用AI代理和MCP协议让电网仿真更智能、可审计、易协作。
Orchestrating Power Grid Studies with Multi-Agent AI and MCP Servers
- 通过MCP协议连接大模型与电网仿真工具，实现标准化调用。
- 开发pypowsybl-mcp接口，支持代理自动配置仿真、执行分析。
- 适合电网研究者、系统工程师，提升仿真流程自动化水平。
本文探讨了在输电系统运营商（TSO）背景下，如何利用智能体人工智能（Agentic AI）与模型上下文协议（MCP）支持电网研究。重点在于将大语言模型与数值仿真工具、结构化工作流及人工监督相结合。文中识别了工业界对代理辅助电网研究的关键需求，并提出pypowsybl-mcp——一个基于MCP的接口，将仿真工具pypowsybl的部分能力暴露给AI代理。该初步工作提供了一个试验平台，用于研究代理如何通过标准化工具调用，完成仿真设置、分析执行、结果获取及与电力系统仿真器交互。同时讨论了人机协同、多智能体工作流的设计原则，并提出了结合技术指标与从业者反馈的评估策略。论文认为，基于MCP的工具集成是迈向更交互、可审计、可扩展电网研究环境的重要一步。
原文摘要 · Abstract (English)
This position paper explores how Agentic AI and Model Context Protocol (MCP) can support power-grid studies in a Transmission System Operator (TSO) context. We focus on integrating Large Language Models with numerical simulation tools, structured workflows, and human supervision. We identify key industrial requirements for agent assisted grid studies and introduce pypowsybl-mcp, an MCP-based interface exposing selected capabilities of our simulation tool, pypowsybl to AI agents. This first step provides a testbed to study how agents can setup simulations, execute analyses, retrieve results, and interact with power-system simulators through standardized tool calls. We also discuss principles for human-in-the-loop, multi-agent workflows and outline an evaluation strategy combining technical metrics and practitioner feedback. The paper positions MCP-based tool integration as a step toward more interactive, auditable, and scalable grid-study environments.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。