelligent routing
RAG
Vector search
MCP
Tool calling
Synthetic facility data
Multi-step reasoning
Controlled operational actions
Confirmation-based safety
Automated testing

The key objective is to demonstrate how an AI agent can move beyond simple question answering and autonomously investigate facility problems using both organizational knowledge and live operational data while maintaining safety around operational actions.

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • cpp-espace-mcp

    norm613
    F
    license
    A
    quality
    C
    maintenance
    MCP server for accessing the eSpace facilities management API, enabling work orders, events, equipment, and maintenance schedule operations from within Claude conversations.
    31
    -

  • MCP PLC Core

    Maxkrempl
    A
    license
    B
    quality
    C
    maintenance
    Universal MCP server for industrial PLC communication, enabling AI agents to read sensors, alarms, status, setpoints, and write setpoints via adapters for Modbus, S7, or custom PLCs.
    6
    MIT