AI网关

一、先把我的判断摆出来：难点不在模型那一层我在企业数据智能这条线上跑了七八年，模型路由这个概念从 2023 年下半年开始被反复提起。很多团队把它当成一个纯技术活：接几个大模型接口，按价格和响应速度排队，谁便宜用谁，谁快用谁，谁上下文长用谁。这套思路我试过，撑不过三个月。我复盘过的失败项目里，十之七

前阵子一个做制造业信息化的老朋友半夜给我发消息，说老板在周会上听到一个新词，回来就让技术部调研，他盯着这几个字母看了半天，也不确定该从哪儿下手。这种场景我太熟了，这两年新的概念一个接一个，上一个还没落地，下一个已经开会讨论了。把 MCP 代理翻译成人话，就是给大模型雇的一个跑腿的：模型负责想，它负

一、先给判断：这层东西是 AI 和真实数据之间的接线板MCP 代理被问到的频率越来越高，但答案常常跑偏。有人把它说成一个中间件，有人把它当成一段几十行的转发脚本，还有人以为装上一个开源 Server 就算完事。我做过几轮企业内 AI 助手的落地，我的判断是：它本质上是 AI Agent 和企业既有

我对 MCP 代理集成这件事的基本判断
我做过好几个把大模型能力接进企业内网的活，最深的感受是：MCP 这个协议本身不复杂，复杂的是你要接的那些东西。协议规范读两个小时就懂了，工具描述、资源读取、提示模板，三种原语，清楚得很。但真到了客户现场，卡住你的从来不是协议，是\”这个指标到底谁说了算\”\”这张表

过去一年多，我参与了七八个 MCP 代理的落地评估，行业横跨客服质检、供应链问数、研发知识库。结果挺一致的：卡住项目的几乎不是模型能力，而是数据合规那几道关。MCP 这层协议本身很轻，它解决的是模型和外部工具之间的连接标准化，但它不管权限、不管数据分级、也不管审计留痕。说白了，MCP 把接口调用变简

我做过大概三十来个把 MCP 服务接进企业内网的项目。有一件事我越来越确定：决定一个代理能不能真正干活的，从来不是 MCP 协议本身写得多规范，而是这家企业所在行业的数据长什么样。协议是通用的，数据是各有脾气的。制造业的物料编码能在 ERP、MES、WMS 里各写一套，零售的库存口径线上线下diyi

我这些年跟过、看过、事后一起复盘过的数据代理类项目，少说也有二三十个。真正死在技术选型上的，我印象里只有一两个。绝大多数项目不是输在工具，是输在开工之前话说得太大、开到一半没人认账、上线之后没人用。代理层这个东西，本质是在业务系统和数据底座之间架一层可信的数据服务，它天生要同时面对标准、开发、质量、

我的核心判断：代理的胜负手，正从模型侧挪到数据侧
这两年里我参与过十几个企业级智能代理的选型和落地。它刚出来的时候，我基本把它当成一个\”工具插线板\”用，接几个接口、写点提示词就上线；现在再看，我更愿意把它当成企业内部系统的一个新入口。看法变了这么多次，比较稳的一条是：协议层把接入这件事简化了，麻烦反

我陪过十几个团队做智能代理的落地，从早年的流程机器人，到这两年基于 MCP 协议去接企业系统的代理。有一条经验被反复验证：演示环境里的流畅，和工位上的顺手，完全是两码事。演示的时候，台上问一句「上个月华东区回款多少」，大屏上数字秒出，台下鼓掌。真到了工位上，财务小李问的是「我这个客户为什么还没开票」

我做过几个 MCP 代理项目，也旁观过不少团队从兴奋到沉默的全过程。能不能落地，跟模型选哪个关系不大，跟数据边界清不清楚关系极大。很多团队的第一反应是\”先把模型接进来跑个 demo\”，两天就能跑通，然后拿着演示去汇报；等真要进生产，才发现代理回答的销售额和财务口径差 8%，代理查的客户名单里躺着三条