Manufacturing MCP

制造设备数据探索与故障风险分析的 MCP（Model Context Protocol）基于 AI Agent 项目。

数据集

本项目使用 AI4I 2020 Predictive Maintenance Dataset。这是模拟真实工业现场预测性维护数据而生成的合成数据集，由 10,000 条设备运行观测值和 14 列组成。没有缺失值。

每条观测值中包含 产品等级、空气温度和工艺温度、转速、扭矩、刀具磨损时间等，同时记录了 设备是否故障 及 故障类型。因此可用于以下预测性维护场景：

• 设备状态监控（Monitoring）

• 故障风险分类（Classification）

• 异常条件检测（Anomaly Detection）

主要列

各列的含义和单位请参见 数据集列文档。

数据样本

以下是原始 CSV 的前 3 条观测值。

Related MCP server: Sparkplug MCP Server

开发环境配置

本项目使用 Python 3.12 或更高版本。在 WSL Ubuntu 24.04 的项目根目录下激活虚拟环境并安装开发依赖。

source mcp/bin/activate
python -m pip install --upgrade pip
python -m pip install -e ".[dev]"

参考 .env.example 编写本地 .env 文件。包含实际 API Key 的 .env 不会纳入 Git。

cp -n .env.example .env
chmod 600 .env

代码变更后运行测试、lint 和格式检查。

pytest
ruff check .
ruff format --check .

当前 Python 包位于 src/manufacturing_mcp，测试位于 tests。应用程序配置通过 src/manufacturing_mcp/config.py 从环境变量和 .env 文件中加载。

运行 PostgreSQL

使用 Docker Compose 在后台运行 PostgreSQL 容器。

docker compose up -d postgres
docker compose ps

如果 postgres 服务的状态为 healthy，则代表正常。若需直接访问 PostgreSQL，请使用以下命令。

docker compose exec postgres sh -c 'psql -U "$POSTGRES_USER" -d "$POSTGRES_DB"'

连接结束后请输入 \q 退出。停止容器时，请使用以下命令。

docker compose down

PostgreSQL 数据保存在 postgres_data Docker 卷中，因此即使停止或重新创建容器，数据也会被保留。

来源与版权

• 项目代码：Copyright © 2026 Johyeongseob。基于 MIT License 发布。

• 数据集：AI4I 2023200 Predictive Maintenance Dataset（2020），UCI Machine Learning Repostory，https://doi.org/10.24432/C5HS5C

• 相关论文：Stephan Matzka, “TUMMka,” *always, Explainable Artificial Intelligence for Maintenance Applications,” 2020 Third International Conference on Artificial Intelligence for Industries (AI4I), pp. 69–74, https://doi.org/10.1109/AI4I49448.2020.00023

• 数据集许可证：Creative Commons Attribution 4.0 International (CC BY 4.0). 允许对数据集进行分享和修改，但使用时须注明原作者与来源。