Physical AI 工具
Physical AI 工作流组合数字孪生场景上下文、SimReady asset 包、运营约束和工程审阅记录。AI 工具面帮助 Agent 和产品工作流准备布局、导入 CAD 和平面图、运行仿真、比较 what-if 场景、训练代理模型，并把结果打包给下游运行时。
工具层
| 层 | 主要用户 | 访问边界 | 输出类型 |
|---|---|---|---|
/mcp/base/ MCP 工具 | Agent 客户端、copilot、工作流编排器 | base.read、base.compute.run 和选择性 base.action.write scope | 场景上下文、源数据、仿真摘要、优化结果、报告、审阅记录 |
/ai/layout/* AI Engine endpoint | 布局优化器、工程研究、规划工作流 | 产品服务认证和布局权限 | 优化布局、评估 KPI、校验错误、敏感性结果、建议 |
/ai/cad/* 与 /api/v1/model-assets/* | CAD、BIM、模型资产接入工作流 | 产品服务认证和资产权限 | 导入几何、布局记录、模型资产版本、组件几何、twin 绑定 |
/ai/des/*、/ai/whatif/*、/ai/sim/* 和分析引擎 | 仿真和场景工作流 | 产品服务认证和仿真权限 | DES 运行、what-if 比较、EnergyPlus 方向仿真、Monte Carlo、系统动力学、进化优化、代理模型输出 |
| SimRunner | 工程自动化和批量场景执行 | 项目运行时凭据和场景访问 | .digrec、语义场景 JSON、运行日志、场景包 artifact |
MCP endpoint 和 scope
| Endpoint | Scope | 用途 |
|---|---|---|
/mcp/base/ | base.read | 读取场景记录、文档、连接器状态、数据质量、设备状态和支撑证据。 |
/mcp/base/ | base.compute.run | 运行已批准的仿真、优化、空间分析、预测、报告生成和模型工作流。 |
/mcp/base/ | base.action.write | 当场景审阅需要运营跟进时，存储已批准的工单或动作记录。 |
大多数 Physical AI Agent 工作流从 base.read 和 base.compute.run 开始。只有审阅输出需要形成运营记录时才增加写入 scope。
MCP 工具地图
场景和源数据接入
| 工具 | 主要用途 |
|---|---|
import_dxf | 导入 DXF 平面图并识别墙、门、窗和围栏。 |
import_data | 导入外部 REST 或 CSV 记录作为分析输入。 |
list_connectors | 列出源连接器和同步状态。 |
check_data_quality | 审阅完整性、准确性、一致性、及时性和违规项。 |
troubleshoot_connector | 诊断连接器错误和同步日志。 |
get_equipment_documents | 检索手册、图纸、SOP 和维护记录。 |
search_documents | 按关键词、类型或关联实体搜索 ECM 文档。 |
query_knowledge | 查询设备、故障模式、维修动作、规则和计划。 |
仿真和场景分析
| 工具 | 主要用途 |
|---|---|
run_des | 运行流程或队列的离散事件仿真。 |
run_dag_simulation | 运行带路径、条件和 Sankey 风格流向输出的 DES。 |
run_abm | 运行基于 Agent 的人群仿真。 |
run_simulation | 运行注册模块仿真，例如交通、供热或设备生命周期场景。 |
cascade_simulation | 跨 DES、ABM 和 Monte Carlo 串联仿真引擎。 |
run_montecarlo | 运行随机风险或压力测试。 |
run_system_dynamics | 运行长期行为的 stock-and-flow 仿真。 |
run_doe | 运行实验设计和因素显著性分析。 |
simulate_logistics | 在设施布局上仿真 AGV 或叉车物流。 |
优化和模型加速
| 工具 | 主要用途 |
|---|---|
optimize_layout | 使用多目标搜索和 DES 评估优化设施布局。 |
run_optimization | 查找多目标优化参数组合。 |
optimize_evolutionary | 执行进化多目标优化。 |
optimize_bayesian | 用贝叶斯优化调优黑盒函数。 |
optimize_milp | 求解混合整数线性规划问题。 |
train_surrogate | 从仿真或测量数据训练快速代理模型。 |
predict_surrogate | 使用已训练代理模型进行推理。 |
detect_drift | 检测数据或概念漂移。 |
estimate_causal_effect | 估计处理效应。 |
find_optimal_policy | 使用因果推断寻找策略。 |
AI Engine 工具地图
| Endpoint 组 | 目的 | 需要准备的输入 | 需要审阅的输出 |
|---|---|---|---|
/ai/layout/optimize, /ai/layout/evaluate, /ai/layout/validate | 优化、评估并校验布局。 | 基线布局、可移动元素、约束、目标权重、运行设置。 | 候选布局、KPI、约束说明、修复清单。 |
/ai/layout/analyze-space, /ai/layout/sensitivity, /ai/layout/compare | 分析空间、敏感性和候选对比。 | 楼层、区域、资产、KPI 定义、因素范围。 | 利用率、因素排序、对比摘要。 |
/ai/cad/import, /ai/cad/import-dxf, /ai/cad/import-json | 导入 CAD、DXF 或 JSON 布局。 | 源文件、单位、坐标假设、图层映射、租户上下文。 | 导入布局、识别实体、警告、保存记录。 |
/ai/des/run, /ai/des/batch-run, /ai/des/runs/{run_id} | 运行并读取 DES 场景。 | 场景类型、实体、资源、路线、服务时间、运行设置。 | 吞吐、等待时间、瓶颈、利用率、导出结果。 |
/ai/sim/extract-kpis, /ai/sim/build-idf, /ai/sim/run | 准备并运行 EnergyPlus 方向建筑仿真。 | 几何、分区、材料、时程、天气、能源假设。 | KPI schema、IDF payload、运行状态、仿真输出。 |
/ai/whatif/run, /ai/whatif/engines, /ai/whatif/batch | 运行同步或异步 what-if 比较。 | 基线、变更参数、引擎选择、批量设置。 | 场景比较、job 状态、输出指标。 |
/ai/surrogate/train, /ai/surrogate/predict | 训练并使用代理模型。 | 采样仿真运行、输入特征、目标 KPI、候选输入。 | 模型 ID、训练指标、预测 KPI、置信指标。 |
推荐工具序列
| 场景 | 推荐路径 |
|---|---|
| SimReady asset 包 | CAD/DXF 导入 -> 数据质量检查 -> 文档和约束检索 -> 布局校验 -> 场景与假设报告 |
| 布局和工艺研究 | /ai/layout/validate -> /ai/layout/evaluate -> /ai/layout/optimize -> /ai/layout/compare |
| What-if 和不确定性审阅 | run_des -> /ai/whatif/run -> run_montecarlo -> generate_report |
| 代理模型辅助迭代 | 原始仿真样本 -> /ai/surrogate/train -> /ai/surrogate/predict -> 高价值场景回到原仿真引擎 |
| 运行时交接 | 场景和模型资产 ID -> SimReady asset 审阅 -> SimRunner 或目标 adapter -> 语义场景 JSON 与验证说明 |
数据要求
- 租户、场景、模型资产、模型资产版本和组件几何 ID；
- 源文件引用、checksum、格式、坐标系统、单位、原点、楼层和区域引用；
- 语义标签、材料提示、碰撞假设、关节、约束、运动范围和安全区；
- 工艺路线、任务序列、服务时间、需求 profile、运行限制和异常规则；
- 通过 DFS 准备的传感器、巡检、工单、生产、表计或现场观察记录；
- 仿真引擎、运行时 adapter、版本、随机种子、运行时长、timestep 和变更参数；
- KPI、
.digrec、语义场景 JSON、渲染输出和审阅说明。
输出审阅清单
- 场景、模型资产、模型资产版本和组件几何引用可见。
- 坐标系统、单位、比例和楼层或区域映射清楚。
- 运行时、引擎、版本、运行时长、随机种子和变更参数已记录。
- 仿真假设、简化点和缺失物理参数可见。
- 布局输出包含约束状态和基线比较。
- 代理模型输出包含模型 ID、特征 schema、训练数据集和验证指标。
- 机器人训练或外部运行时输出在复用前由工程负责人审阅。