老系统AI接入概念地图与三条落地路径

一、教程目标

本教程要解决一个非常具体的问题：企业里已经跑了多年的老业务系统，如何让AI真正用起来，而不是推倒重来。 在这个过程中，读者将完成三件事：

1. 理清 Agent、Skill、MCP、CLI、Model 五个高频概念之间的调用关系与职责边界；
2. 掌握从老系统切入 AI 的三条工程路径，以及各自的适用条件；
3. 能够针对 B/S 和 C/S 两种典型架构制定可落地的接入方案，并完成验证与排查。

适合阅读的人群包括：负责企业数字化改造的开发者、需要向管理层解释技术路线的技术负责人、负责老旧系统维护的运维人员，以及希望理解 AI 与现有 IT 资产如何共存的企业用户。阅读本文不需要深度机器学习背景，但建议具备基本的软件架构、网络通信和脚本编程常识。

二、五个核心概念的关系总图

在动手改造任何系统之前，必须先把概念地图铺开。五个概念不是并列关系，而是一条链路上的不同角色。可以把整套 AI 系统想象成一家新入职的数字化团队：

• Model（大模型） 是大脑，负责推理和生成，但它不能直接操作数据库、调用接口、读写文件；
• Agent 是数字员工，接收目标后自主规划、调用工具、观察结果、继续调整，是执行闭环的主体；
• Skill 是岗位技能手册，把某个业务领域的流程、规则、经验封装成 Agent 可以加载的能力包；
• MCP 是万能转接头，定义了一套连接 AI 与外部系统的标准协议，让不同工具可以被统一发现和调用；
• CLI 是对讲机，提供一种指令清晰、回执明确、可记录、可审计的交互通道，尤其适合老系统包裹。

这五者的调用关系可以简化为：Model 在 Agent 内部负责思考；Agent 加载 Skill 获得业务能力；Agent 通过 MCP 协议发现并调用工具；工具可以以 CLI 形式暴露；CLI 再去操作真实的老系统。 换句话说，Model 是发动机，Agent 是司机，Skill 是驾驶手册，MCP 是车载接口标准，CLI 是方向盘和踏板。

三、一次工具调用的完整接力

理解概念之后，需要看一次完整的调用链路是怎么跑的。假设用户向 Agent 发出“帮我查一下某个订单的审批状态”这样的指令，整个接力过程如下：

1. Agent 接收目标：解析用户意图，判断这是一个查数任务，不是生成任务；
2. Agent 匹配 Skill：从已加载的技能包中寻找“订单查询”相关技能，获取该技能的前置条件、参数格式和返回结构；
3. Agent 通过 MCP 发现工具：MCP 客户端列出当前可用的工具清单，Agent 根据技能描述选择“老系统订单查询工具”；
4. Agent 调用 CLI 通道：按照工具定义，向对应的 CLI 入口发送结构化指令，例如查询订单号、日期范围；
5. CLI 执行老系统操作：CLI 内部封装了老系统的认证逻辑、请求构造和响应解析，完成后返回带状态码的结构化回执；
6. Agent 观察结果并决定下一步：如果返回成功且数据完整，直接生成答复；如果超时或字段缺失，Agent 会发起重试或请求用户补充参数。

这条链路的核心价值在于：老系统的复杂性被封装在 CLI 层和 MCP 工具定义里，Model 和 Agent 不需要知道老系统内部长什么样。 这也是老系统接入 AI 的基本思路——不是让 AI 去理解老系统，而是给老系统装一个 AI 能听懂的统一接口。

四、老系统接入的三条路径

路径一：API 封装——首选的标准做法

如果老系统本身已经暴露了 HTTP 接口或 RPC 服务，只是协议老旧、字段不规范，那么 API 封装是最干净的接入方式。做法是编写一个中间适配层，把老接口包装成 MCP 工具可以理解的标准输入输出。

具体步骤：

1. 盘点可用接口：确认老系统开放了哪些查询、提交、审批类接口，记录请求方式、参数格式和返回内容；
2. 定义工具描述：为每个接口编写清晰的工具说明，包括功能描述、参数类型、返回字段，这是 Agent 判断何时调用该工具的依据；
3. 实现适配函数：将老接口的调用逻辑封装成统一签名的通用函数，内部处理会话管理、错误码映射和数据转换；
4. 注册为 MCP 工具：通过 MCP 服务端把这些函数暴露出去，让 Agent 能自动发现和调用；
5. 编写调用测试：模拟 Agent 发起标准请求，确认适配层能正确转发并返回结构化结果。

API 封装的优点是可维护性最好，支持复杂查询和批量操作，也便于后续扩展权限控制和审计日志。代价是需要一定的开发工作量，特别是当老系统接口文档缺失时。

路径二：CLI 包装——老系统没有 API 时的折中方案

很多老系统没有对外 API，但保留了命令行入口、批处理脚本或管理终端。这时可以采用 CLI 包装：把零散的操作命令整理成一套标准化的命令行工具，再把这套工具通过 MCP 暴露给 Agent。

实施步骤：

1. 梳理现有命令：收集运维人员日常使用的命令、脚本，判断哪些操作可以标准化；
2. 设计 CLI 入参与回执：规定不同操作的子命令、选项参数、退出码和输出格式，确保机器可读；
3. 封装执行器：用通用脚本语言编写执行器，内部调用老系统的命令或脚本，统一处理错误和超时；
4. 设定安全边界：在 CLI 层做参数校验，限制 Agent 只能执行白名单内的操作，避免误操作影响生产数据；
5. 连接 MCP 工具：与路径一相同，把 CLI 封装成 MCP 工具后，Agent 即可通过标准协议调用。

CLI 包装的好处是不需要改造老系统本身，开发量相对可控。但由于 CLI 通常是同步阻塞且上下文有限，适合查询类、简单操作类任务，不适合长流程事务。

路径三：RPA 兜底——没有接口也没有命令行时的最后手段

当老系统只有图形界面，既没有 API 也没有 CLI 入口时，可以考虑用 RPA 方式兜底。RPA 模拟人在界面上的点击、输入和读取操作，把所有人工操作录制成自动化流程，再通过类似 MCP 的适配层暴露给 Agent。

实施步骤：

1. 分解人工流程：把业务操作拆解成明确的界面步骤，识别每一步的输入区域、按钮位置和反馈信息；
2. 编写自动化流程：用通用的 RPA 脚本描述每一屏的操作动作和数据读取逻辑；
3. 设计触发入口：将 RPA 流程包装成可被外部调用的任务，定义入参和输出；
4. 加装结果校验：由于界面可能存在渲染延迟或弹窗，需要在关键步骤后设置检查点，确认操作成功；
5. 限制执行频次与权限：RPA 直接操作生产界面，风险较高，需限制执行范围和频次，并保留操作录像或日志。

RPA 的普适性最强，几乎任何图形界面的系统都能接入，但稳定性较差，界面变更后脚本容易失效，维护成本最高。因此只在无法走 API 或 CLI 时采用。

五、B/S 与 C/S 架构的实战切入

B/S 架构系统

浏览器端系统通常 HTTP 接口相对丰富，即使官方没有开放 API，也可以通过抓取网络请求理解接口结构。此时优先选择 API 封装路径，辅以会话保持和权限管理。关键步骤包括：先使用开发者工具或网络抓包分析接口的请求头、Cookie、参数和响应体；再针对返回字段做稳定性检测，找出可能缺失或变更的字段；最后在适配层增加缓存和重试机制，减少对老系统的压力。

C/S 架构系统

客户端系统往往没有标准 HTTP 接口，消息格式私有，接口数量有限。此时优先梳理已有的批处理入口或本地命令，走 CLI 包装路径。如果连命令行都没有，再考虑 RPA。注意 C/S 系统常与本机硬件绑定，AI 侧工具执行环境需要具备访问该客户端主机的权限，必要时通过受控的远程执行通道完成调用。

六、结果验证

无论选择哪条路径，接入完成后都需要验证以下三个层面：

• 协议层验证：确认 MCP 工具能被 Agent 正确发现，入参和出参匹配定义；
• 业务层验证：用测试数据走通至少一条端到端流程，确认返回结果与原系统手工操作一致；
• 异常验证：故意输入非法参数、超时场景和权限限制场景，确认适配层能返回可读错误信息而不是直接崩溃。

建议编写一份接入验收清单，逐项记录测试结果，作为后续迭代和排障的基线。

七、常见问题与排查

问题一：Agent 调用了错误工具。 原因通常是工具描述不够清晰，或者多个工具功能重叠。解决方法是细化工具的功能说明、参数约束和适用场景，并在描述中增加反面示例。

问题二：老系统响应超时。 可能是接口本身性能差，也可能是适配层没有设置合理的超时重试策略。排查时先从适配层日志确认请求是否真正发出，再对比老系统手工操作时的响应时间，最后在适配层增加异步化或降级策略。

问题三：权限校验失败。 老系统登录态容易过期，适配层需要定期进行会话续期，并将会话状态纳入监控。建议使用独立服务账号，避免与个人账号绑定。

问题四：RPA 流程频繁中断。 大概率是界面元素定位不稳定。优先给关键控件设置多重定位策略，并在每步操作前增加存在性检查，失败后自动截图留证。

八、优化建议

从性能角度，AI 侧调用老系统的频率应受控，适配层可加入结果缓存和限流；从安全角度，所有 AI 发起的操作都必须经过权限白名单校验，操作日志保留可审计；从稳定性角度，适配层应对老系统的异常返回进行统一封装和降级处理，避免单点故障扩散到 Agent 侧；从可维护性角度，建议把每个老系统的接入信息集中登记，形成工具目录，方便后续复用和调整。

九、总结

老系统接入 AI 的关键不是在技术上推翻重来，而是在概念层面想清楚五个角色的关系，在工程层面选择正确的封装路径。API 封装、CLI 包装、RPA 兜底三条路径覆盖了绝大多数存量系统场景。开发者需要做的第一件事不是写代码，而是画一张属于自己企业的概念地图和接口清单。先把“大脑”和“手脚”之间的连接器做扎实，AI 能力才能真正渗入老业务系统。