【导航台账】制造业数据与AI践行者老蒋的技术博客全系列文章汇总持续更新 文章摘要单工具Agent只能“回答”多工具协同Agent才能“解决”。本文以智联工坊设备故障闭环处理为场景从零搭建一个能完成“查手册→查排班→查备件→生成工单”完整任务链的多工具协同Agent。深入拆解任务分解、链式编排、中间结果传递三大核心能力并记录调试过程中遇到的“嵌套JSON”与“Markdown代码块”两大实战坑点。全源码将开源请关注更新情况。开篇痛点和场景兄弟们Case01和Case02我们搞定了一个制造Agent的“手脚”和“记忆”。它能算OEE、能查手册、能问排班还能记住你之前说过什么。但班组长小刘试用了一段时间后给我提了一个新需求。他说“老蒋你这个Agent确实能干活了。但每次我都要自己判断‘该用哪个工具’。能不能这样——我跟它说‘设备报错了’它自己就知道该查手册、该问排班、该查备件最后给我一张工单”我当时的第一反应是这不科学啊……我这Agent虽然能干活但要让它自己做决策、自己编排工具顺序、自己传递中间结果——这可不是加一行代码能搞定的。但小刘说得对。单工具Agent只能“回答”多工具协同Agent才能“解决”。本文要解决的痛点让Agent能自主完成一个完整的任务链——用户只需要说“设备报错了”Agent自动执行“查手册→查排班→查备件→生成工单”的全流程。适合谁读已经跑通单工具Agent如Case01希望将Agent能力从“回答问题”升级为“解决问题”的开发者。脱敏声明本文基于虚拟工厂“智联工坊”场景所有数据均已脱敏处理。正文方案设计场景定义设备故障闭环处理我们以一个真实的制造场景为例用户输入“交互屏组装A线设备报错E401帮我排查一下” Agent需要自动完成 查维修手册 → 获取E401的维修指引 查产线排班 → 确认今天有没有人 查备件库存 → 确认需要更换的备件够不够 生成维修工单 → 汇总信息生成标准工单这个场景的难度在于Agent不能只调用一个工具它需要自己做决策——先查什么、再查什么、查到的结果怎么传给下一个工具。工程目录结构javy21_manufacturing_ai_practice/ ├── common/ # 共享基建层复用Case01/Case02 │ ├── base_agent_builder.py │ ├── chroma_client.py │ └── llm_client.py │ └── cases/ └── case03_multi_tools_agent/ # Case03多工具协同Agent ├── config.py ├── tools/ │ ├── __init__.py │ ├── search_manual.py # ① 手册检索复用Case01 │ ├── query_shift.py # ② 排班查询复用Case01 │ ├── query_spare_parts.py # ③ 备件库存新增 │ └── generate_work_order.py# ④ 生成工单新增 ├── agent/ │ └── builder.py # 注册4个工具定制Prompt ├── scripts/ │ └── 01_test_cli.py # 交互式CLI测试 └── web/ # 可选Web界面和Case01的区别工具从3个扩展到4个新增备件库存和工单生成更重要的是Agent的Prompt中加入了“链式推理”的引导。核心实现让Agent学会“先做什么再做什么”Step 1工具定义——新增2个核心工具③ 备件库存查询工具query_spare_parts.py这个工具模拟了真实工厂的备件库存系统class SparePartsInput(BaseModel): part_name: str Field(description备件名称或型号关键词) class QuerySparePartsTool(BaseTool): name: str query_spare_parts description: str 查询制造产线的备件库存信息... args_schema: Type[BaseModel] SparePartsInput def _run(self, part_name: str) - str: # 模拟库存数据库查询 # 返回库存状态、库位、数量、采购周期④ 生成维修工单工具generate_work_order.py这个工具将多个信息源汇总成标准化工单class GenerateWorkOrderTool(BaseTool): name: str generate_work_order description: str 生成智联工坊标准维修工单... args_schema: Optional[Type[BaseModel]] None # 关键手动解析参数 def _run(self, *args, **kwargs) - str: # 手动解析Agent传入的所有参数 # 生成结构化工单这里要留个心眼为什么args_schemaNone因为LangChain的ReAct Agent会把所有参数打包成一个JSON字符串塞进第一个字段导致Pydantic校验失败。绕过校验、在_run内部手动解析是更健壮的做法。Step 2Agent组装——注册4个工具builder.py的核心代码只有这几行class MultiToolsAgentBuilder(BaseAgentBuilder): def __init__(self, **kwargs): kwargs.setdefault(temperature, 0.0) kwargs.setdefault(max_iterations, 8) # 复杂任务链需要更多迭代 kwargs.setdefault(memory_type, None) super().__init__(**kwargs) def _register_tools(self) - List[BaseTool]: return [ SearchManualTool(), # ① 手册检索 QueryShiftTool(), # ② 排班查询 QuerySparePartsTool(), # ③ 备件库存 GenerateWorkOrderTool(), # ④ 生成工单 ]Step 3Prompt引导——告诉Agent“先做什么再做什么”这是多工具协同Agent最关键的部分。Prompt中必须明确告诉Agent任务的执行顺序先查手册→再查排班→再查备件→最后生成工单中间结果的传递方式上一步的结果要作为下一步的输入容错规则如果某一步查不到数据不要死磕继续往下走def _get_prompt_template(self) - str: return 你是一个资深的智联工坊制造运维专家。你有权使用以下工具 {tools} **核心工作流程** 1. 如果用户没有提供产线名称或故障码直接询问用户。 2. 处理故障时请严格按以下顺序分步执行 - 第一步search_manual → 获取维修指引 - 第二步query_shift → 查询产线排班 - 第三步query_spare_parts → 查询备件库存 - 第四步generate_work_order → 生成维修工单 3. 上一步的结果必须作为下一步的输入。 4. 如果某一步返回未找到标记为数据缺失继续执行后续步骤。 ... 运行验证完整的多工具协同流程运行01_test_cli.py输入交互屏组装A线设备报错E401帮我排查一下Agent的思考链如下Action: search_manual Action Input: {fault_code: E401} Observation: 【智联工坊维修手册匹配】 交互屏E401错误触摸屏驱动通信超时请重启工控机并检查USB连接线。 Action: query_shift Action Input: {line_name: 交互屏组装A线} Observation: {status: not_found, message: 未找到排班数据, suggestion: 继续下一步排查} Action: query_spare_parts Action Input: {part_name: 触摸屏驱动} Observation: {status: success, part: 触摸屏, inventory: {status: 充足, quantity: 15, location: A-3-12}} Action: generate_work_order Action Input: {line_name: 交互屏组装A线, fault_code: E401, solution: 重启工控机并检查USB连接线, spare_parts_status: 充足, assigned_shift: 白班} Final Answer: 已生成工单 WO-20260804-4164 ...关键验证点顺序执行Agent严格按照 search_manual → query_shift → query_spare_parts → generate_work_order 的顺序执行中间结果传递search_manual 返回的“触摸屏驱动”被 query_spare_parts 作为输入使用容错处理query_shift 返回“未找到”Agent没有死磕直接跳到下一步结构化输出generate_work_order 输出了包含工单编号、故障码、备件状态、执行步骤的完整工单总结价值提炼本文解决了什么将一个单步的“问答Agent”升级为多步的“任务解决Agent”。用户只需要说“设备报错了”Agent自主完成从查手册到出工单的完整闭环。三个关键认知任务分解是核心多工具协同的关键不是工具多而是Agent能理解“先做什么、再做什么”。Prompt中的顺序引导是成败的关键。容错比完美更重要真实场景中数据缺失是常态。Agent需要学会“跳过”而不是“死磕”。在Prompt中明确容错规则比在代码中处理异常更有效。手动解析参数比Pydantic校验更健壮ReAct Agent习惯把参数打包成嵌套JSONargs_schemaNone 手动解析是绕过这个坑的有效方式。智能工厂对标本方案对应GB/T 39116-2020中“生产作业”能力域主域——实现设备故障的自动化闭环处理以及“数据资源”能力域辅域——实现维修知识、备件库存、排班数据的跨系统协同。可直接用于国家智能制造能力成熟度三级集成级申报材料中的技术佐证。系列导航本文所属系列【AI赋能数据开发工程手册】上一篇Agent的记忆系统从短时记忆到长时记忆下一篇《数据质量智能巡检Agent》Case04即将发布互动与交流你在将Agent从“单工具”升级到“多工具协同”时有没有遇到过Agent“不知道该先调用哪个工具”的问题或者工具之间的参数传递卡住了欢迎评论区吐槽咱们一起聊聊——说实话让Agent学会“分步执行”这件事我前前后后折腾了好几天。关于作者制造业数据与AI践行者老蒋23年IT老兵。聚焦制造业数据架构与AI融合落地。全流程实战全源码开源。 排坑笔记预告主文完成后产出编号标题预计发布坑T1《“嵌套JSON”噩梦的终结args_schemaNone让工具重获自由》主文发布后次日坑T2《不要让你的Agent“吊死”在一棵树上工具返回“未找到”时的容错设计》主文发布后第3天坑T3《Markdown代码块 vs 纯净JSONLangChain工具调用的格式战争》主文发布后第5天 智联工坊实战：多工具协同Agent，让AI像人类一样规划与执行复杂任务
【导航台账】制造业数据与AI践行者老蒋的技术博客全系列文章汇总持续更新 文章摘要单工具Agent只能“回答”多工具协同Agent才能“解决”。本文以智联工坊设备故障闭环处理为场景从零搭建一个能完成“查手册→查排班→查备件→生成工单”完整任务链的多工具协同Agent。深入拆解任务分解、链式编排、中间结果传递三大核心能力并记录调试过程中遇到的“嵌套JSON”与“Markdown代码块”两大实战坑点。全源码将开源请关注更新情况。开篇痛点和场景兄弟们Case01和Case02我们搞定了一个制造Agent的“手脚”和“记忆”。它能算OEE、能查手册、能问排班还能记住你之前说过什么。但班组长小刘试用了一段时间后给我提了一个新需求。他说“老蒋你这个Agent确实能干活了。但每次我都要自己判断‘该用哪个工具’。能不能这样——我跟它说‘设备报错了’它自己就知道该查手册、该问排班、该查备件最后给我一张工单”我当时的第一反应是这不科学啊……我这Agent虽然能干活但要让它自己做决策、自己编排工具顺序、自己传递中间结果——这可不是加一行代码能搞定的。但小刘说得对。单工具Agent只能“回答”多工具协同Agent才能“解决”。本文要解决的痛点让Agent能自主完成一个完整的任务链——用户只需要说“设备报错了”Agent自动执行“查手册→查排班→查备件→生成工单”的全流程。适合谁读已经跑通单工具Agent如Case01希望将Agent能力从“回答问题”升级为“解决问题”的开发者。脱敏声明本文基于虚拟工厂“智联工坊”场景所有数据均已脱敏处理。正文方案设计场景定义设备故障闭环处理我们以一个真实的制造场景为例用户输入“交互屏组装A线设备报错E401帮我排查一下” Agent需要自动完成 查维修手册 → 获取E401的维修指引 查产线排班 → 确认今天有没有人 查备件库存 → 确认需要更换的备件够不够 生成维修工单 → 汇总信息生成标准工单这个场景的难度在于Agent不能只调用一个工具它需要自己做决策——先查什么、再查什么、查到的结果怎么传给下一个工具。工程目录结构javy21_manufacturing_ai_practice/ ├── common/ # 共享基建层复用Case01/Case02 │ ├── base_agent_builder.py │ ├── chroma_client.py │ └── llm_client.py │ └── cases/ └── case03_multi_tools_agent/ # Case03多工具协同Agent ├── config.py ├── tools/ │ ├── __init__.py │ ├── search_manual.py # ① 手册检索复用Case01 │ ├── query_shift.py # ② 排班查询复用Case01 │ ├── query_spare_parts.py # ③ 备件库存新增 │ └── generate_work_order.py# ④ 生成工单新增 ├── agent/ │ └── builder.py # 注册4个工具定制Prompt ├── scripts/ │ └── 01_test_cli.py # 交互式CLI测试 └── web/ # 可选Web界面和Case01的区别工具从3个扩展到4个新增备件库存和工单生成更重要的是Agent的Prompt中加入了“链式推理”的引导。核心实现让Agent学会“先做什么再做什么”Step 1工具定义——新增2个核心工具③ 备件库存查询工具query_spare_parts.py这个工具模拟了真实工厂的备件库存系统class SparePartsInput(BaseModel): part_name: str Field(description备件名称或型号关键词) class QuerySparePartsTool(BaseTool): name: str query_spare_parts description: str 查询制造产线的备件库存信息... args_schema: Type[BaseModel] SparePartsInput def _run(self, part_name: str) - str: # 模拟库存数据库查询 # 返回库存状态、库位、数量、采购周期④ 生成维修工单工具generate_work_order.py这个工具将多个信息源汇总成标准化工单class GenerateWorkOrderTool(BaseTool): name: str generate_work_order description: str 生成智联工坊标准维修工单... args_schema: Optional[Type[BaseModel]] None # 关键手动解析参数 def _run(self, *args, **kwargs) - str: # 手动解析Agent传入的所有参数 # 生成结构化工单这里要留个心眼为什么args_schemaNone因为LangChain的ReAct Agent会把所有参数打包成一个JSON字符串塞进第一个字段导致Pydantic校验失败。绕过校验、在_run内部手动解析是更健壮的做法。Step 2Agent组装——注册4个工具builder.py的核心代码只有这几行class MultiToolsAgentBuilder(BaseAgentBuilder): def __init__(self, **kwargs): kwargs.setdefault(temperature, 0.0) kwargs.setdefault(max_iterations, 8) # 复杂任务链需要更多迭代 kwargs.setdefault(memory_type, None) super().__init__(**kwargs) def _register_tools(self) - List[BaseTool]: return [ SearchManualTool(), # ① 手册检索 QueryShiftTool(), # ② 排班查询 QuerySparePartsTool(), # ③ 备件库存 GenerateWorkOrderTool(), # ④ 生成工单 ]Step 3Prompt引导——告诉Agent“先做什么再做什么”这是多工具协同Agent最关键的部分。Prompt中必须明确告诉Agent任务的执行顺序先查手册→再查排班→再查备件→最后生成工单中间结果的传递方式上一步的结果要作为下一步的输入容错规则如果某一步查不到数据不要死磕继续往下走def _get_prompt_template(self) - str: return 你是一个资深的智联工坊制造运维专家。你有权使用以下工具 {tools} **核心工作流程** 1. 如果用户没有提供产线名称或故障码直接询问用户。 2. 处理故障时请严格按以下顺序分步执行 - 第一步search_manual → 获取维修指引 - 第二步query_shift → 查询产线排班 - 第三步query_spare_parts → 查询备件库存 - 第四步generate_work_order → 生成维修工单 3. 上一步的结果必须作为下一步的输入。 4. 如果某一步返回未找到标记为数据缺失继续执行后续步骤。 ... 运行验证完整的多工具协同流程运行01_test_cli.py输入交互屏组装A线设备报错E401帮我排查一下Agent的思考链如下Action: search_manual Action Input: {fault_code: E401} Observation: 【智联工坊维修手册匹配】 交互屏E401错误触摸屏驱动通信超时请重启工控机并检查USB连接线。 Action: query_shift Action Input: {line_name: 交互屏组装A线} Observation: {status: not_found, message: 未找到排班数据, suggestion: 继续下一步排查} Action: query_spare_parts Action Input: {part_name: 触摸屏驱动} Observation: {status: success, part: 触摸屏, inventory: {status: 充足, quantity: 15, location: A-3-12}} Action: generate_work_order Action Input: {line_name: 交互屏组装A线, fault_code: E401, solution: 重启工控机并检查USB连接线, spare_parts_status: 充足, assigned_shift: 白班} Final Answer: 已生成工单 WO-20260804-4164 ...关键验证点顺序执行Agent严格按照 search_manual → query_shift → query_spare_parts → generate_work_order 的顺序执行中间结果传递search_manual 返回的“触摸屏驱动”被 query_spare_parts 作为输入使用容错处理query_shift 返回“未找到”Agent没有死磕直接跳到下一步结构化输出generate_work_order 输出了包含工单编号、故障码、备件状态、执行步骤的完整工单总结价值提炼本文解决了什么将一个单步的“问答Agent”升级为多步的“任务解决Agent”。用户只需要说“设备报错了”Agent自主完成从查手册到出工单的完整闭环。三个关键认知任务分解是核心多工具协同的关键不是工具多而是Agent能理解“先做什么、再做什么”。Prompt中的顺序引导是成败的关键。容错比完美更重要真实场景中数据缺失是常态。Agent需要学会“跳过”而不是“死磕”。在Prompt中明确容错规则比在代码中处理异常更有效。手动解析参数比Pydantic校验更健壮ReAct Agent习惯把参数打包成嵌套JSONargs_schemaNone 手动解析是绕过这个坑的有效方式。智能工厂对标本方案对应GB/T 39116-2020中“生产作业”能力域主域——实现设备故障的自动化闭环处理以及“数据资源”能力域辅域——实现维修知识、备件库存、排班数据的跨系统协同。可直接用于国家智能制造能力成熟度三级集成级申报材料中的技术佐证。系列导航本文所属系列【AI赋能数据开发工程手册】上一篇Agent的记忆系统从短时记忆到长时记忆下一篇《数据质量智能巡检Agent》Case04即将发布互动与交流你在将Agent从“单工具”升级到“多工具协同”时有没有遇到过Agent“不知道该先调用哪个工具”的问题或者工具之间的参数传递卡住了欢迎评论区吐槽咱们一起聊聊——说实话让Agent学会“分步执行”这件事我前前后后折腾了好几天。关于作者制造业数据与AI践行者老蒋23年IT老兵。聚焦制造业数据架构与AI融合落地。全流程实战全源码开源。 排坑笔记预告主文完成后产出编号标题预计发布坑T1《“嵌套JSON”噩梦的终结args_schemaNone让工具重获自由》主文发布后次日坑T2《不要让你的Agent“吊死”在一棵树上工具返回“未找到”时的容错设计》主文发布后第3天坑T3《Markdown代码块 vs 纯净JSONLangChain工具调用的格式战争》主文发布后第5天