“怪物像洋葱一样。”
‍

我们大多数人都听过这句话。
‍

在 《怪物史莱克》中，重点其实不在于洋葱，而在于层次。表面上看起来简单的事物，一旦你了解了其内在，往往会发现它们要有趣得多。
‍

这一点在 Maximo Application Suite 的 AI 解决方案堆栈和平台中正变得愈发明显。
‍

关于 Maximo 中 AI 的大多数讨论都集中在 Maximo Assistant 上，因为这是用户可见的部分。但助手只是更大架构的最外层，该架构还包括 AI 服务、watsonx.ai、MAS 9.2 中引入的全新 MCP 服务器，以及最终的 Maximo Manage 本身。
‍

了解这些层级有助于解释 AI 目前的工作方式、IBM 的未来发展方向，以及在开发解决方案时如何利用该平台。该平台类似于自动化脚本，一旦你了解了其中的奥秘，其可能性几乎是无限的。  

第一层：Maximo Assistant

助手是每个人都能看到的部分。聊天窗口已成为我们与 AI 交互的默认方式，这也是 IBM 在 Manage 中重点展示此功能的原因。它提供了一个对话式界面，允许用户通过自然语言提问、检索信息并与 Maximo 进行交互。  
‍

对于许多组织而言，这将是他们在 MAS 中的首次 AI 体验。它易于理解、解释，且资金投入理由充分。虽然这很可能是用户使用 AI 平台的第一种方式，但这绝非唯一方式。MAS AI 平台能提供的远不止于此。  

第二层：Maximo AI 服务

Maximo AI 服务是助手的核心支撑。
‍

这是连接 Maximo 应用程序与 watsonx.ai 的平台层，旨在为整个套件提供 AI 功能。助手只是依赖于 AI 服务的功能之一。
‍

其他示例包括：

• 故障代码建议

• 字段值建议

• 相似工单识别

• 可靠性策略建议

• Maximo 房地产与设施管理中的租赁摘要
  ‍

AI 服务应被视为平台基础设施，而不仅仅是聊天机器人的附属组件。

第三层：watsonx.ai

AI 服务的底层是 watsonx.ai。
‍

这是大语言模型的运行所在。从宏观层面来看，watsonx.ai 提供的是核心智能，而非聊天机器人本身。当用户与 Maximo 助手交互时，请求最终会通过 AI 服务访问的模型进行处理。IBM 的架构描述了 AI 服务将请求发送至由 watsonx.ai 托管的大语言模型，同时由监督式 AI 代理协调整体交互过程。

第四层：Maximo MCP 服务器

随着 MAS 9.2 的发布，IBM 推出了 Maximo MCP 服务器。
‍

这或许是整个技术栈中最关键的一层。MCP 服务器将 Maximo 的功能转化为 AI 智能体能够发现并调用的工具。
‍

我认为 REST API 是为开发者设计的，而 MCP 则是专为 AI 智能体而生。
‍

当然，AI 确实可以与 REST API 交互，我也见过这种做法。但你需要思考的是，这是否是最佳方案。MCP 服务器为 AI 系统与 Manage 交互提供了一种受控方式，无需暴露整个应用程序的接口。
‍

如果你想深入了解 MCP 服务器，我的同事已经发布了一篇非常棒的、 详尽的博客文章。

为何 MCP 至关重要

Maximo Assistant 只是众多 AI 使用者之一，而 MCP 服务器则能赋能更多的 AI 使用者。
‍

目前可能是 Maximo Assistant。
‍

未来则可能是：

• Microsoft Copilot

• 企业级 AI 助手

• 定制化 Copilot

• 智能体工作流

• 第三方 AI 平台
  

MCP Server 将 Maximo 从一个用户交互式应用程序转变为一个 AI 代理可交互的平台。这不仅仅是添加一个聊天机器人，而是一次重大的架构转型。

应该从哪里开始？

寻找开箱即用的体验？

部署 Maximo Assistant 和 AI Service。这是让用户快速使用 AI 的最快途径。

已有企业级 AI 战略？

升级至 MAS 9.2 并探索 MCP Server。如果您的组织已经拥有 AI 代理或 Copilot，MCP 可能是此版本中最值得关注的功能。

寻找 IBM 的 AI 驱动功能？

部署 AI Service。IBM 目前的大多数 AI 功能都依赖于它，包括故障代码推荐、工单推荐、租赁摘要和 Maximo Assistant。

结语

Maximo Assistant 之所以备受关注，是因为它是用户直观可见且易于理解的层面，演示效果也很好。但更深层的意义在于其底层架构。MCP Server 为 AI 代理与 Maximo 交互提供了一种标准化方式，同时确保 Maximo 依然是实际工作的执行系统，并保持对数据的掌控。
‍

这让我们回到了 史瑞克。洋葱最有趣的地方不在于外皮，而在于了解所有层级是如何协同工作的。
‍

Maximo 中的 AI 也是如此。聊天机器人或许是用户当下的需求，但更具变革性的故事可能正在技术栈的深处上演。