← 返回目录

Predictive Maintenance MCP Server

社区

通过自然语言对话，为任何AI助手提供振动数据分析、机械故障检测和专业诊断报告生成能力。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 209 / 230
Stars: ★ 100 热门
传输方式: stdio（本地进程）
运行环境: Python 3.11+ · 预编译二进制
凭据: 无需凭据
许可证: 其他 / 未声明
最近提交: 19 天前
工具数: 33

34FMRS · D

这是一个功能丰富、专为工业预测性维护设计的 MCP 服务器，提供全面的振动分析和故障诊断能力。它强调隐私（本地处理）和专家辅助，适合工程师快速决策。安装和配置需要一定的技术背景，但提供了清晰的指南。当前版本适合单机、非实时场景。

最强项 · 维护活跃度 8/20 最弱项 · 安全与权限 6/20

可靠性

7/20

安全与权限

6/20

维护活跃度

8/20

文档质量

7/20

安装易用性

6/20

查看各项评分依据

可靠性 7/20: 代码库展示了结构化的模块化架构，并附带广泛的测试套件（20+ 测试文件，声称 86% 覆盖率）。然而，由于静态审查，无法验证实际运行行为。尽管 CI 工作流存在，但未提供详细说明。工具列表声称 36 个 MCP 端点，但在源码中未验证；可能存在不匹配。响应未经过执行验证，因此评估偏向保守。
安全与权限 6/20: 服务器设计为隐私优先，数据留在本地。没有明显的凭据处理问题或外部网络调用，但该服务器确实包含文档搜索（RAG），涉及本地文件访问，以及可能通过 PDF 解析带来的潜在风险。没有提到危险操作的确认机制。静态审查中未发现重大危险信号，但缺乏详细的安全文档和数据流披露。
维护活跃度 8/20: 该项目活跃，近期有提交和发布（版本 0.9.1），并有明确的路线图和聊天的沟通渠道。拥有 MIT 许可证和 Zenodo DOI，表明长期稳定性。未发现安全响应渠道，依赖更新未见证实。
文档质量 7/20: README 提供了全面概述、快速入门指南、详细的工具列表、报告示例和架构词汇表。存在指向更深层文档的链接，如 QUICKSTART_ENGINEER.md 和 INSTALL.md。然而，缺少关于每个工具参数的详细文档、错误处理指南和故障排除细节，这些在静态分析中未验证。
安装易用性 6/20: README 包含清晰的安装说明，包括针对 Windows 的自动化脚本和手动配置（uvx、claude_desktop_config）。然而，静态审查无法验证该脚本是否无故障运行。提到了跨平台兼容性，但未提供实际安装的验证。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件

适合谁

可靠性和维护工程师，希望快速获得振动诊断支持且无需编程。
开发者和工业 AI 从业者，希望将预测性维护工作流封装为 MCP 工具。
研究人员和学生，从事轴承故障诊断和状态监测研究。

不适合谁

不需要振动分析的专业领域。
需要完全自动化、无需专家监督的决策场景（该工具旨在支持而非替代专家）。
期望实时数据流或多资产舰队监控的用户（当前版本未实现）。

所需权限

本地文件系统访问：读取信号文件、手册 PDF，生成报告。
可能的网络访问：用于下载依赖或 Zenodo DOI，但工具本身在本地运行。
需要 Python 环境和 uvx 执行。

风险与副作用

分析结果依赖于信号质量和声明的采样率/单位，错误输入可能导致错误诊断。
轴承目录数据需要正确匹配，否则故障频率计算可能不准确。
通过 MCP 将计算结果显示给 LLM，可能泄露尚未公开的机器数据（尽管原始数据保留在本地）。
异常检测模型可能过拟合训练数据，导致对异常信号误判。

安装接入

准备工作

运行环境：Python 3.11+ · 预编译二进制

其他可选配置项（1 个）

UV_LINK_MODE 可选在客户端配置中设为 copy，可避免 uvx 链接缓存文件时出错；非必需变量，uv 可通过 pip install uv 或官方安装脚本获得。

克隆仓库并运行 setup_claude.ps1（Windows）或手动安装：pip install predictive-maintenance-mcp。
找到 uvx 的完整路径，并添加到 MCP 客户端配置（如 Claude Desktop 的 claude_desktop_config.json）。
重启客户端，即可使用。

claude_desktop_config.json

{
  "mcpServers": {
    "predictive-maintenance": {
      "command": "/full/path/to/uvx",
      "args": ["predictive-maintenance-mcp"],
      "env": { "UV_LINK_MODE": "copy" }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "predictive-maintenance": {
      "command": "/full/path/to/uvx",
      "args": [
        "predictive-maintenance-mcp"
      ],
      "env": {
        "UV_LINK_MODE": "copy"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add predictive-maintenance -e UV_LINK_MODE=copy -- /full/path/to/uvx predictive-maintenance-mcp

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

重启客户端后，在工具列表中应能看到 load_signal、analyze_fft、diagnose_vibration 等工具；也可以直接输入示例提示（如加载 real_train/OuterRaceFault_1.csv 并诊断）来验证服务器连接正常。

常见排障

如果服务器无法启动，检查 `uvx` 路径是否正确，并确保 Python 3.11+ 安装。
如果信号加载失败，确认文件格式受支持，且采样率和单位已声明。
如果诊断结果不准确，检查信号是否来自健康状态，并验证轴承目录条目是否存在。
如果报告不生成，检查输出路径权限和依赖库（如 matplotlib）。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

加载 real_train/OuterRaceFault_1.csv 并检查轴承是否健康。
生成一份完整的诊断报告。
从 test_pump_manual.pdf 中提取规格参数，然后诊断该信号。
用我的健康基线训练一个异常检测模型，然后标记异常信号。

工具能力 33

load_signal 只读

加载振动文件（CSV、WAV、MAT、NPY、Parquet），返回 signal_id 句柄。

list_signals 只读

浏览磁盘或内存中的信号。

get_signal_info 只读

获取信号元数据（采样率、时长等）。

generate_test_signal 写入

生成合成测试信号。

clear_signals 破坏性

清除内存中的信号缓存。

analyze_fft 只读

频谱分析并自动检测峰值。

analyze_envelope 只读

包络分析，用于轴承故障检测（默认频带 500-5000 Hz）。

analyze_statistics 只读

时域特征提取（RMS、峰度、峰值因子）。

展开其余 25 个工具

extract_features_from_signal 只读

分段统计特征提取。

compute_power_spectral_density 只读

功率谱密度计算（Welch 方法）。

compute_spectrogram_stft 只读

短时傅里叶变换谱图。

assess_severity 只读

基于 ISO 20816-3 的严重度评估。

check_bearing_faults 只读

轴承故障频率匹配，支持目录、显式频率或几何参数。

diagnose_vibration 只读

集成的基于证据的诊断流程。

calculate_bearing_characteristic_frequencies 只读

根据轴承几何计算特征频率。

search_bearing_catalog 只读

查询带来源的轴承几何数据。

train_anomaly_model 写入

基于健康基线训练异常检测模型。

predict_anomalies 只读

使用训练好的模型对新信号评分。

search_documentation 只读

对设备手册进行语义搜索。

read_manual_excerpt 只读

读取手册页面。

extract_manual_specs 只读

从 PDF 中提取结构化规格参数。

list_machine_manuals 只读

浏览可用的文档。

plot_signal 写入

生成交互式时域图。

generate_fft_report 写入

生成交互式频谱报告。

generate_envelope_report 写入

生成包络分析报告，含故障标记。

generate_iso_report 写入

生成严重度区域可视化报告。

generate_diagnostic_report_docx 写入

生成结构化 Word 报告。

generate_pca_visualization_report 写入

生成 PCA 异常投影报告。

generate_feature_comparison_report 写入

生成跨信号特征对比报告。

list_html_reports 只读

报告管理（列表或查看）。

analyze_signal_trend 只读

单次记录内的趋势分析和退化起始点检测。

estimate_rul 只读

基于多次重复测量的剩余寿命估计（线性、指数、卡尔曼），拒绝单次记录外推。

generate_maintenance_recommendations 只读

根据严重度带和标准故障类型生成维护建议。

使用场景

工程师通过自然语言快速分析振动信号，检测轴承故障。

从设备手册提取规格，自动计算故障频率并与信号匹配。

基于健康数据训练异常检测模型，对新信号进行异常评分。

生成专业诊断报告（HTML/Word），用于维护决策。

估算剩余寿命，安排预防性维护。

支持客户端

Claude Desktop

Claude Code

VS Code

依据项目文档列出，未经本站实测。

详细介绍

Predictive Maintenance MCP Server 是一个开源 MCP 服务器，将大型语言模型转变为状态监测助手。工程师用自然语言描述需求，AI 调用相应的分析工具，完成轴承故障检测、风险评估、异常检测和剩余寿命预测。它旨在支持和加速专家决策，而非取代专家。服务器提供 36 个 MCP 端点（33 个工具和 3 个提示），涵盖信号加载、频谱分析、轴承故障诊断、ISO 20816-3 等级评估、RAG 文档搜索、报告生成（HTML/Word）以及余寿预测（线性、指数、卡尔曼）。数据隐私优先：原始振动数据不会离开本地机器。