agent-mcp-">老系统接入AI：Agent、MCP与模型概念解析

一、概念定义：AI接入老系统的五大核心组件

在企业推进智能化升级的过程中，“让AI深入老业务系统”与“上一套全新的AI系统”有着本质区别。前者是采购与替换问题，而后者是复杂的工程改造问题。要解决这一工程问题，首先需要厘清Agent、Skill、MCP、CLI、Model这五个核心技术概念的准确定义及其协作关系。

我们将这套AI技术栈比作一支新入职企业的数字化团队：

• Model（大模型）：扮演“大脑”角色。它是推理与生成引擎，具备参数量、上下文窗口、多模态等属性。但大脑本身没有手脚，无法直接触碰企业数据库中的任何一行数据。
• Agent（智能体）：扮演“数字员工”角色。它是目标驱动、自主规划并调用工具的闭环执行体。接收目标后，Agent自主完成“感知-规划-行动-观察-再规划”的闭环。
• Skill（技能）：扮演“岗位技能手册”角色。它将具体业务流程和经验封装成Agent可加载的技能包，决定了Agent“会干什么”。
• MCP（模型上下文协议）：扮演“万能转接头”角色。它是连接AI与外部系统的开放标准协议，负责解决异构系统间的对接难题。
• CLI（命令行接口）：扮演“对讲机”角色。它是指令清晰、回执明确、可记录的交互通道，常用于系统间的指令传达。

二、背景与价值：为什么需要这套概念体系

传统企业IT系统往往运行了十年甚至更久，涵盖PLM（产品生命周期管理）、OA、内部调度平台等。这些系统的接口规范各异，数据格式庞杂。如果直接将大模型接入老系统，会面临接口不兼容、指令不可追溯、系统耦合度高等问题。

这套概念体系的出现，旨在将AI能力与业务系统进行解耦。Model提供基础智力，Agent负责任务编排，Skill沉淀业务经验，MCP提供标准化连接通道，CLI保障交互的可控性。通过这种分层架构，企业无需推翻重构老系统，即可通过标准协议与工具调用，让AI逐步渗透并接管复杂的业务流程。

三、核心组成与工作原理：一次工具调用的完整接力

理解这五个概念如何协同工作，关键在于梳理“一次工具调用的完整接力”过程。以下是具体的工作原理说明：

1. 任务接收与感知：用户向Agent下达业务目标（例如“查询某车型的BOM表并生成缺料报告”）。
2. 任务规划与技能加载：Agent作为数字员工，对目标进行拆解，从Skill库中加载对应的“BOM查询技能”和“报告生成技能”。
3. 寻址与连接：Agent需要调用外部老系统获取数据。此时，MCP作为标准协议，将Agent的通用请求转换为老系统能识别的具体协议。
4. 指令传达：在部分场景下，MCP将指令传递给CLI工具，由CLI向老系统发送精确的操作指令。
5. 执行与回执：老系统执行操作后，结果沿原路返回。Agent观察返回的数据，进行推理分析，如果数据不全则继续规划下一步调用，直到完成最终目标。

以下是一段简化的伪代码，展示了Agent通过协议调用工具的逻辑：

def agent_execute_task(task_goal):
    # 1. 规划任务并加载技能
    skills = load_relevant_skills(task_goal)
    # 2. 拆解子任务
    sub_tasks = model.plan(task_goal, skills)
    for sub_task in sub_tasks:
        # 3. 通过标准协议寻找可用工具
        tool = mcp_discover_tool(sub_task.intent)
        # 4. 构造指令并调用（可能经CLI通道）
        command = build_command(sub_task.params)
        result = tool.execute(command)
        # 5. 观察结果并决定是否继续规划
        if not is_task_complete(result):
            update_plan(task_goal, result)
        else:
            return generate_final_output(result)

四、相关概念区别：架构形式与接入路径

在老系统接入AI时，常会混淆MCP的实现形式以及BS（浏览器/服务器）与CS（客户端/服务器）架构下的接入差异。

1. MCP实现形式的完整分类

MCP不仅是简单的API网关，其实现形式通常分为两类：

• 标准接口适配器：直接包装老系统的REST或SOAP接口，使其符合MCP协议规范。
• 本地工具桥接器：通过在系统本地部署轻量级进程，将系统内部函数或CLI命令暴露为MCP工具，适合无标准API的老旧系统。

2. BS与CS架构的实战差异

• BS架构系统：通常通过HTTP接口直接对接。MCP可以作为一个中间层服务，拦截并转发Agent的HTTP请求至老系统的Web API。
• CS架构系统：由于客户端逻辑较重，直接调用API较困难。此时更依赖CLI包装或RPA（机器人流程自动化）技术，通过模拟用户在客户端界面的操作来完成工具调用。

五、典型场景：老系统接入的三条路径

针对企业内部运行多年的老系统，接入AI通常有以下三条路径：

1. API封装（首选路径）
   对于已经具备服务端接口的老系统，直接编写适配层，将内部API封装为符合MCP标准的工具。这种方式性能最高，稳定性最好，适合PLM、ERP等具备基本接口能力的系统。

2. CLI包装（折中路径）
   部分老旧系统虽然没有API，但提供了命令行管理工具或脚本接口。可以通过编写CLI包装器，将执行脚本的动作转化为标准工具供Agent调用。这种方式开发成本适中，且执行过程有明确的日志回执。

3. RPA兜底（终极路径）
   对于既无API也无CLI的CS架构系统，或者需要跨越多个系统进行界面级操作的场景，采用RPA技术作为兜底。Agent通过RPA接口驱动自动化脚本，模拟人工点击和输入。虽然效率相对较低，但能在不改动老系统源码的前提下实现AI接入。

六、使用注意事项

在选型与实施过程中，企业IT团队需重点关注以下问题：

• 安全与权限隔离：Agent调用老系统时，必须遵循最小权限原则。MCP适配层应集成身份认证模块，确保Agent仅能访问其被授权的数据和操作。
• 可观测性与日志记录：AI的自主规划可能产生不可预期的调用链。必须对每一次CLI指令和MCP调用进行完整记录，建立可追溯的日志体系，便于审计与错误排查。
• 防止幻觉导致破坏性操作：对于写入、删除等高危操作，应在Skill设定中加入“人工确认”节点，避免Agent因模型幻觉直接对老系统造成破坏。

七、总结

企业老系统接入AI是一项系统工程，核心在于理清概念边界并选择合适的接入路径。Model提供基础推理，Agent闭环执行，Skill沉淀业务，MCP标准连接，CLI安全交互，五者构成了完整的智能体技术栈。针对不同架构和接口现状的老系统，通过API封装、CLI包装或RPA兜底的三条路径，企业可以平稳、渐进地实现业务系统的智能化改造，让AI真正在老业务的土壤中生根发芽。