





// 현재 프로젝트의 manufacturing-data.json 워크플로우 예시
{
"센서 데이터 수신": "Webhook → 데이터 분석 → 알림 생성",
"임계값 기반 알림": "온도 > 200°C, 압력 > 3.0 → 즉시 알림",
"배치 추적": "Lot ID 기반 품질 데이터 연동"
}{
"센서 데이터 수신": "Webhook 엔드포인트",
"데이터 분석": "JavaScript 함수로 임계값 검사",
"알림 생성": "조건부 알림 시스템",
"응답 전송": "실시간 피드백"
}{
"메트릭 수집": "CPU, 메모리, 디스크, 네트워크 모니터링",
"상태 분석": "임계값 기반 건강도 평가",
"알림 발송": "이메일, Slack 등 다중 채널 알림",
"보고서 생성": "시스템 상태 요약 리포트"
}// 현재 프로젝트의 manufacturing_consultant 템플릿
{
"전문 분야": [
"제조 공정 최적화 (생산성 향상, 공정 개선)",
"품질 관리 (QC/QA, 불량률 감소, 품질 시스템)",
"안전 관리 (산업 안전, 위험 평가, 안전 교육)",
"장비 관리 (예방 정비, 고장 진단, 장비 선택)",
"생산 계획 (스케줄링, 재고 관리, 납기 관리)"
],
"응답 방식": [
"구체적이고 실행 가능한 해결책 제시",
"관련 법규나 표준이 있으면 함께 언급",
"안전과 관련된 사항은 반드시 강조",
"필요시 단계별 가이드 제공"
]
}# backend/routers/dify_agent.py의 핵심 기능
@router.post("/agents/auto-create/{template_id}")
async def auto_create_agent_from_template(
template_id: str,
name: str,
description: str = ""
):
# 1. Dify 앱 자동 생성
# 2. 앱 설정 구성 (모델, 프롬프트, 도구)
# 3. API 키 자동 생성
# 4. 로컬 에이전트 등록// 현재 구현된 9개 도메인별 전문 AI 에이전트
{
"manufacturing_consultant": "제조업 상담 봇",
"quality_analyst": "품질 분석 전문가",
"safety_manager": "안전 관리 전문가",
"equipment_engineer": "설비 엔지니어",
"cost_optimizer": "원가 최적화 전문가",
"process_analyst": "공정 분석 전문가",
"maintenance_planner": "유지보수 계획가",
"inventory_manager": "재고 관리 전문가",
"production_scheduler": "생산 계획 전문가"
}# 현재 구현된 Context Engineering 시스템
class ContextEngineer:
def create_situation_context(self, params: Dict[str, Any], topic: str) -> str:
"""주제별 상황 인식 컨텍스트 생성"""
if topic == "experimental_design":
return self._create_experimental_design_context(params)
elif topic == "process_analysis":
return self._create_process_analysis_context(params)
elif topic == "cost_management":
return self._create_cost_management_context(params)
// 실시간 시뮬레이션 파라미터 전달
simulationParams={{
activeTab: activeTab,
hasData: !!data,
dataInfo: dataInfo,
uploadedFileName: uploadedFile?.name,
selectedColumns: selectedColumns,
correlationThreshold: correlationThreshold,
selectedColumn: selectedColumn,
chartType: chartType,
preprocessingCompleted: !!preprocessingResult,
isAnalyzing: isAnalyzing,
isPreprocessing: isPreprocessing
}}// 생산 현장 실시간 데이터 예시
{
"production_context": {
"current_lot": "LOT-2024-001",
"equipment_status": {
"reactor_01": "running",
"reactor_02": "maintenance",
"reactor_03": "idle"
},
"quality_metrics": {
"temperature": 185.5,
"pressure": 2.3,
"purity": 98.2,
"yield": 94.8
},
"alerts": [
"reactor_01_temperature_high",
"reactor_02_maintenance_due"
],
"production_schedule": {
"current_phase": "reaction",
"time_remaining": "2h 15m",
"next_phase": "cooling"
}
}
}// 실시간 모니터링 데이터
{
"monitoring_context": {
"sensor_data": {
"temperature_sensors": [185.5, 187.2, 183.8],
"pressure_sensors": [2.3, 2.4, 2.2],
"flow_rates": [150, 148, 152],
"vibration_levels": [0.2, 0.3, 0.1]
},
"anomaly_detection": {
"anomalies_detected": 2,
"severity_levels": ["medium", "low"],
"recommended_actions": [
"check_temperature_control",
"schedule_maintenance"
]
},
"performance_metrics": {
"oee": 87.5,
"uptime": 94.2,
"quality_rate": 96.8
}
}
}// 품질 관리 실시간 데이터
{
"quality_context": {
"current_batch": {
"batch_id": "BATCH-2024-001",
"sample_count": 150,
"defect_count": 3,
"defect_rate": 2.0,
"quality_score": 98.0
},
"quality_trends": {
"last_24h_defect_rate": 1.8,
"weekly_average": 2.1,
"monthly_trend": "improving"
},
"quality_alerts": [
"defect_rate_increasing",
"sample_quality_degrading"
]
}
}