자유형 항공우주 부품의 고정밀 CNC 가공은 검사, 시뮬레이션 및 공정 지식을 기반으로 한 경계된 보상을 필요로 합니다. 오프더셰프 대형 언어 모델 (LLM) 어시스턴트는 텍스트를 생성할 수 있지만, 위험에 제약된 다단계 수치 워크플로우를 신뢰성 있게 실행하거나 고위험 의사결정에 대해 감사 가능한 출처를 제공하지는 않습니다. 우리는 물리 기반 다중 에이전트 지식 분석 (MAKA) 을 제시합니다. MAKA 는 인간이 루프에 있는 의사결정 지원 아키텍처로, 의도 라우팅, 도구 전용 정량적 분석, 지식 그래프 검색 및 추천이 인간 승인에 표시되기 전에 물리적 타당성, 안전 한계 및 출처 완성을 강제하는 비평가 기반 검증으로 분리됩니다. MAKA 는 16 개의 날개에서 스캔 기반 3D 검사 편차 맵을 가상 가공 경로 추적 오차 필드, 절단 힘 및 변형 시뮬레이션과 융합하여 Ti-6Al-4V 로터 블레이드 가공 테스트베드에서 인스턴스화됩니다. 분석은 편차를 증거 연결된 패싱 구성 요소, 부품에 대한 체계적 진화를 포착하는 드리프트 기반 마모 프로кси, 잔류 시스템 준수 항 및 불안정성 인식 상향식을 위한 변동성 프로кси로 분해합니다. 단일 단계부터 ≥3 단계 상태ful 시퀀스까지의 3 레벨 도구 오케스트레이션 벤치마크에서 MAKA 는 동일한 도구 접근을 가진 구조화되지 않은 단일 모델 상호작용 패턴에 비해 성공적인 도구 실행을 최대 87.5 퍼센트 포인트 개선합니다. 디지털 트윈 what-if 연구는 MAKA 가 시뮬레이션 환경 내에서 날개의 대부분에서 예측 표면 편차를 순서 $10^{-2}$in 에서 약 $\−10^{-3}$in 으로 줄이는 추적 가능한 보상 후보를 조정할 수 있음을 보여줍니다, 위험에 대한 인식을 가진 인간 의사결정 지원을 위한 사전 배포 검증 신호를 제공합니다.