AssetOpsBench 工业运维智能体基准
用 MCP 将工业资产数据、预测模型与维护流程连接为可评测的智能体工作流。
- Star 数
- ★ 2.4k
- 最近更新
- 27 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 54/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 高 · 需要较重的基础设施
- 开始前需要
- 典型场景
- 维护工程师需要查询 MAIN 站点内的资产或某台 Chiller 已安装、已测量的传感器时，可通过 IoT MCP 服务组织查询。
- 不适合
- 只想开箱即用、不愿配置MCP服务器与多服务环境的用户
- 面向通用商业或消费场景的开发者，本项目仅限工业资产运维
- 源码审查
- 54/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
AssetOpsBench 是面向工业资产运行与维护的开源框架和基准，用于构建、编排及评估领域智能体。项目提供 IoT、FMSR、TSFM、工单和振动等 MCP 服务，以及覆盖多步骤工业工作流的可复现场景和评估管线。README 标示其覆盖 9 类资产、141+ 个场景、5 个领域智能体与两种编排框架。可选框架包括可配合任意 LLM 的 Plan Execute、带子智能体与虚拟文件系统的 Deep Agent，以及分别面向 Claude 和 OpenAI 模型的 ReAct 编排器。它的交付边界是本地 Python 包和 MCP 服务器；README 也链接了 Hugging Face 数据集、交互式 Playground 与 Colab 示例。
系统通过 MCP 调用工业数据与分析能力：IoT 服务可调用 sites、asset_ids、asset_detail、assets、find_assets_by_sensors、installed_sensors 和 measured_sensors；FMSR 提供 get_failure_modes、generate_failure_modes、add_failure_modes；TSFM 提供任务、时序画像、模型/特征检索、配方运行、评估及运行结果查询能力。TSFM MCP 接口包含 41 个工具，涵盖模型卡、特征卡、配方执行、评估与结果/运行记录检索。Plan Execute 按计划顺序执行工作流；Deep Agent 支持规划、子智能体和虚拟文件系统；Claude Agent 与 OpenAI Agent 采用 ReAct 和“智能体作为工具”的委派方式。示例任务包括列出 MAIN 站点资产、查询泵的失效模式、为 Chiller 6 查找预测模型并检查其可加载性，以及为异常检测生成工单。
- 维护工程师需要查询 MAIN 站点内的资产或某台 Chiller 已安装、已测量的传感器时，可通过 IoT MCP 服务组织查询。
- 可靠性工程师要为泵类设备核查既有失效模式，或生成并添加失效模式记录时，可使用 FMSR 服务。
- 数据科学家要为 Chiller 6 寻找预测模型、分析时间序列质量和特征，并运行配方及评估时，可使用 TSFM 服务。
- 设施运维人员在检测到 Chiller 6 异常后需要生成后续工单时，可将工单领域能力纳入工作流。
- 研究人员需要比较大语言模型在工业多步骤任务中的轨迹表现时，可使用项目的场景、评估管线与六维评分描述。
如何安装或部署这个 Agent？
README 支持的安装方式为：
git clone https://github.com/IBM/AssetOpsBench.git
cd AssetOpsBench
pip install -e .这要求本机具备可运行 python 与 pip 的 Python 环境。README 指向 INSTRUCTIONS.md 作为 MCP 服务器和 plan-execute runner 的完整配置说明；所给材料未列出模型 API 凭证、环境变量或各 MCP 服务的具体启动参数。
如何使用这个 Agent？
README 给出的场景命令为：
python -m assetopsbench.run --scenario "List all sensors of Chiller 6 in MAIN site"但该命令在 README 中标为“to be enabled”，因此不能把它视为已确认可用的首个本地运行命令。可审计的替代入口是 README 所链接的 Colab（LLM Agent 示例）和 Hugging Face Playground；本地 MCP 配置与实际 plan-execute 运行步骤需依照 INSTRUCTIONS.md，而所给材料未包含其内容。
这个 Agent 有哪些优点和局限？
- 将 IoT、失效模式、时序模型/特征、工单和振动分析暴露为 MCP 能力，适合跨系统的工业运维任务。
- TSFM 服务明确提供从时间序列画像、模型发现到配方运行与评估、结果追溯的完整接口面，并列出 41 个工具。
- 同时提供 Plan Execute、Deep Agent、Claude Agent 和 OpenAI Agent，覆盖顺序执行、长程任务与 agent-as-tool 委派等不同执行模式。
- 提供可复现场景和评估管线，并说明以 6 个维度评估推理、执行和数据处理。
- README 的本地场景命令标注为“to be enabled”，首个可验证的命令行运行路径尚不完整。
- MCP 服务启动、模型 API 凭证、环境变量和具体依赖版本需查看未随材料提供的
INSTRUCTIONS.md，增加落地前的验证工作。 - 项目聚焦工业资产运维和模拟工业环境；对通用办公、客服或非工业领域并无已给出的适配证据。
- 部分编排器明确依赖 Claude 或 OpenAI 模型，采用这些路径时会引入相应模型提供方依赖。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AssetOpsBench 工业运维智能体基准 当前 | 54 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 2.4k | 27 天前 | Python | OpenAI API · Claude API |
| Keinsaas Navigator | 72 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 1.2k | 2 天前 | TypeScript | OpenAI API · Claude API |
| Nuphus 桌面自动化 MCP | 64 · 存在缺口 | MCP 服务器免费 + 模型费 | ★ 333 | 今天 | Rust | Claude.ai · OpenAI API · Claude API |
| Safari MCP | 63 · 存在缺口 | MCP 服务器免费 | ★ 239 | 5 天前 | JavaScript | Claude Code · Claude.ai |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
代码展示了按领域拆分的 MCP 工具、IoT 只读说明、CouchDB 凭据由环境变量读取及数据库错误清理；但未见统一最小权限策略，WO 明确含写操作，Claude runner 测试默认 bypassPermissions，且未展示写操作确认、恢复机制、敏感数据策略或完整数据流说明，因此这些方面扣分。FMSR 将来源标注为 curated/LLM 的类型和 secret-scan 工作流提供有限出处线索，但不足以证明所有数据与生成内容均可追溯。
代码与 README 对多个服务器、工具及写接口大体一致；README 快速开始却标注场景命令“to be enabled”，与整体可运行框架描述存在落差，且代码片段不足以验证所有接口。Pyproject 列出依赖和版本下限，并固定 LiteLLM、约束两项依赖；仍有大量宽泛版本范围，不能据此确认可用性或安全性。IoT/FMSR/TSFM 返回具体错误或降级结果，但并非所有错误路径均一致。
README 明确面向维护工程师、可靠性专家、设施规划者和研究人员，涵盖多资产类别、单域及多步任务，并列出多个 Agent 框架。工具说明区分只读证据、模型运行与工单写操作，且部分输入约束和适用任务清楚；但跨 Agent 的边界、授权触发条件与现场/生产环境适配要求并未完整说明，因此未给满分。
README、MCP 文档链接、安装说明、任务示例、限制说明及 Apache-2.0 LICENSE 提供较好的入口；代码具有稳定的服务器和脚本名称。扣分原因是快速开始仍含“to be enabled”，展示材料中没有 changelog 或明确维护责任/更新承诺，且文档内容与源代码只在有限样本中互相印证。
多领域 MCP 工具、场景基准、结构化结果、计划执行和多 Agent 编排为工业运维任务提供了明确增量价值。输出包含模型化结果和错误信息，通常便于继续处理；但完整结果呈现、操作成本、模型/数据服务费用及收益衡量在所给材料中没有充分交代，故效用与成本项扣分。
README 列出工具名称并指向详细文档，源文件展示若干对应工具、输入说明和结果模型；测试样本佐证了 Claude runner 的局部行为。扣分原因是样本并非全量，未提供 README 每项性能、规模和论文/竞赛声明的独立佐证，且多数声明与代码证据无法交叉核对。代码中将事实证据与模型生成区分的迹象存在，但整体声明仍未充分标明推断和实测边界。
- 工单服务器公开创建、更新、审批、分配、关闭和取消等写操作；材料未展示调用前确认及撤销/恢复保障。
- README 快速开始中的场景命令注明尚未启用；不要据此假定该入口已可用。
- 静态审查且材料仅为文件样本；未执行代码，也未核实论文、竞赛、性能或规模声明。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/assetopsbench)<a href="https://followagents.com/zh/agents/assetopsbench"><img src="https://followagents.com/badge/assetopsbench.svg?lang=zh" alt="FARS 评测"></a>常见问题
它能连接哪些工业数据与操作？
是否只支持某一家模型提供商？
能否立即用 README 的 CLI 跑一个场景？
python -m assetopsbench.run 示例被标为“to be enabled”。评估覆盖什么？
谢谢反馈，我们会据此改进页面。