本地搭建 OPC UA MCP 服务

kwg1262026-01-09 12:00

一、项目背景与核心目标

（一）技术背景

Model Context Protocol（MCP）是一套标准化的 AI 交互协议，核心价值在于为 AI 大模型提供 "万能接口"------ 如同 USB-C 接口的通用性，让 AI 无需定制化开发即可无缝对接各类数据源与工具，实现双向数据交互与功能调用。

在工业场景中，PLC（可编程逻辑控制器）作为核心控制设备，普遍采用 OPC UA 协议进行数据传输与通信。为打通 AI 模型与工业控制系统的连接链路，实现 AI 对 PLC 设备的智能管控，搭建 OPC UA-MCP 桥接服务成为关键第一步，其核心作用是解决两种协议的兼容性问题，构建 AI 与工业设备的通信桥梁。

（二）项目目标

  1. 完成本地 OPC UA 工业控制系统服务器搭建，模拟工业设备数据节点；
  2. 部署 Python 版本 MCP 服务，实现 OPC UA 协议与 MCP 协议的双向转换；
  3. 通过调试工具验证 MCP 服务的连接稳定性与功能可用性；
  4. 打通 MCP 服务与工业服务器的通信链路，为后续 AI 调用工业设备奠定基础。

二、前置环境准备

为保障搭建流程顺畅，需提前配置以下基础环境与工具：

  1. 编程语言环境：Python 3.13+（推荐版本，确保依赖兼容性）；Node.js 18+（用于 MCP Inspector 调试工具运行）；
  2. 依赖管理工具：uv（推荐，高效管理 Python 虚拟环境与依赖）或 pip（默认依赖安装工具）；
  3. 版本控制工具：Git，用于拉取开源项目源码；
  4. 辅助工具：代码编辑器（如 VS Code）、终端工具（如 Windows Terminal、iTerm2）；可选 OPC UA 客户端测试工具（如 UaExpert，用于交叉验证 OPC UA 服务器状态）。

三、核心搭建步骤与实施细节

（一）获取 OPC UA-MCP 源码

  1. 源码地址：https://github.com/midhunxavier/OPCUA-MCP/tree/main；

  2. 仓库核心模块说明：

    • opcua-local-server/：工业级 OPC UA 模拟服务器，内置工业场景常用数据节点（如温度、压力传感器，执行器控制节点等）；
    • opcua-mcp-server/：Python 版本 MCP 服务器（本次搭建核心），负责协议转换与数据转发；
    • opcua-mcp-npx-server/：TypeScript/Node.js 版本 MCP 服务器，提供多语言技术选型；

  3. 拉取源码命令： bash

    运行

    复制代码 
    git clone https://github.com/midhunxavier/OPCUA-MCP.git
cd OPCUA-MCP  # 进入项目根目录

（二）搭建 OPC UA 工业控制系统服务器

  1. 进入服务器目录： bash

    运行

    复制代码 
    cd opcua-local-server

  2. 依赖安装：

    • 查看pyproject.toml文件确认核心依赖（主要包括opcua库，用于 OPC UA 协议实现）；

    • 执行安装命令（推荐 uv，避免依赖冲突）： bash

      运行

      复制代码 
      uv install  # 虚拟环境自动创建并安装依赖
# 若使用pip，需先创建虚拟环境（可选），再安装：
# pip install -r requirements.txt

  3. 启动服务器： bash

    运行

    复制代码 
    uv run main.py  # 或 python main.py（非虚拟环境）

  4. 启动验证：

    • 成功运行后，终端输出类似信息：Server started at opc.tcp://0.0.0.0:4840/freeopcua/server/；
    • 关键注意事项：保持该终端持续运行，服务器需全程在线以支持后续通信。

（三）测试 OPC UA 协议通信

为确认 OPC UA 服务器正常提供数据服务，需通过脚本验证节点访问功能：

  1. 创建测试脚本：在opcua-local-server目录下新建test_showid.py文件，输入以下代码：

    python

    运行

    复制代码 
    from opcua import Client

def browse_all_nodes():
    # 服务器URL需与启动日志一致
    server_url = "opc.tcp://localhost:4840/freeopcua/server/"
    client = Client(server_url)
    
    try:
        client.connect()
        print("✅ OPC UA服务器连接成功，开始浏览节点...\n")
        
        # 从Objects节点开始遍历（工业控制相关节点均在此目录下）
        objects_node = client.get_objects_node()
        print(f"Objects根节点: {objects_node}")
        
        # 递归浏览节点（限制4层深度，避免输出冗余）
        def recursive_browse(node, level=0):
            indent = "  " * level
            node_id = node.nodeid  # 节点唯一标识（后续MCP调用需用到）
            display_name = node.get_display_name().Text  # 节点名称（如温度传感器）
            print(f"{indent}- 节点ID: {node_id}, 节点名称: {display_name}")
            
            if level < 4:
                for child in node.get_children():
                    recursive_browse(child, level + 1)
        
        recursive_browse(objects_node)
    
    except Exception as e:
        print(f"❌ 浏览失败：{e}（请检查服务器是否启动或URL是否正确）")
    finally:
        client.disconnect()
        print("\n🔌 已断开与OPC UA服务器的连接")

if __name__ == "__main__":
    browse_all_nodes()

  2. 执行测试： bash

    运行

    复制代码 
    python test_showid.py

  3. 结果验证：若终端输出清晰的节点层级列表（含节点 ID 与名称，如Temperature_Sensor、Pump_Controller等），说明 OPC UA 服务器通信正常，可进入下一步。

（四）搭建 Python 版本 MCP 服务

MCP 服务作为协议转换核心，需与 OPC UA 服务器联动部署：

  1. 切换至 MCP 服务器目录： bash

    运行

    复制代码 
    cd ../opcua-mcp-server  # 从OPC UA服务器目录返回上级，再进入MCP目录

  2. 依赖安装：

    • 查看pyproject.toml确认依赖（核心包括mcp[cli]、opcua等，用于 MCP 协议实现与 OPC UA 通信）；

    • 执行安装命令： bash

      运行

      复制代码 
      uv install  # 或 pip install -r requirements.txt

  3. 配置与启动 MCP 服务：

    • （可选）配置环境变量指定 OPC UA 服务器地址（默认连接localhost:4840，若地址变更需手动设置）：

      bash

      运行

      复制代码 
      # Windows系统
set OPCUA_SERVER_URL="opc.tcp://localhost:4840/freeopcua/server/"
# Mac/Linux系统
export OPCUA_SERVER_URL="opc.tcp://localhost:4840/freeopcua/server/"

    • 启动 MCP 服务器： bash

      运行

      复制代码 
      uv run opcua-mcp-server.py  # 或 python opcua-mcp-server.py

  4. 启动验证：终端输出 "MCP Server ready" 或类似就绪信息，说明 MCP 服务部署成功，保持终端运行。

（五）MCP 服务调试与功能验证

采用官方 MCP Inspector 工具进行交互式调试，确保 MCP 服务能正常调用 OPC UA 服务器功能：

  1. 调试工具简介：MCP Inspector 是官方提供的可视化调试工具，支持连接 MCP 服务器、调用工具函数、监控通信消息，可快速验证服务可用性与错误处理能力。

  2. 启动 Inspector 工具：打开新终端，进入opcua-mcp-server目录，执行以下命令（需 Node.js 18 + 环境）：

    bash

    运行

    复制代码 
    npx @modelcontextprotocol/inspector python opcua-mcp-server.py

  3. 调试步骤：

    • 步骤 1：验证基础连接。工具启动后自动打开浏览器界面，点击 "Connect" 按钮，若显示 "Connected"，说明与 MCP 服务连接成功；
    • 步骤 2：能力协商检查。在界面 "Capabilities" 标签页，可查看 MCP 服务支持的所有工具函数（如get_all_variables、read_opcua_node、write_opcua_node等），确认核心功能已加载；
    • 步骤 3：功能调用测试。切换至 "Tools" 标签页，选择目标函数进行测试：
      • 示例 1：调用get_all_variables → 应返回 OPC UA 服务器中所有可用变量列表（与test_showid.py输出一致）；
      • 示例 2：调用read_opcua_node → 输入测试脚本中获取的节点 ID（如ns=2;i=101），应返回该节点的当前值（如温度 25℃）；
      • 示例 3：调用write_opcua_node → 输入节点 ID 与目标值（如将泵速度设置为 60%），执行后通过 OPC UA 测试脚本验证值是否更新；
    • 步骤 4：边缘情况测试。验证无效节点 ID 输入、缺少参数、并发调用等场景，检查 MCP 服务的错误提示是否清晰、是否能稳定运行。

（六）MCP 服务与工业服务器通信验证

完成上述调试后，进行端到端通信验证：

  1. 确认状态：OPC UA 服务器与 MCP 服务均处于运行状态；
  2. 通信验证：通过 MCP Inspector 调用browse_opcua_node_children等函数，遍历工业服务器节点，确认所有核心节点均可正常访问、数据可实时读取 / 写入；
  3. 结果判定：若所有测试用例均执行成功，说明 MCP 服务已完全打通与工业服务器的通信链路，达到项目预期目标。

四、常见问题排查与解决方案

问题类型 典型诱因 解决方案
OPC UA 服务器启动失败 Python 版本过低、依赖安装不完整 升级 Python 至 3.13+；删除uv.lock/requirements.txt，重新执行uv install
OPC UA 测试脚本连接失败 服务器未启动、URL 与启动日志不一致 确认opcua-local-server终端正常运行；核对脚本中server_url与启动输出一致
MCP 服务启动报错 环境变量配置错误、OPC UA 服务器未启动 检查OPCUA_SERVER_URL是否正确；确保 OPC UA 服务器已先启动再启动 MCP 服务
Inspector 无法连接 MCP Node.js 版本低于 18、终端目录错误 升级 Node.js 至 18+；确保终端当前目录为opcua-mcp-server
工具函数调用返回空值 节点 ID 输入错误、MCP 未关联正确 OPC UA 节点 通过test_showid.py重新获取节点 ID；检查 MCP 服务配置的 OPC UA 地址是否正确

五、注意事项与优化建议

（一）注意事项

  1. 环境一致性：全程使用同一 Python 版本与依赖管理工具（推荐 uv），避免跨工具导致的依赖冲突；
  2. 服务运行：OPC UA 服务器与 MCP 服务需保持终端持续运行，关闭终端将导致服务中断；
  3. 安全提示：当前搭建为本地测试环境，未启用加密与认证机制，生产环境需配置 OPC UA 证书、MCP 访问权限控制，避免数据泄露或误操作。

（二）优化建议

  1. 自动化部署：编写 Shell/Bat 脚本，整合 "依赖安装 - 服务启动 - 测试验证" 流程，减少手动操作；
  2. 日志增强：在 MCP 服务中添加详细日志（如请求参数、响应结果、错误堆栈），便于问题定位；
  3. 监控告警：集成 Prometheus、Grafana 等工具，监控 MCP 服务与 OPC UA 服务器的运行状态、响应时间；
  4. 功能扩展：根据实际工业场景需求，自定义 MCP 工具函数（如批量读取节点、报警阈值监控等）。

六、项目总结与展望

（一）项目总结

本次项目成功完成本地 MCP 服务的搭建与验证，核心成果包括：1. 部署了 OPC UA 工业模拟服务器，提供标准化工业数据节点；2. 搭建了 Python 版本 MCP 服务，实现 OPC UA 与 MCP 协议的无缝转换；3. 通过 Inspector 工具完成全流程调试，验证了数据读取、写入、节点遍历等核心功能，打通了 MCP 服务与工业服务器的通信链路，为后续 AI 模型接入奠定了坚实基础。

（二）未来展望

  1. 真实设备对接：将当前模拟 OPC UA 服务器替换为真实 PLC 设备，适配工业现场环境，完成实际场景验证；
  2. AI 模型集成：接入 Claude、ChatGPT 等大模型，实现通过自然语言指令控制工业设备；
  3. 高可用部署：基于 Docker 容器化部署 MCP 服务与 OPC UA 服务器，配置集群模式，提升服务稳定性与扩展性；
  4. 安全加固：启用 OPC UA 加密通信（如 SecurityPolicy.Basic256Sha256）、MCP 服务身份认证与权限管控，满足工业级安全要求。
相关推荐
WJX_KOI12 小时前
Open Notebook 一个开源的结合AI的记笔记软件
python
0思必得012 小时前
[Web自动化] 反爬虫
前端·爬虫·python·selenium·自动化
2301_8223827613 小时前
Python上下文管理器（with语句）的原理与实践
jvm·数据库·python
喵手13 小时前
Python爬虫实战：从零搭建字体库爬虫 - requests+lxml 实战采集字体网字体信息数据（附 CSV 导出）！
爬虫·python·爬虫实战·零基础python爬虫教学·csv导出·采集字体库数据·字体库字体信息采集
2301_7903009614 小时前
Python深度学习入门：TensorFlow 2.0/Keras实战
jvm·数据库·python
程序员敲代码吗15 小时前
用Python生成艺术：分形与算法绘图
jvm·数据库·python
Yyyyy123jsjs15 小时前
如何通过免费的外汇API轻松获取实时汇率数据
开发语言·python
喵手15 小时前
Python爬虫实战：GovDataMiner —— 开放数据门户数据集元数据采集器（附 CSV 导出）！
爬虫·python·爬虫实战·python爬虫工程化实战·零基础python爬虫教学·open data·开放数据门户数据集列表
历程里程碑15 小时前
滑动窗口---- 无重复字符的最长子串
java·数据结构·c++·python·算法·leetcode·django
热门推荐
01GitHub 镜像站点02Clawdbot 中文汉化版 接入微信、飞书03OpenCode 入门教程：介绍 · 安装 · 配置第三方 API (如 Claude)042026数学建模美赛题目特点与选题建议，常用四大模型汇总05一种新的LCA算法06Claude Code Skills 实用使用手册07零门槛部署本地 AI 助手：Clawdbot/Meltbot 部署深度保姆级教程08在Trae中使用Pencil MCP09【网络安全测试】Burp Suite工具使用说明、配置及常见问题（有关必回）10如何做一个网站？