玄姐聊AGI公众号文章

Agent 五件套一次讲透：老系统接入 AI 的架构设计与实践

未分类
玄姐聊AGI

公众号 · 34 篇文章

查看主页 →
大家好，我是玄姐。

PS：AI 落地点击预约直播。

前段时间，我给国内一家大型整车集团研究院的 IT 团队做了一场技术交流。管理层给他们下的课题是「让 AI 深入老业务系统」：注意，不是「上一套新的 AI 系统」。这两个提法差别很大，做过企业 IT 的都懂：上新系统是采购问题，深入老系统是工程问题。
聊下来发现，卡点分两层。概念层：Agent、Skill、MCP、CLI、Model 满天飞，到底谁调用谁、标准和工具各是哪几个，平时没人系统讲过。工程层：手里那些跑了十年八年的请假销假、PLM、内部平台，该从哪里下刀，AI 才用得起来。
这篇文章浓缩成一篇：五个概念的关系总图、一次工具调用的完整接力、老系统接入的三条路径（API 封装、CLI 包装、RPA 兜底）、MCP 实现形式的完整分类，外加 BS 和 CS 两个实战案例。不谈理念，只讲能拿走就用的东西。

PS：AI 更多案例深入免费学习去这里，扫码直达：

图片
1.打开 AITutor 新一代 AI 原生学习伙伴：www.aiaitutor.com 2.在首页输入"你想学习的AI知识” 就能看到更详细更丰富案例。3.包含了图文、视频、播客、闪卡、代码、测验等9种学习模态。

一、先把概念说准：五个词，就是一支数字化团队

别背技术名词。我的办法是打比方，把整套 AI 系统想象成公司新入职的一支数字化团队：
概念
团队角色
干什么
Model（大模型）
大脑
负责想，推理与生成引擎
Agent
数字员工
负责干，目标驱动、自主规划、调用工具的闭环执行体
Skill
岗位技能手册
负责会，把流程和经验封装成 Agent 能加载的技能包
MCP
万能转接头
负责接，连接 AI 与外部系统的开放标准协议
CLI
对讲机
负责说，指令清晰、回执明确、可记录的交互通道
逐个展开。每个都多聊两句，把容易踩的坑一并说掉：
1. Model 是大脑：管"想"，管不了"碰"。参数量、上下文窗口、多模态，这些是大脑的智商指标。但注意一个事实：大脑生长在机房里，你的业务世界它一寸都摸不到，它读过全世界所有关于请假制度的文档，却替你提交不了一张请假单。很多人对大模型的失望，根源就是把"知道"当成了"能做到"：知道是一回事，动手是另一回事。大脑再聪明，没有手脚，连你数据库里的一行数据都碰不到。所以，后面四个概念才有存在的必要。
2. Agent 是数字员工：一套系统，不是模型本身。给一个目标，剩下的它来：自己拆任务、找工具、执行、看结果、再调整，感知、规划、行动、观察、再规划，这是个不停转的闭环，直到把事办成，或者确认办不成。最容易混的一点先说掉：Agent 是一套系统，Model 只是它的一个部件。 一个完整的 Agent 系统 = 模型 + 规划 + 记忆 + 工具 + 编排。说「我们接入了某某大模型，所以有 Agent 了」，就像说「我买了台发动机，所以有车了」，发动机决定的是马力上限，能不能上路、认不认得路，是整车工程的事。
3. Skill 是岗位手册：把经验变成可复用的资产。新员工入职发一本手册，通用员工立刻变成领域熟手。Skill 干的就是这件事：触发条件 + 操作流程 + 领域知识 + 工具清单，四样东西打包，工程化、可评审、可版本管理。它和 Prompt 的区别值得多说一句：Prompt 是领导路过工位随口叮嘱一句，说完就散，下次还得再叮嘱一遍；Skill 是写进员工手册的 SOP，有版本号、有责任人，谁来了都照做，要改就发新版。Prompt 管一次对话，Skill 管一类任务。 企业里真正值钱的从来不是那句临场发挥，而是沉淀下来的流程资产。
4. MCP 是万能转接头：今天的重点。官方名字 Model Context Protocol，一个开放标准协议。一边是 Agent，一边是任意系统，数据库、API、文件、设备，不管什么插头，统一接口标准。它解决的痛点很实在：没有 MCP 之前，每个 Agent 对每套企业系统都得单独写一遍对接代码，N 个 Agent 乘 M 个系统，就是一场适配灾难；有了 MCP，系统只需要按标准暴露一次，任何 Agent 插上就用。想想 USB-C 普及之前的抽屉：每部设备配一根专用线。MCP 要做的事，就是让 AI 世界的对接只剩一种口。
5. CLI 是对讲机：最古老的接口，最被低估的价值。命令行接口，双重身份：给工程师用，是高效操作；给 Agent 用，是结构化调用。为什么拿对讲机打比方？因为对讲机里说话有纪律：指令短、回执明确、全程留痕。CLI 恰好全占了，一条命令一个动作，exit code 就是回执，日志天然可审计。这三条，条条都是 Agent 调用工具时最需要的东西。所以别嫌它老：CLI 恰恰是五件工具里，Agent 最「消费得动」的那一件。
五个概念摆完，还有一对关系最容易被漏掉：MCP 和 CLI 可以嵌套。
一个 MCP Server 的内部实现，常常就是封装了一个 CLI。最小的例子：把 git bash 封装成 MCP Server，Agent 通过 MCP 协议间接调用 git 命令，它只会说「提交代码」，背后是 git commit 在跑，它看不见，也不需要看见。分工很干净：CLI 管工具怎么执行，MCP 管怎么把工具标准地暴露给 AI。 一个是发动机舱里的手艺，一个是标准化的驾驶舱接口。
为什么这个嵌套关系重要到必须单独拎出来讲？因为老系统改造的全部秘密就藏在里面：你不用动老系统一行代码，只需要给它套一层壳。 后面要讲的三条路径，每一条都是这个嵌套关系的具体兑现。
说得再直白一点：CLI 管工具怎么执行，MCP 管怎么把工具标准地暴露给 AI。 记住这个嵌套关系，后面讲老系统改造会反复用到。

二、一句话背后，是一场接力

概念讲完，第二个问题很自然：用户说一句话，背后到底发生了什么？
就拿「帮我查一下上周的请假记录」来说，这句话进去以后，五个角色完成了一次接力：
用户 → CLI 入口 → Agent 接到目标 → 交 Model 规划 → Agent 加载 Skill 按流程找工具 → 通过 MCP 协议调用请假销假 MCP Server → MCP Server 调老系统的 REST API → 结果沿原路逐层返回 → Agent 用人话回复：你上周请了两天年假，剩余额度 8.5 天。
注意每一步是谁在干活：Model 只做决策，真正碰系统的是 MCP。 各守边界，各司其职。
这里顺手给一张映射表，帮做传统架构的同学对齐认知：
传统软件世界
AI 世界
微服务
Agent
OpenAPI / REST
MCP
内部 Wiki / SOP
Skill
SDK / 命令行
CLI
看明白这张表，所谓 AI 架构就不再是黑话，它就是你画了十几年的架构图，只是上面换了一层内容而已。

三、老系统怎么改：没有银弹，先体检，再走决策树

这是客户最关心的部分，也是管理层课题的核心。
我的第一个建议有点扫兴：没有银弹，方案取决于体检结果。
体检看四个维度：API 开放程度、文档完整性、鉴权体系、变更风险承受度。 体检完走决策树，一共三条路：
  • 路径一，API 封装为 MCP，首选。 系统有开放 API，直接在前面加一个 MCP Server 薄封装层。改动最小、最稳定、可灰度。纪律只有一条：封装层只做协议转换，不碰业务逻辑。
  • 路径二，CLI 包装，次选。 没有 API 但有命令行、有运维脚本，把脚本封装成结构化 CLI，外面再包一层 MCP。前面 git bash 的例子就是这条路的最小样本。技术上的硬要求：CLI 输出要结构化，最好是 JSON，Agent 才消费得动。
  • 路径三，浏览器自动化 / RPA，兜底。 只剩一个网页界面、连脚本都没有，用浏览器自动化模拟人操作。能用，但脆，页面一改版就失效。它是过渡方案，别当终态。
三条路优先级从上到下，改造深度递减，脆弱性递增。一句口诀：能走 API 不走 CLI，能走 CLI 不碰界面，封装成本越低，生命周期越长。
然后泼一盆关于安全的冷水：鉴权和安全，一案一议。 Agent 代替人去操作系统，身份怎么从用户传到 Agent 再传到系统？权限怎么收到最小？操作怎么审计？敏感动作要不要人工确认？行业目前拿不出通用标准方案，每个系统都得单独评审。谁跟你打包票说有现成方案，谁就没干过企业级落地。
最后是排序问题。画一张「使用频次 - 业务价值」四象限图，从高频、低风险、有 API 的系统先动手。理由很现实：第一场仗必须赢，还得赢得便宜。

四、MCP 实现形式：四类，别混为一谈

交流前客户做过功课，问我 MCP 是不是有 stdio、HTTP、SSE 三种实现。对，但不全对。
这里有个连很多技术文章都搞错的事实：MCP 官方规范里只有两种标准传输方式：stdio 和 Streamable HTTP。SSE 从 2025 年 3 月起就被取代了，是历史方案。
完整版图分四类：
  • 官方标准（2 种）： stdio、Streamable HTTP，默认选项，新项目二选一不会错。
  • 历史遗留（1 种）： HTTP + SSE，只做存量迁移，别新建。
  • 社区扩展（一批）： WebSocket、WebRTC、进程内 RPC，生态在标准之外长出来的，按需采用。
  • 部署形态（最易混）： MCP Gateway、Proxy、托管 MCP。它们属于部署架构，和新协议无关，偏偏最容易跟传输方式搅在一起。
一个认知先立住：MCP 是传输无关的。 协议逻辑不变，变的只是消息怎么跑腿。
几种形式各说几句：
  • stdio： 宿主程序直接拉起本地子进程，走标准输入输出。本地开发和桌面 Agent 的标准姿势，代价是单机单客户端，信任关系只在进程级。
  • Streamable HTTP： 单个 HTTP 端点，POST 发请求，GET 建流收推送，支持会话保持和断线恢复，配 OAuth 2.0。企业内集中部署、多团队共享，官方推荐的远程方式只有它。
  • SSE： 双端点的早期方案。见到它只有一个动作，规划迁移。
  • WebSocket： 全双工低延迟，典型场景是浏览器桥接（比如 Agent 连 Chrome 扩展做浏览器自动化）。代价是负载均衡要做粘性会话，企业防火墙可能拦升级握手。
选型压成四句话：本地开发用 stdio，企业共享用 Streamable HTTP 加 OAuth，SSE 只做存量迁移，WebSocket 留给实时和浏览器场景。

五、两个实战案例：一个 BS，一个 CS

光讲方法论客户不认，得有实战。我选了两个对照案例。
案例一：某头部车企请假销假系统，BS 架构，走路径一。 Java Web 系统，有 REST API，HR 高频场景。痛点很具体：员工查个假期余额要登录系统点五步，HR 每月还要人工对账。做法很直接：REST API 前面加一个 MCP Server，Streamable HTTP 集中部署，鉴权对接企业 SSO，老系统一行代码没动。 改完之后，员工在对话窗口说一句「帮我请明天下午半天年假」，五步变成一句话。接口梳理 + 薄封装 + 安全评审 + 灰度上线，一个部门先跑起来再全员推广，周级完成。
案例二：某欧洲商用车企 PLM 系统，CS 架构，走路径二。 传统桌面客户端，15 年的老系统，没有开放 REST API，但客户端自带 SDK 和批处理 CLI，这是既有的「隐藏 API」。痛点是数据孤岛：工程师在系统之间人工搬运 BOM 和图纸信息。做法是组合拳：在 PLM 客户端旁边部署一个本地封装服务，SDK/CLI → 本地封装服务 → MCP，输出结构化 JSON，会话和权限沿用客户端已有的登录态。封装层紧贴 PLM 部署在系统侧，网络出口最小化。一期只开放查询类工具（BOM、图纸、变更单状态），让工程师先用起来，先只读，再谈写，写操作待信任建立后再评审。

六、三条可复用的经验

两个案例对照着看，有三条经验可以直接抄走：
  • 先体检再选路径，别拿着锤子找钉子。
  • 封装要薄，不碰业务逻辑，封装层越薄，项目死得越慢。
  • 鉴权一案一议，把它写进项目计划，别当意外处理。

七、结语

这场交流最后客户给了好评，但我觉得一场技术交流做到及格，标准只有一个：对方听完觉得「这事我们自己就能干」。
老系统接入 AI，真正的门槛从来不在模型，模型大家用的是同一批。门槛在你手里那些老系统的「壳」：能力一直都在，缺的只是标准的那层壳。先挑一个高频、低风险、有 API 的系统，这个季度就把第一个 MCP Server 跑起来。第一场仗赢了，后面都是复制。
如果你对企业级 AI 原生研发体系（Skills、SDD、Harness、Loop、知识飞轮、治理度量）感兴趣，去 AITutor 领取福利。
AITutor 福利：AITutor 每个人的 AI 原生学习伙伴，业界最丰富 AI 实践和案例，4500+ 门多模态 AI 课程、7×24 小时 AI 导师已全面开放，快来免费体验吧。
打开 AITutor，新一代 AI 原生学习伙伴：www.aiaitutor.com
  1. 在首页输入「你想学习的 AI 知识」，就能看到更详细、更丰富的案例
  2. 包含图文、视频、播客、闪卡、代码、测验等 9 种学习模态
扫码直达：
AITutor 官网二维码

PS：AI 落地点击预约直播。

八、加我微信

扫码加我👇有很多不方便公开发公众号的我会直接分享在朋友圈，欢迎你扫码加我个人微信来看👇

图片

加星标★，不错过每一次更新！

⬇戳”阅读原文“，立即体验 AITutor

前往微信阅读全文

内容来自公众号，可前往微信查看原文。

查看作者的更多文章 →订阅更新、RSS 与阅读指南 →