用 WorkBuddy 接入 ERP 追踪销售订单 SO

 

 

从一条查询指令说起

 

设想这样一个场景：销售人员在对话框里输入"SOxxxx 这个订单现在执行到哪一步了"，几秒钟后系统直接给出履约进度、异常提示。这条看似简单的链路，背后跑的是一套完整的 MCP 架构。本文以 WorkBuddy 连接 AIERP 为例，把整条数据流和架构设计掰开讲清楚，顺带聊聊 MCP Server 对 ERP 行业的长期影响。

 

一次订单查询的完整数据流

 

用户发出自然语言指令后，数据会经历这样一趟旅程：

 

 

User --> 交互入口 : 自然语言：查询SOxxxx订单进度

 

 

 

交互入口 --> AIERP宿主(MCP Host) : 携带账号+权限+文本指令

 

 

 

意图解析大模型 --> MCP_Client : 生成MCP工具调用指令

 

 

 

MCP_Client --> AIERP_MCP_Server : MCP标准协议请求

 

 

 

AIERP_MCP_Server --> AIERP数据库 : 多表关联查询(权限放行后)

 

 

 

AIERP数据库 --> AIERP_MCP_Server : 返回订单结构化原始数据

 

 

 

AIERP_MCP_Server --> MCP_Client : MCP封装数据回传

 

 

 

MCP_Client --> 意图解析大模型 : 送入大模型上下文

 

 

 

意图解析大模型 --> 输出层 : 润色文案+异常预警+组装视图

 

 

 

输出层 --> User : 展示订单履约进度

 

 

把这条链路拆开看，参与的角色包括：用户交互端、负责意图拆解的 AIERP 大模型、MCP Client、承担权限校验和安全取数职责的独立 MCP Server、执行多表联查的 AIERP SQL 数据库。数据查出来之后再按原路回流，先到 MCP Server，再到 MCP Client，交还大模型整合，最后由前端呈现订单进度，同时留存审计日志备查。

 

先看传统 ERP 是怎么对接 AI 的

 

理解 MCP 的价值，最好先看看没有它时的做法。传统模式下只能走"大模型 + 开放 API"这条路：

 

 

1. 用户发起对话，请求送至第三方 AI 模型；
2. AI 调用 ERP 暴露的开放 API；
3. ERP 的 API 网关校验权限，再触发内部逻辑取数；
4. 数据返回给 AI 整理；
5. AI 把结果回复给用户。

 

 

这条链路的问题不少。各家 AI 厂商的调用格式各不相同，每换一家就得重新适配一遍；API 与 ERP 耦合紧密，单据结构一调整接口就得跟着改；AI 也无法动态发现 ERP 新增的业务能力，能力扩展总是慢半拍。

 

两种架构放在一起对比

 

环节	AIERP MCP 架构	普通 ERP + API 对接 AI
协议标准	MCP 通用协议，可对接任意 AI	私有 API，绑定单一 AI 服务商
权限控制	MCP 独立进程统一鉴权，隔离数据库	API 网关鉴权，权限嵌入 T100 内部
扩展能力	MCP 新增查询工具，AI 自动感知无需改造	新增查询功能必须更新 AI 函数配置
数据安全性	MCP 隔离数据库，只放行白名单 SQL	API 可穿透调用大量业务接口，暴露面更大

 

差异可以归纳成四句话：协议上，MCP 是通用标准，谁家的 AI 都能接，私有 API 则把企业绑死在某一家服务商身上；权限上，MCP 用独立进程做统一鉴权，把数据库隔离在外，传统方式则把权限逻辑埋在系统内部；扩展上，MCP 加一个查询工具 AI 就能自动感知，不用动 AI 侧配置，传统方式每加一个查询都要改函数配置；安全上，MCP 只放行白名单 SQL，而开放 API 能穿透调用大量业务接口，暴露面明显更大。

 

这套架构的四个设计亮点

 

解耦。AI 大模型不必去对接 AIERP 的各种异构接口，只需要面对 MCP Server 这一套标准，接入成本大幅下降。

 

安全隔离。AI 在任何情况下都接触不到 AIERP 生产数据库，所有取数动作都经 MCP 代理管控，数据库Credential不出门。

 

可扩展。后续要做客户回款查询、采购进度跟踪、成本分析，只需在 MCP 里新增对应的 Tool，AI 侧零改造。

 

权限复用。直接沿用 AIERP 原有的组织权限体系，MCP 拿 AIERP 账号权限直接用，省去了二次搭建权限系统的工作量。

 

往远处看：单体 ERP 会被拆碎吗

 

一个中长期判断是：传统厚重单体 ERP 会被拆解、碎片化，变成一组可被 AI 自由调用的标准化 API 能力集合。但拆解不等于消失，而是形态重构，不会把 ERP 内核全盘肢解，走的是"ERP 底座解耦 + AI 编排调用"的路线。

 

这个方向已经在行业里落地。现代 ERP 架构大多从单体演进为三层结构：

 

 

• 业务能力层（微服务化）：财务核算、MRP 运算、应收管理、库存管理各自独立成服务，对外输出 REST/GraphQL API；
• 统一数据底座：客户、物料、供应商等主数据连同交易数据全部汇入数据中台，开放查询 API；
• 应用编排层：业务流程不再由 ERP 自带页面决定，改由 AI、低代码、RPA 自由组合接口编排而成。

 

 

AI 时代的分工也因此改变。ERP 退化为可信的规则引擎加合规记账底座，不再包揽所有流程，专心守住会计准则、内控规则、成本逻辑和税务校验；AI 站到台前，成为流程编排者、决策者和交互入口；ERP 只通过 API 输出可执行的标准化业务能力，接受 AI 指令并执行，保证每笔业务合规可追溯。

 

一句话概括：ERP 保留核心规则内核，外围业务能力拆成 API 对外开放。

 

订单追踪只是这条演进路径上的第一个落点。如果你正在为团队评估企业级 AI Agent 的选型与落地，可以直接找云巴巴聊聊。云巴巴是腾讯云 AI 智能体示范伙伴、腾讯 WorkBuddy 核心伙伴及官方授权服务中心，汇聚了 WorkBuddy、千问办公、TRAE Work 等多家主流 Agent 工具与方案，能结合你的数据边界、任务形态和团队能力，从选型对比、方案验证到陪跑落地提供一站式服务。欢迎咨询云巴巴，获取专属的 Agent 实施落地方案。