10 月 1 日提交的论文 LLM-Driven Multi-Agent Control for Skill-Based Smart Manufacturing（arXiv 2610.01364）把智能体从「写代码、答问题」拉进了真实车间的控制模块：它让每个工厂模块配一个 LLM 智能体，并用 MCP 工具服务器把模块技能经 OPC UA 暴露出来、用 MQTT 做智能体间协调，在仿真里验证了一套可复现的产线多智能体基座。
背景：小批量、高定制的产线，正在逼工厂重写自动化
制造业正在从大批量走向小批量、高定制，产线频繁重编程。传统办法靠工程师手写确定性序列，成本高、响应慢。论文把 LLM agent 放进两种互补角色：离线时，生成确定性生产序列，降低编程负担；在线时，操作真实机器、处理静态程序预料不到的运行时故障。这种「离线写工序、在线接管机器」的分工，正是智能体进工厂最现实的入口。
做法：模块即 agent，技能走标准协议
具体架构里，每个工厂模块配一个专属 LLM agent，旁边挂一个 MCP 工具服务器，把该模块的技能以 OPC UA 方法调用的形式暴露出来；agent 之间用 MQTT 协调，并由实时工厂状态更新来 grounding。这样，一个传送带的卡顿、一台机械臂的状态，都能变成 agent 可读、可调的技能。论文比较了三种编排架构——编排式、对等式、单体式——在物理六模块六边形工厂的九类递增难度生产挑战里做仿真，其中还包含静默硬件故障检测。
实测：单体与对等都到 93，编排式能绕开静默故障
结果里，单体式与对等式都拿到最高平均解决率 93；编排式虽然在平均上略低，却在一个细节上独一份——十次运行里全部自主把 plates 绕开被堵的传送带段。更耐人寻味的是，三种架构都出现了「涌现式故障诊断」：没有任何显式故障处理逻辑，agent 却自己诊断并应对。论文的结论是，标准化的 MCP 工具、MQTT 协调与实时状态注入，足以构成一套可复现、可推广的 LLM 编程智能制造基座。
为什么值得写：智能体进车间，先验证韧性
把这篇和具身与多机器人协作的研究对照，它的增量在于把「工厂模块即 agent」这件事落到可复现的工程基座上：不是又一个 demo，而是用 OPC UA 与 MQTT 这类工业标准把 agent 接进真实设备语义。对想让智能体进产线的人，它的启发是：别急着上大模型，先把模块的技能标准化成可被 agent 调用的工具，让协调与状态注入先跑通，韧性（故障能自绕开）才可能长出来。
边界：仿真里的 93，不等于车间里的 93
需要清醒标注的是，验证发生在仿真环境，故障是受控注入，不等于真实车间里那些非结构化、长链路、带人工审批与物料波动的工况。把 PLC 抖动、物料缺件、换型停机都算进来，工程细节会复杂得多。对选型方更实在的建议，是把这套架构当作「模块即 agent」方向的参考实现，先在小规模仿真里验证韧性与协调，再谈上真实产线；尤其要评估 OPC UA 接入的改造成本与实时状态的质量。
结语
这篇论文给智能制造的提示，不在于又用 LLM 写了一套工序，而在于它把工厂模块、标准协议与智能体协调拧成一套可复现基座。当产线越来越小批量、高定制，谁能把机器技能稳稳交到 agent 手里，谁就可能先吃到智能体进车间的早期红利——只是这波红利，得先在仿真与试点里把韧性证出来。