工厂准备引入Agent时，最容易被低估的工作，是让它真正接触现场已有的系统。
很多企业已经积累了MES、SCADA、Historian、设备管理平台、质量系统和大量专用软件。它们可以稳定运行，也保存着重要数据，却是在生成式AI出现前建设的。接口可能只有厂商私有协议，也可能只是数据库视图、定时导出的文件，甚至依靠操作员在客户端里逐项查询。
Agent若只停留在聊天窗口里，可以回答制度、手册和知识库问题。一旦要调查一次停机、核对某批产品的质量记录，或者判断一项维护工作能否执行，它就必须进入这些遗留系统。工业Agent落地的“第一公里”，正是把现场系统转换成模型能够理解、权限能够约束、责任能够追踪的工具。
一、先把“接得上”拆成四个具体问题
2026年9月16日，Velotic公布ThingWorx 10.2的新能力，包括ThingWorx AI Assistant、ThingWorx MCP Server以及AI & Agent Services。其中一个值得制造企业关注的方向，是为原本没有AI接口的Legacy System建立MCP Server，让Agent访问系统中的操作数据和上下文。
这条路线贴近工厂的实际条件。生产企业很难为了使用Agent，把多年运行的设备和软件整体更换一遍。更可行的做法，是保留现有系统，在上面增加一层受控接口。
不过，有接口不等于可以直接交给Agent。工程团队至少要回答四个问题：Agent能看到哪些对象，能调用哪些动作，调用时需要满足什么条件，执行后如何留下证据。
例如，“查询设备状态”看起来很简单。真正落到现场，需要明确设备编号来自哪套主数据，状态读取自PLC、SCADA还是设备平台，时间戳使用现场时间还是服务器时间，断线时返回“未知”还是沿用最后一次读数。只要其中一项含糊，模型就可能把过期数据当作当前状态。
“下发参数”更加敏感。接口必须知道参数允许范围、当前配方、产品批次、设备模式、操作者权限以及变更审批结果。工业接口的价值不在于给Agent开一扇门，而在于把门、门锁、通行规则和监控记录一起装好。
二、不要把数据库表直接暴露成Agent工具
一些试点会从最快的方法开始：把数据库查询能力交给模型，让它自动生成SQL。这个方法适合验证问答能力，进入生产环境后会暴露很多问题。
数据库中的字段通常只对原系统开发者有意义。同一个“状态”可能由多个字段组合判断；某些值为空并不代表没有数据，而是设备处于特殊模式；有些表是实时表，有些是延迟同步的报表表。模型即使写出了语法正确的SQL，也未必读懂了现场含义。
更稳妥的方式，是围绕业务对象和工作任务封装工具。例如，不提供“查询任意表”，而是提供“获取设备当前运行状态”“查询指定时间段停机事件”“取得工单对应的设备、物料和工艺版本”。每个工具都定义输入、输出、数据来源、刷新时间和异常状态。
工具名也要让业务人员看得懂。get_machine_status背后可以连接多个系统，但返回结果应当统一：设备身份、生产模式、运行状态、状态开始时间、数据质量、来源系统和最后更新时间。Agent得到的不只是一串数值，还知道这些数值是否足以支撑判断。
这一层封装会增加前期工作，却能显著降低后续维护成本。底层系统升级、更换字段或调整连接方式时，Agent侧的工具契约可以保持稳定。现场系统继续按照自己的节奏演进，Agent不必跟着每一次数据库变化重新学习。
三、工业语义要在接口层里固化
模型擅长理解自然语言，却不会天然知道一个Tag属于哪台设备，也不知道这台设备位于哪条产线、影响哪个工序。
ThingWorx这类工业平台的作用，很大一部分就在于保存设备模型、连接关系和应用上下文。把这些信息转换成Agent可使用的接口，比单纯开放实时数据更重要。
以“为什么3号线速度下降”为例，Agent需要沿着多层关系调查：3号线包含哪些工位，瓶颈工位是哪一个，该工位的设备最近是否报警，当前产品使用哪版工艺，前后工序是否有积压，维护工单是否尚未关闭。任何一个关系缺失，回答都可能停留在表面。
因此，接口改造应先整理最小工业语义集：资产层级、设备与工位关系、Tag与物理量的对应、产品和工艺版本、报警代码、人员与班组、工单与设备、质量批次与生产批次。没有必要一开始就建立覆盖全厂的宏大知识图谱，可以围绕首批高价值任务，把相关对象连接完整。
语义还要包含单位和边界。温度是摄氏度还是华氏度，压力是表压还是绝压，产量按班次还是自然日统计，停机是否包含计划换型，都应由接口明确返回。让Agent自行猜测这些背景，迟早会在一个看似普通的问题上出错。
四、读取、建议和执行要分成不同等级
遗留系统改造常见的误区，是把“Agent接入”理解为“Agent可以操作”。实际上，读取和执行之间还有很长的治理距离。
第一阶段适合开放只读工具。Agent可以汇总设备状态、检索报警、关联工单、形成调查报告。即使判断有误，也不会直接改变生产过程。团队可以借此验证数据质量、工具稳定性和回答的可追溯性。
第二阶段可以允许Agent生成建议或草案。例如生成维修工单草稿、给出参数调整建议、列出需要审批的变更项。人确认后，由原系统完成提交。这时Agent已经节省了大量查询和录入时间，同时保留人工判断。
第三阶段再开放有限执行。适合选择后果清晰、可快速撤销、规则成熟的动作，比如补充工单字段、更新任务状态、按批准模板发送通知。涉及设备启停、配方修改、安全联锁和控制参数的动作，需要更严格的许可条件，很多场景仍应保留人工审批。
接口可以直接表达这种分级。查询类工具默认可用；建议类工具必须标注依据；执行类工具要求传入审批编号、目标资产、变更窗口和操作者身份。高风险工具还应进行二次确认，并把预期影响展示给审批人。
如此设计后，权限边界不依赖模型“记住规定”。即使Agent理解偏差，接口层也会拒绝越权动作。
五、给每个动作装上前置条件和护栏
工业现场存在大量隐含条件。操作员知道设备运行时不能改某项参数，维护人员知道检修窗口之外不能重启服务，熟练工程师也知道某个旧系统的“成功”提示只代表请求已接收。Agent不会自动继承这些经验。
工程团队需要把隐含条件变成机器可检查的规则。
一个参数修改工具至少可以检查：设备是否处于允许模式，目标值是否在工程范围内，变化幅度是否超过单次限制，当前配方是否允许修改，审批是否有效，是否位于批准的时间窗口，相关联锁和保护是否正常。任一条件不满足，就返回具体原因，并且不执行动作。
工具返回值也不能只有“成功”或“失败”。执行结果应包含请求编号、目标对象、修改前后值、实际生效时间、底层系统确认状态和验证方式。如果底层系统只接受了请求，还没有确认现场生效，状态就应写成“待验证”。
对于老旧系统，幂等处理尤其重要。网络超时后，Agent可能重试。接口需要判断同一请求是否已经执行，避免重复创建工单、重复写入参数或连续发送控制指令。可以为每次动作生成唯一请求ID，并在适配层保存执行状态。
六、适配遗留系统时，优先选择低侵入方案
老系统往往缺少现代API，但并非只能重新开发。可用的接入方式包括厂商已有接口、OPC UA或工业协议、消息队列、数据库只读视图、文件交换、现有中间件和经过控制的自动化适配器。
选择方式时，首先看稳定性和责任边界。厂商支持的接口通常优先级最高，因为升级兼容和故障处理更明确。数据库直连虽然快，但要限制为专用账号、固定视图和最小权限。依赖界面操作的自动化可以作为过渡方案，必须考虑界面变化、弹窗、超时和误点击，且不适合直接承担高风险控制。
适配层还需要处理旧系统常见的“非标准正常”：返回码不一致、字符编码特殊、时间格式混乱、数据延迟、连接数有限、夜间批处理期间性能下降。把这些差异藏在工具内部，向Agent输出稳定契约，才能避免上层提示词越来越复杂。
不要同时改造全厂所有系统。可以先选一条产线、一个设备族和两三个具体任务。比如“停机原因调查”“维修工单信息补全”“班次生产摘要”。这些任务需要跨系统信息，却不直接控制设备，适合检验接口层能否提供完整上下文。
七、审计记录要能还原Agent当时看到了什么
传统系统通常记录谁在何时做了什么。Agent介入后，审计还要增加一层：它基于哪些数据和规则作出决定。
一次完整记录至少包括用户请求、Agent身份、调用的工具及版本、输入参数、关键返回结果、审批信息、最终动作和执行状态。涉及模型生成的建议时，还应保留引用的数据时间和来源。这样才能在发生争议时判断，是源数据错误、接口映射错误、规则遗漏，还是Agent推理出现偏差。
日志不应泄露不必要的敏感信息。可以保存数据引用、摘要或哈希，并按照业务要求设置保留期限。对于控制相关操作，日志应进入企业现有的审计或安全体系，避免只留在Agent平台自己的控制台里。
回退机制同样要提前设计。能够撤销的动作，要明确反向操作和恢复条件；无法自动撤销的动作，要准备人工处置流程。接口发布也要有版本管理，新版本先在影子模式中运行，只生成拟执行结果，与人工操作对比后再逐步放量。
八、用任务成功率评价接口，不要只看调用是否通了
接口改造完成后，最容易展示的指标是连接了多少系统、发布了多少工具、调用成功率是多少。这些数字只能说明基础设施可以运行。
更有意义的指标来自任务本身：调查一次停机需要多长时间，信息是否完整，人工还要补查多少字段，建议被接受的比例是多少，错误调用被护栏拦截了多少次，执行后是否能够形成完整审计证据。
还应持续统计“未知”和“无法判断”。如果Agent经常因为资产映射缺失、时间戳过期或工单没有关联设备而停止，团队由此得到的其实是一份数据与接口债务清单。它可以反过来指导主数据治理和系统改造。
ThingWorx 10.2展示的意义，在于工业平台开始把既有连接、工业模型和Agent工具放到同一个工程框架中。对制造企业来说，真正可借鉴的并非某个协议名称，而是这条实施顺序：从具体任务出发，整理工业语义，封装稳定工具，划分权限等级，增加审批与护栏，再用审计和回退保证系统可控。
工厂里的老系统不会因为Agent出现就迅速消失。未来相当长一段时间，工业智能的主要工作仍是在新能力与旧基础设施之间搭桥。桥修得是否扎实，决定了Agent能够走多远，也决定了企业敢不敢让它靠近真实生产。