MCP servers and Claude Code skills for DotZero manufacturing execution systems (MES).

/plugin marketplace add dotzero-ai/dz-ai
/plugin install dotzero@dz-ai

Restart Claude Code after install, then run auth_login to authenticate.

To update later:

/plugin update dotzero@dz-ai

Counts come from the tool registrations, not from hand-editing this table. The gateway (@dotzero.ai/dotzero-mcp — 6 startup tools plus dynamic loading) proxies the servers above, so it is not added to the total.

Works with any AI Agent that supports curl/WebFetch, no MCP required:

Install via Claude Code's built-in plugin system. Supports one-command updates.

/plugin marketplace add dotzero-ai/dz-ai
/plugin install dotzero@dz-ai          # Full plugin (MCP Servers + Skills)
/plugin install dotzero-skills@dz-ai   # Skills only (REST API, no Node.js required)

To update:

/plugin update dotzero@dz-ai

Registers MCP servers directly without the plugin system:

npx @dotzero.ai/setup

Creates .dotzero/config.json and updates .gitignore. Restart Claude Code after running.

Syntax is claude mcp add <name> [-e KEY=value ...] -- <command> [args...]. The -- separator is required: everything after it is the command Claude Code runs.

# Auth
claude mcp add dotzero-auth \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/auth-mcp

# Work Order
claude mcp add dotzero-workorder \
  -e WORK_ORDER_API_URL=https://work-order-api.dotzero.app \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/work-order-mcp

# SPC
claude mcp add dotzero-spc \
  -e SPC_API_URL=https://dotzerotech-spc-backend.dotzero.app \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/spc-mcp

# Equipment
claude mcp add dotzero-equipment \
  -e EQUIPMENT_API_URL=https://dotzerotech-equipment-api.dotzero.app \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/equipment-mcp

# Device Topology
claude mcp add dotzero-device-topology \
  -e DEVICE_TOPOLOGY_API_URL=https://dotzerotech-device-topology.dotzero.app \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/device-topology-mcp

# OEE
claude mcp add dotzero-oee \
  -e OEE_API_URL=https://dotzerotech-oee-api.dotzero.app \
  -e USER_API_URL=https://user-api.dotzero.app \
  -- npx -y @dotzero.ai/oee-mcp

# Export (no env vars needed)
claude mcp add dotzero-export -- npx -y @dotzero.ai/export-mcp

Verify with claude mcp list. Restart Claude Code after adding servers.

For AI Agents that don't support MCP, use the REST API skills in skills-only/.

All DotZero services require authentication with a tenant_id.

auth_login(email: "user@example.com", password: "password", tenant_id: "your-tenant")

# Secure mode (password prompted, not saved in shell history)
./scripts/dotzero-login.sh user@example.com your-tenant-id

# Legacy mode (password visible in history)
./scripts/dotzero-login.sh user@example.com password your-tenant-id

Credentials are stored in .dotzero/credentials.json (auto-created on login, permissions set to owner-only).

# Get valid token (auto-refresh if expired)
./scripts/dotzero-token.sh get

# Check token status
./scripts/dotzero-token.sh check

Important: Add .dotzero/ to your .gitignore.

Default is production. Every server's built-in URL is *.dotzero.app — that domain is production. Set DOTZERO_ENV before launching Claude Code to point them all elsewhere:

DOTZERO_ENV=staging claude   # every dotzero-* server reads *.staging.dotzero.tech
DOTZERO_ENV=prod    claude   # explicit production (same as leaving it unset)

• Only .dotzero.app hosts are rewritten — an explicit *_API_URL (localhost, a preview deploy, an in-cluster address) is left untouched.
• An invalid value fails loudly instead of quietly reading production.
• Credentials are per environment: credentials.json for prod, credentials.staging.json for staging — a staging login no longer clobbers your prod token.
• Requires @dotzero.ai/shared 1.3.0+ (published 2026-08-21); the servers pull the latest automatically via npx -y.

Why it exists: without it, verifying an app on staging while asking these tools for the "real" numbers silently compares two different environments — the same query returned 315 work orders on staging and 307 on production, 277 devices vs 274, while other services (SD, WMS) returned byte-identical data. Some services share data across environments and some don't, so the mismatch is invisible until it makes you chase a bug that isn't there.

以下是常見的使用情境，展示如何用自然語言讓 AI 幫你操作 DotZero 系統。

你可以這樣問： 「目前有哪些正在進行中的工單？」

AI 會做的事： 呼叫 workorder_list，以狀態 = 進行中篩選

回覆範例： 目前有 3 張進行中的工單：

工單編號	產品	數量	開始時間
WO-2026-001	齒輪 A	500	2026-02-06
WO-2026-003	軸承 B	200	2026-02-07
WO-2026-005	外殼 C	1000	2026-02-08

你可以這樣問： 「幫我建一張工單，產品編號 GEAR-A，數量 500，交期 2/28」

AI 會做的事： 呼叫 workorder_create 建立工單，設定數量和交期

回覆範例： 已建立工單 WO-2026-012：

• 產品：GEAR-A（齒輪 A）
• 數量：500
• 交期：2026-02-28
• 狀態：未開始

你可以這樣問： 「WO-2026-001 的詳細資訊，包含產品和工序」

AI 會做的事： 呼叫 workorder_details 取得工單、產品、途程和工序明細

回覆範例： 工單 WO-2026-001

• 產品：齒輪 A（GEAR-A）
• 數量：500（已完成 320）
• 途程：齒輪標準流程（4 道工序）
  1. 切削 → 已完成
  2. 熱處理 → 進行中（機台 CNC-03）
  3. 研磨 → 未開始
  4. 品檢 → 未開始

你可以這樣問： 「這週的生產進度報告」

AI 會做的事： 呼叫 production_summary 或 workorder_dashboard 取得本週彙總

回覆範例： 本週生產報告（2/3 – 2/8）

• 完成工單：12 張
• 進行中：5 張
• 總產量：8,500 件
• 良率：97.2%
• 較上週 +5.3%

你可以這樣問： 「哪位作業員效率最高？」

AI 會做的事： 呼叫 worker_efficiency_ranking 取得效率排名

回覆範例： 本月作業員效率排名：

排名	姓名	完成數量	效率
1	王大明	1,250 件	105%
2	李小華	1,180 件	98%
3	張志豪	1,050 件	92%

你可以這樣問： 「目前有哪些 SPC 量測項目？」

AI 會做的事： 呼叫 spc_measure_config_list 列出量測設定

回覆範例： 目前有 8 個量測項目：

名稱	規格	上限	下限	量測方式
外徑	50.00mm	50.05	49.95	自動
內徑	30.00mm	30.03	29.97	手動
表面粗度	Ra 1.6	1.8	—	手動

你可以這樣問： 「齒輪 A 的外徑 Cpk 分析結果」

AI 會做的事： 呼叫 spc_statistics_capability 計算 Cpk 及相關指標

回覆範例： 齒輪 A — 外徑 Cpk 分析

• Cp：1.85（製程能力充足）
• Cpk：1.52（製程穩定偏中）
• 平均值：50.01mm
• 標準差：0.009mm
• 判定：✅ Cpk ≥ 1.33，製程能力合格

你可以這樣問： 「幫我上傳這批量測數據：外徑 50.02, 50.01, 49.98, 50.03, 50.00」

AI 會做的事： 呼叫 spc_history_batch_upsert 批次寫入量測紀錄

回覆範例： 已成功上傳 5 筆量測數據：

• 量測項目：外徑
• 數據：50.02, 50.01, 49.98, 50.03, 50.00
• 平均值：50.008mm（規格內 ✅）
• 全部在管制範圍內，無異常警報

你可以這樣問： 「目前所有機台的狀態」

AI 會做的事： 呼叫 equip_machine_status_realtime_batch 取得即時狀態

回覆範例： 機台即時狀態：

機台	狀態	運行時間	目前工單
CNC-01	🟢 運轉中	4h 32m	WO-2026-001
CNC-02	🟡 閒置	—	—
CNC-03	🟢 運轉中	2h 15m	WO-2026-003
CNC-04	🔴 告警	—	WO-2026-005

你可以這樣問： 「今天有哪些設備告警？」

AI 會做的事： 呼叫 equip_alarm_list 以今天日期範圍篩選

回覆範例： 今日告警紀錄（2 筆）：

時間	機台	告警代碼	說明	狀態
09:15	CNC-04	ALM-012	主軸過熱	處理中
14:30	CNC-02	ALM-007	油壓異常	已復歸

你可以這樣問： 「CNC-01 今天的產量多少？」

AI 會做的事： 呼叫 equip_machine_status_part_counts 取得產量資料

回覆範例： CNC-01 今日產量：

• 總產量：285 件
• 良品：278 件
• 不良品：7 件
• 良率：97.5%
• 預計完成時間：17:30

你可以這樣問： 「列出工廠的完整設備架構」

AI 會做的事： 呼叫 topo_topology_all 取得完整階層樹

回覆範例： 設備拓撲架構：

📍 台中廠
  ├── 加工產線 A
  │   ├── CNC-01（CNC 車床）
  │   ├── CNC-02（CNC 銑床）
  │   └── CNC-03（CNC 車床）
  ├── 加工產線 B
  │   ├── CNC-04（CNC 車床）
  │   └── CNC-05（CNC 銑床）
  └── 組裝產線
      ├── ASM-01（自動組裝機）
      └── ASM-02（自動組裝機）

你可以這樣問： 「在台中廠新增一條 '品檢產線'」

AI 會做的事： 呼叫 topo_line_create，指定工廠和產線名稱

回覆範例： 已成功新增產線：

• 名稱：品檢產線
• 所屬工廠：台中廠
• 狀態：啟用
• 目前設備數：0（可開始新增設備）

你可以這樣問： 「列出所有告警代碼」

AI 會做的事： 呼叫 topo_alarm_code_list 取得告警代碼

回覆範例：

代碼	名稱	等級	說明
ALM-001	急停	嚴重	操作員按下急停按鈕
ALM-007	油壓異常	警告	油壓系統壓力超出範圍
ALM-012	主軸過熱	嚴重	主軸溫度超過 85°C

你可以這樣問： 「CNC-01 的 OEE 是多少？」

AI 會做的事： 呼叫 oee_device 取得該設備的 OEE 三大指標

回覆範例： CNC-01 OEE 分析：

• 稼動率（Availability）：92.5%
• 良率（Quality）：97.8%
• 效能（Performance）：88.3%
• OEE：79.9%
• 判定：⚠️ 略低於目標 85%，主要瓶頸在效能

你可以這樣問： 「加工產線 A 的稼動率」

AI 會做的事： 呼叫 oee_availability_line 取得產線稼動率

回覆範例： 加工產線 A 稼動率：90.1%

機台	稼動率	計畫停機	非計畫停機
CNC-01	92.5%	30 min	15 min
CNC-02	85.3%	30 min	58 min
CNC-03	92.6%	30 min	12 min

你可以這樣問： 「比較所有 CNC 機台的良率」

AI 會做的事： 呼叫 oee_quality_devices 取得多設備良率

回覆範例： CNC 機台良率比較：

機台	良率	良品	不良品
CNC-01	97.8%	278	6
CNC-02	99.1%	215	2
CNC-03	95.2%	198	10
CNC-04	98.5%	302	5

⚠️ CNC-03 良率偏低，建議檢查刀具狀態

你可以這樣問： 「幫我做今天加工產線 A 的日報」

AI 會做的事： 綜合呼叫多個服務 — workorder_list 取得工單進度、equip_machine_status_realtime_batch 取得機台狀態、oee_line 取得 OEE、equip_alarm_list 取得告警

回覆範例： 加工產線 A 日報（2026-02-08）

📊 生產概況

• 完成工單：3 張 / 進行中：2 張
• 今日產量：856 件（目標 900）— 達成率 95.1%

🏭 OEE：82.3%

• 稼動率 90.1% / 良率 97.2% / 效能 94.1%

⚠️ 異常紀錄

• CNC-04 主軸過熱（09:15，已處理）
• CNC-02 閒置超過 1 小時（待排工單）

你可以這樣問： 「為什麼 CNC-03 效率這麼低？」

AI 會做的事： 綜合呼叫 oee_device 查 OEE、equip_alarm_list 查告警、equip_idle_list 查閒置、equip_machine_status_history 查歷史狀態

回覆範例： CNC-03 效率分析：

🔍 OEE：71.2%（目標 85%）

• 稼動率 85.3%（⚠️ 低）
• 良率 95.2%（⚠️ 偏低）
• 效能 87.5%

📋 原因分析：

1. 今日 3 次告警（ALM-012 主軸過熱 ×2、ALM-015 刀具磨損 ×1）
2. 非計畫停機共 58 分鐘
3. 不良品偏高（10 件），集中在 10:00-11:00

💡 建議： 檢查主軸冷卻系統、更換刀具

你可以這樣問： 「列出所有需要注意的異常狀況」

AI 會做的事： 綜合查詢 equip_alarm_list 設備告警、oee_devices 找出 OEE 偏低的機台、workorder_list 找出逾期工單、abnormal_history_list 異常歷史紀錄

回覆範例： ⚠️ 需要注意的異常狀況：

🔴 設備告警（2 件）

• CNC-04 主軸過熱 — 處理中
• CNC-02 油壓異常 — 已復歸，建議追蹤

🟡 OEE 偏低（1 台）

• CNC-03 OEE 71.2%（低於目標 85%）

🟠 工單逾期風險（1 張）

• WO-2026-005 交期 2/10，目前進度 62%

✅ 其餘設備和工單運作正常

export-mcp 是純渲染引擎，不需認證即可使用。搭配其他 DotZero 服務取得資料後，用 export-mcp 產出圖表或匯出檔案。

你可以這樣問： 「幫我畫 CNC-01 的 OEE 分解圖」

AI 會做的事： 先呼叫 oee_device 取得 OEE 數據（JSON），再呼叫 chart_oee_breakdown 產生圖表

回覆範例： 已產生 OEE 分解圖：

• 稼動率：92.5%
• 良率：97.8%
• 效能：88.3%
• OEE：79.9%
• 圖表已儲存至 .dotzero/exports/chart-oee-breakdown-2026-02-08T14-30-00.png

（附帶 PNG 圖片）

你可以這樣問： 「畫一張外徑的 SPC 管制圖」

AI 會做的事： 呼叫 spc_measure_history_manufacture 取得量測值，呼叫 spc_statistics_capability 取得 UCL/CL/LCL，再呼叫 chart_control 產生管制圖

回覆範例： 已產生管制圖（30 個量測點）：

• UCL：50.15 CL：50.00 LCL：49.85
• 2 個點超出管制上限（以紅色標示）
• 圖表已儲存至 .dotzero/exports/chart-control-chart-2026-02-08T14-35-00.png

你可以這樣問： 「把這週的工單匯出成 Excel」

AI 會做的事： 呼叫 workorder_list 取得工單資料（JSON），再呼叫 export_table_from_json 自動轉為 XLSX

回覆範例： 已匯出 15 筆工單至 Excel：

• 檔案：.dotzero/exports/export-workorders-2026-02-08T14-40-00.xlsx
• 欄位：工單編號、產品、數量、狀態、開始時間、交期

你可以這樣問： 「把產量統計匯出成 CSV」

AI 會做的事： 呼叫 production_summary 取得數據，再呼叫 export_csv 或 export_table_from_json 產生 CSV

回覆範例： 已匯出 42 筆產量數據至 CSV：

• 檔案：.dotzero/exports/export-production-summary-2026-02-08T14-45-00.csv

你可以這樣問： 「幫我做一張包含 OEE 儀表、產量長條圖、不良品圓餅圖的 dashboard」

AI 會做的事： 呼叫 chart_multi 產生多圖表組合

回覆範例： 已產生 Dashboard（3 張圖表，grid 排列）：

1. OEE 儀表：78.5%
2. 產量長條圖：Line A 1,200 / Line B 980 / Line C 1,150
3. 不良品分佈：表面瑕疵 45% / 尺寸偏差 30% / 其他 25%

你可以這樣問： 「把剛才的數據畫成圖表」

AI 會做的事： 呼叫 chart_from_json，自動偵測資料格式並選擇合適圖表類型

回覆範例： 偵測到 OEE 數據格式，自動產生 OEE 分解圖。

• 圖表已儲存至 .dotzero/exports/chart-auto-chart-2026-02-08T14-50-00.png

No authentication required. Export MCP is a pure rendering engine — it generates charts and files from data you provide. Use it alongside other DotZero tools in a two-step workflow: (1) fetch data with response_format: "json", (2) pass the data to an export tool.

• Node.js >= 18
• Claude Code >= 1.0.0
• A DotZero account with tenant_id

Proprietary. See LICENSE for details.

• Documentation
• Issues
• Email: support@dotzero.app