使用说明
✈️ 航空公司燃油优化代理
AWS线束-对齐|MCP集成|操作安全|经过阴影测试
👤 作者
曼苏尔 瓦尼
📧 mansoor.wani@iust.ac.in
🔗 https://github.com/mansoorkmr
📌 执行摘要
该项目实施了一个机构级的概念验证航空公司燃料优化代理。
系统分析：
- 飞行计划数据
- 气象信号
- 飞机性能模型
- 作战空域限制
它产生：
- 符合法律规定的巡航高度优化
- 燃油节省估算（kg和%）
- 符合MCP的操作建议
- 车队级成本和年度财务预测
- 阴影模式回溯测试分析
此架构与AWS Strands风格的编排和MCP事件驱动集成保持一致。
🎯 问题陈述
航空公司燃料是最大的运营成本组成部分。巡航高度选择的小幅改进可以在整个机队范围内节省大量成本。
然而，优化必须尊重：
- 天气情况
- 飞机性能限制
- ATC操作限制
- 合法空域限制
- 调度治理
挑战在于构建一个确定性、可审计、操作安全的优化代理。
🏗 系统架构
完整图表：
docs/architecture/ARCHITECTURE-DIAGRAM.md
🔄 高水位流量
Flight Data
↓
Optimization Workflow (Strands-style orchestration)
↓
Fuel Model + Constraints
↓
MCP Recommendation
↓
Shadow Analytics
↓
Fleet Financial Summary
🧱 核心架构层
- 域层（不可变飞行模型）
- 摄入层（CSV抽象）
- 服务层（天气+飞机）
- 约束引擎（ATC合法性）
- 优化引擎（确定性）
- 工作流编排器（Strands抽象）
- MCP发布器（结构化事件发布）
- 阴影分析器（回溯测试和舰队投影）
AWS SDK调用中没有嵌入任何业务逻辑。核心逻辑与平台无关。
🚀 核心能力
4.1数据摄入
- 从CSV接收飞行计划
- 气象抽象层
- 飞机性能建模
- 配置驱动的文件路径
未来扩展：真实METAR/TAF API摄入（NOAA/AWX）
4.2确定性燃料优化
优化器：
- 使用配置驱动的候选高度
- 应用风惩罚系数
- 计算每个高度的燃料燃烧量
- 选择最低燃油选项
- 强制执行操作合法性
优化是：
- 确定性的
- 可审计的
- 无状态
- 可复现的
4.3操作约束引擎
实施合法性验证：
- 受限空域摄入
- ATC LOA高度限制
- 基于细分市场的执法
如果燃油最佳高度违反合法性：
- 优化被拒绝
- 理由已记录
- MCP反映约束拒绝
这确保了操作合规性。
4.4阴影模式（反向测试引擎）
影子模式支持生产安全验证：
- 回放历史飞行计划
- 计算“推荐值与实际值”
- 测量燃料增量
- 汇总车队影响
输出：
- 节省的燃油总量
- 节省百分比
- 预计每年节省燃料
- 美元成本节约
- 车队级影响总结
影子模式允许在操作部署之前进行验证。
4.5 MCP集成
输出符合MCP的事件结构：
{
"event_type": "AIRLINE_FUEL_OPTIMIZATION_RECOMMENDATION",
"impact": {
"fuel_saved_kg": 320,
"fuel_saved_percent": 4.17
}
}
设计用于：
- 任务控制摄入
- EventBridge主题发布
- 基于队列的操作工作流
目前仅播出。计划双向ACK/NACK循环。
☁️ AWS线束对齐
虽然在本地实施，但架构直接映射到：
- AWS Lambda（无状态计算）
- AWS步骤功能（状态编排）
- EventBridge（MCP排放）
- S3（审计存储）
- CloudWatch（可观察性）
工作流抽象：
app/workflow/strands_state_machine.py
业务逻辑中没有硬编码的AWS SDK。
⚙️ 配置抽象
所有运行时行为都外部化为：
config.ini
部分：
- 优化
- 天气
- 舰队
- 执行
- 日志记录
- 路径
没有硬编码的业务常量。
💰 车队财务建模
车队指标包括：
- 每次飞行节省燃油
- 每公斤成本
- 每日航班
- 每年工作天数
- 年化储蓄
例子：
320 kg per flight × 100 flights/day × 365 days × 0.85 USD/kg
→ Significant annual cost reduction
这将系统从技术演示转移到与执行相关的解决方案。
🧪 测试和工程质量
- 优化器逻辑的单元测试
- 的确定性行为
- 配置驱动的候选高度
- 已测试约束验证
- CI就绪结构
- 分层体系结构
- 无隐藏状态
测试示例：
tests/test_optimizer.py
运行：
pytest
▶️ 执行模式
通过配置 config.ini
模式：
- 本地
- 阴影
阴影模式启用舰队级投影。
运行：
python -m app.main
输出：
- 飞行高度层MCP JSON
- 审核JSON
- 车队摘要JSON
🏭 生产准备考虑因素
转到生产：
- 用实时METAR/TAF摄入代替模拟天气
- 引入MCP ACK/NACK环路
- 添加实时调度员UI
- 实施成本指数建模
- 添加CI/CD部署
- 添加容器化（Docker）
⚠️ 局限性
- 当前模拟天气
- 无横向路线优化
- 无实时ATC集成
- 无ML预测烧伤模型
为清楚起见，特意记录。
🔮 可扩展性路线图
未来的增强功能：
- 实时NOAA天气API
- 机器学习燃料建模
- 动态重新调度引擎
- 湍流感知高度建模
- 实时调度仪表板
- 多机机队优化
📁 仓库结构
app/
core/
domain/
ingestion/
services/
constraints/
optimization/
workflow/
mcp/
shadow/
reporting/
docs/
architecture/
decisions/
runbooks/
tests/
config.ini
🏁 结论
该项目展示了：
- 工程学科
- 操作安全意识
- 财务影响建模
- AWS对齐架构
- 确定性优化逻辑
- 企业级模块化设计
它通过引入以下内容超过了基线POC要求：
- 约束执行
- 阴影模式验证
- 车队级财务分析
- 配置抽象
- CI就绪结构
Institutional-grade optimization logic with operational safety and executive visibility.
