帮助分析设备综合效率,拆解损失因素并生成图表洞察。
该 MCP 工具公开材料较少,但从已知信息看未要求密钥、未声明远程端点,主要风险集中在其作为本地可执行工具的固有执行能力以及源码不可审计带来的可见性不足。鉴于其来自官方 Registry 且近一年内有更新,整体更适合评为中低风险、需留意而非高风险。
材料明确注明无需密钥或环境变量,未见要求提供 API token、账号凭证或其他敏感认证信息,因此凭证泄露与滥用面较低。
已知信息中未声明任何远程端点 host,材料也未描述向外部服务上传用户数据或遥测回传;基于现有事实,未见明确的数据外发路径。
系统检查项明确标记为 executes-code,说明该 MCP 具备在本机执行代码/进程的能力;这属于此类工具的常规能力,当前材料未显示超出其 OEE 计算与图表功能所需的异常系统权限,因此评为需留意。
描述仅提到 OEE 因子、waterfall、six losses 与图表功能,未明确声明需要读取/写入哪些本地文件、数据库或系统资源;但作为本地执行的 MCP 工具,其实际数据访问边界在无源码、无 README 情况下可见性有限,建议按最小权限使用。
正面因素是来源于官方 Registry 且近一年内有更新;但无开源仓库、无许可证声明、社区采用度很低(0 star),导致源码与依赖不可审计、供应链透明度不足。综合来看应为需留意,而非仅凭闭源直接判高风险。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.arikanatakan/oee-mcp" MCP 服务: 执行:claude mcp add io-github-arikanatakan-oee-mcp -- npx -y oee-mcp
该资产暂无文档说明
可前往源码仓库查看用法与示例。
通过 MCP 接入 DCS/SCADA 数据,监测工业过程异常并提供分析与优化建议