MCP for PLCnext Control abre os dados de automação para agentes de IA
A Phoenix Contact apresenta o MCP for PLCnext Control, um app que oferece a agentes de IA acesso padronizado e controlado a dados e funções de automação por meio do Model Context Protocol.
www.phoenixcontact.com
Integrar a inteligência artificial a ambientes industriais exige acesso a dados reais das máquinas sem comprometer a segurança do sistema de controle. Com o MCP for PLCnext Control, a Phoenix Contact amplia sua oferta de IA industrial com uma interface padronizada entre a automação industrial e as aplicações de IA. O app disponibiliza informações, dados de diagnóstico e funções selecionadas de sistemas baseados na PLCnext Technology por meio do protocolo aberto Model Context Protocol (MCP). Ele roda diretamente no controlador PLCnext Control e torna o contexto de automação relevante acessível a aplicações e agentes de IA compatíveis.
Uma interface única para o contexto de automação
A IA pode apoiar especialmente o comissionamento, o diagnóstico e a manutenção, mas para isso precisa de informações do sistema de automação real. Em vez de consultar separadamente os diferentes serviços da PLCnext Technology, o MCP for PLCnext Control oferece uma interface comum e padronizada para obter as informações essenciais. Dependendo dos serviços PLCnext disponíveis e das ferramentas ativadas, podem ser fornecidas, por exemplo, informações de dispositivos e firmware, informações de runtime e status, dados de diagnóstico, arquivos e logs, dados OPC UA, além de eventos, alarmes e notificações.
Diagnóstico de falhas mais rápido, decisão humana
O benefício prático fica evidente principalmente na busca de falhas. Quando ocorre um problema, as informações relevantes muitas vezes precisam ser reunidas e avaliadas a partir de diferentes fontes. O MCP for PLCnext Control disponibiliza o contexto de automação existente de forma estruturada para as aplicações de IA conectadas, que podem incluir na análise, por exemplo, valores de processo e informações de status e diagnóstico. Outras fontes de conhecimento, como documentação ou informações de serviço, podem ser integradas separadamente na solução de IA de nível superior. Assim, a IA recebe não apenas uma informação isolada, mas um contexto do sistema de automação real, o que permite delimitar mais rapidamente as possíveis causas de falhas e preparar explicações e próximos passos. A avaliação e a decisão continuam com os usuários. Em princípio, a solução pode ser acoplada a clientes e agentes de IA compatíveis com MCP.
Para uso industrial, o app prevê acesso controlado: entre as medidas estão autenticação, controle de acesso baseado em funções, comunicação segura, registro de logs e limitação da taxa de requisições, utilizando os mecanismos de segurança existentes da PLCnext Technology. Com o MCP for PLCnext Control, a Phoenix Contact cria uma conexão aberta entre a IA agêntica e a automação industrial, permitindo usar o contexto de automação em processos de engenharia, diagnóstico e serviço apoiados por IA.
Contexto adicional
Esta seção detalha especificações técnicas e comparações competitivas não incluídas no anúncio original do produto.
A integração de grandes modelos de linguagem e agentes de IA a ambientes de controle industrial representa uma mudança significativa para as redes de TO. O Model Context Protocol é um padrão aberto emergente que define como os modelos de IA acessam dados de contexto e ferramentas, reduzindo a necessidade de middleware específico para cada fonte de dados. Em todo o mercado de automação, a integração de IA na borda e os modelos de dados semânticos seguros ganham prioridade. Executar o servidor do protocolo diretamente no controlador mantém o processamento dos dados de diagnóstico no nível da máquina, o que apoia estruturas de cibersegurança industrial como a série IEC 62443 ao limitar a exposição descontrolada dos dados de produção. O controle de acesso no nível do controlador também se torna uma referência importante para combinar a análise não determinística da IA com o controle industrial determinístico.
Editado por Maria Brueva, editora da Induportals – adaptado com IA.
