Supply Chain Control Tower：基于多智能体AI的供应链智能决策系统

Supply Chain Control Tower是一个开源的多智能体AI供应链智能决策系统，通过MCP协议和Claude Desktop构建，包含12个专业代理与57个工具，实现从订单追踪到根因分析的全流程自动化。项目旨在解决现代供应链团队面临的分散系统、数据孤岛等痛点，将AI从简单聊天助手升级为运营决策支持工具。

现代供应链团队常面临分散系统、手工表格、延迟报告和数据孤岛等问题。本项目展示了多智能体AI的实用应用，解决运营可见性、根因分析、异常管理、推荐支持、绩效监控、持续改进等核心需求，目标是让AI成为运营决策支持工作流的一部分。

技术架构

系统采用分层设计：Claude Desktop → 协调代理 → 专业供应链代理 → 共享业务逻辑+SQLite数据库 → 结构化输出/仪表板/日志。协调代理负责路由用户问题到专业代理。

技术栈

组件	技术
编程语言	Python 3.10
AI协议	MCP via FastMCP
AI客户端	Claude Desktop
备用模型	OpenRouter
数据库	SQLite
仪表板	Streamlit + Plotly

智能体生态

包含12个专业代理，如货运延迟分析、库存监控、采购订单追踪、根因调查等，共提供57个工具，覆盖供应链多领域协同。

1. 多智能体推理：Claude协同多个代理回答复杂运营问题；
2. 供应链智能规则：可配置延迟分类、库存风险、承运商绩效等规则；
3. 持续改进层：检测重复模式，基于反馈优化推荐；
4. 安全感知执行：数据库只读、输入验证、提示注入防护等多层安全；
5. 性能优化：查询缓存、Token追踪、慢查询检测等；
6. 备用LLM支持：主模型不可用时切换备用模型保障连续性。

典型场景

用户可通过自然语言提问，如：

• 今天有哪些订单需处理？
• 调查SO10003延迟原因？
• 哪些承运商表现不佳？ 系统自动协调代理生成结构化回答。

技术贡献

提供MCP多智能体应用参考架构，展示：多智能体编排、本地AI工作流、领域特定代理、轻量数据存储、集中配置、可视化仪表板、安全执行、性能监控、自动化测试、持续改进等10项价值。

适用场景

• 供应链运营团队寻求AI辅助决策；
• 了解MCP协议实际应用的开发者；
• 需轻量级监控系统的中小企业；
• 学习多智能体架构的研究者/学生。

局限性

• 演示版数据规模和功能有限；
• 主要面向教育和概念验证；
• 生产环境需额外安全和扩展性考虑。

本项目展示了多智能体AI在供应链领域的应用潜力，通过MCP协议连接Claude与专业代理，将AI升级为决策支持工具。核心价值包括实用性、可扩展性、可解释性、持续学习。对探索AI运营决策的团队而言，是值得参考的开源实现。