CORAL：面向海洋科学研究的本地化多智能体AI系统

本文介绍CORAL项目，一个专为NOAA海洋科学研究设计的自托管AI助手。该系统解决海洋科研中海量数据处理、工具切换效率低及数据安全问题，核心能力包括MCP架构连接12个海洋数据源、RAG知识库、HPC工作流集成，完全离线运行满足政府机构合规要求。

海洋科学研究涉及海量数据处理（实时水位监测、飓风路径预测、卫星遥感、HPC模拟），传统方式需在多系统工具间切换，手动查询数据、编写复杂脚本，效率低易出错。NOAA等机构对数据安全和网络隔离有硬性要求，商业API存在敏感数据外泄风险，故完全离线的本地AI系统成为刚需。

CORAL的技术核心是MCP（Model Context Protocol）架构，标准化AI与外部工具集成。通过12个MCP服务器集成12类海洋数据源：观测类（CO-OPS水位站、USGS河流流量等）、预报类（NHC飓风预警、STOFS风暴潮预报等）、卫星类（ERDDAP卫星数据、GOES实时影像）、模型支持类（ADCIRC/SCHISM配置解析），共暴露108个工具函数覆盖全链条需求。

CORAL深度集成HPC环境：NetCDF文件处理（自动生成xarray代码分析模型输出）、Slurm作业管理（查询状态、诊断失败原因如OOM）、ecFlow工作流监控、可视化支持（生成matplotlib/cartopy图表）。RAG知识库包含SCHISM/ADCIRC源代码、NOAA技术备忘录、模型配置文件等，支持自然语言查询技术文档（如参数含义）。

典型场景：

1. 实时水位查询：获取纽约The Battery站当前水位及风暴潮残差；
2. 预报对比：分析未来48小时STOFS预报峰值与洪水阈值；
3. 作业失败诊断：解析Slurm作业退出代码137（OOM）并给出建议；
4. 技术文档查询：解释SCHISM参数IHFSKIP的控制逻辑。

部署步骤：git克隆代码→pip安装→Ollama拉取模型（如qwen3:8b），支持命令行和Gradio Web界面。技术亮点：完全本地化部署（合规）、MCP生态开放性、领域知识深度集成、多模态交互、开源可扩展（Apache2.0许可证）。

前景：架构可推广到气象、地震学、天文学、生物信息学等领域。局限：本地开源模型能力有限、工具覆盖需扩展、UI可优化、离线知识更新挑战。

CORAL代表科学研究AI应用的重要方向——深耕领域的专业助手。通过MCP连接工具生态、本地部署满足合规、RAG整合知识，为海洋科研提供实用范例。其架构为其他领域提供可复制蓝图，助力科研人员专注核心问题。