3年 vs 1个周末:AI Agent 是怎么把中台的活儿抢走的

– 引言 –

上周，一个做工厂数字化的朋友发了条朋友圈：「中台终于上线了 🎉」

我点进去一看——对接了 ERP 和 MES 两个系统。三年，两个人，就接了两个系统。

我没点赞，因为我太清楚这种心酸了。

可能你也正在经历：立了项、招了人、选了厂商，结果大半年过去了，两个系统还在互相「认不出对方」。

但今天我想聊的不是中台多难做。而是——现在有一条路，可能绕过这个坑。

🔻

● 中台到底在帮谁干活？

说真的，”中台”这个词被用烂了。但剥开所有包装，它要解决的问题就一个：让系统之间能互相对话。

制造业的 IT 现状你一定不陌生：

– ERP 管「钱和单」

– MES 管「人和机」

– PLM 管「图和料」

– WMS 管「库和位」

每个系统都是一座孤岛。数据格式不同，接口协议不同，甚至时区都不同。

你想要一个「订单到交付」的全链路看板？对不起——先找 ERP 厂商开 API，再找 MES 厂商对接，中间还得写个 ETL 把数据洗干净。一个看板，三家公司，半年工期。

中台的思路是，在所有系统上面加一层抽象，把数据统一管起来。

听起来很美，对吧？

但现实是：中台团队 80% 的时间在做「适配」，只有 20% 在创造价值。

适配 A 系统的 REST，适配 B 系统的 SOAP，适配 C 系统的「我们没接口你自己写 SQL 吧」。

我自己就踩过这个坑——上一个项目，光是把 SAP 的工单数据同步到 MES，就调了两个月接口。中间还赶上 SAP 升级，字段全变了，之前写的适配直接报废。

那有没有一种方式，能跳过「适配地狱」？

📌 小结：中台解决的是「系统集成」，但集成成本太高、周期太长，大部分工厂建着建着就烂尾了。

🔻

● MCP：AI 终于有了自己的「USB-C」

2024 年底，Anthropic 发布了一个叫 MCP（Model Context Protocol）的协议。

它的核心思路特别简单：给 AI 应用一个标准化的方式，去连接外部系统。

打个比方你就懂了。

想想 USB-C 解决了什么？以前充电线、数据线、视频线各来一套，桌上一堆乱麻。现在？一根线搞定。

MCP 做的是同一件事——以前每接一个系统就得写一套适配代码，现在用 MCP Server 把系统包一层，AI 就能直接调用。

但这跟中台有什么关系？

关系大了。

中台做的是「系统 ↔ 系统」的集成。MCP 做的是「AI ↔ 系统」的集成。

区别在哪？当你有了 AI Agent——它能理解自然语言，能动态调用工具，能根据上下文决定下一步做什么——中间那层人工编排的代码，就不需要了。

说得再直白一点：中台是给程序员用的翻译官，Agent 是自带翻译能力的操作员。

接下来看两个真实场景，你就知道差距在哪了。

📌 小结：MCP 让 AI 有了标准化的「系统接口」，这是 Agent 替代中台编排层的技术前提。

🔻

● 场景 1：查个工单状态，要登录 4 个系统

以前你要查一个工单在工厂里走到哪了，得这么操作：

登录 ERP 看订单状态 → 切到 MES 看生产进度 → 打开 WMS 看物料是否到位 → 再去 QMS 查质检结果。

四个系统，四次登录，手动拼信息。快的话半小时，慢的话一上午。

中台怎么做？ 建一个统一数据模型，把四个系统的数据同步过来，做个看板。开发周期？保守估计 3-6 个月。

Agent 怎么做？ 给 AI 接上四个系统的 MCP Server。你说一句：

「工单 WO-20260423-017 现在什么情况？」

Agent 自动去 ERP 查订单、去 MES 查进度、去 WMS 查物料、去 QMS 查质检，然后把结果汇总成一段话告诉你。

开发周期？一个熟练的工程师搭四个 MCP Server，一个周末够了。

你想想看，这两种方案哪个更贴合你工厂的实际需求？

📌 小结：中台是「把所有数据搬到一起再展示」，Agent 是「需要什么就去拿什么」。一个是修高速公路，一个是派无人机。

🔻

● 场景 2：良率突然暴跌，谁能 30 秒找到原因？

这个场景更刺激。

一条 SMT 产线突然良率掉到 85%，正常是 98%。13 个百分点的落差，每多拖一分钟都在烧钱。

传统排查流程你一定熟：

MES 告警 → 工程师打开 MES 看是哪个工站 → 切到设备管理系统查贴片机参数 → 再去物料系统查这批料的批次 → 最后进 QMS 看有没有类似缺陷。

一套下来，半小时算快的。

中台的做法是把这些数据都接上来，做个良率异常分析看板。确实能用。

但问题是——看板只能分析你事先想到的场景。

今天掉良率的原因是「换了一批锡膏」，看板里有这个分析维度吗？没有？那就得加字段、加逻辑，又是一个迭代周期。

Agent 的做法完全不同。 你告诉它「3 号线良率异常」，它会自己走一遍排查：

1. 去 MES 调取最近 2 小时的生产数据

2. 发现 AOI 检出的缺陷集中在「桥接」类型

3. 去查贴片机参数——没变

4. 去物料系统查锡膏批次——昨天刚换的新批次

5. 去 QMS 查历史记录——这个品牌的锡膏之前也出过桥接

6. 汇总结论：「建议检查批次 SP-20260420 的锡膏，历史有类似问题」

整个过程，不到 30 秒。

关键不是”快”，而是这个排查路径不是人预先定义的——是 Agent 根据数据自己走出来的。

你让中台做到这个程度？理论上可以，但你要为每一种异常场景都写一套分析逻辑。这本身就是个无底洞。

📌 小结：Agent 的杀手锏：不是「更快地执行固定流程」，而是「根据上下文动态决定下一步做什么」。

🔻

● 别急着站队：Agent 吃得下哪块，吃不下哪块

聊到这儿，可能有人觉得我在鼓吹「中台已死」。不是的。

我自己在摸索这个方向，有几个实在的判断分享给你：

Agent 能干的（占中台工作量约 40-50%）：

– 跨系统数据查询和智能汇总

– 异常检测和根因初步定位

– 报表生成和数据解读

– 非结构化信息关联（邮件、聊天记录 + 系统数据）

Agent 干不了的（至少现在不行）：

– 高频实时数据同步——MES 每秒吐几千条数据，Agent 扛不住

– 事务性跨系统操作——下单、扣库存，过账，需要 ACID 保障

– 权限管理和审计合规——谁在什么时候看了什么数据，不能交给 AI 自由发挥

一句话总结：Agent 会吃掉中台的「查询层」和「分析层」，但「数据管道层」和「事务层」还得靠传统架构。

它不是来掀桌子的，是来抢走桌上最肥那块肉的。

📌 小结：不是说中台没有价值了，而是 Agent 会把中台的价值从「建管道」变成「用管道」。

🔻

● 别等了，Agent 现在就能用

很多人以为 MCP 还是实验室产物。不是的。

截至 2026 年 4 月，支持 MCP 的客户端已经包括 Claude Code、ChatGPT、Cursor、VS Code、OpenClaw、Hermes Agent 等，覆盖了从开发到生产的完整链路。

更关键的是，MCP Server 的开发成本极低。一个 Python 文件，实现几个接口，就能把现有系统包装成 AI 可调用的工具。不需要改原系统任何一行代码。

说个自己的例子。

我的数字助手接上了飞书、文件系统、浏览器、搜索引擎之后，它做跨系统协作的效率已经超过了团队里任何一个工程师。

不是因为它更聪明，是因为它不需要切换上下文。

一个 Agent 同时盯着 ERP 数据、MES 告警、邮件通知、日历排期，然后根据优先级主动给我推消息。

这在中台架构里需要多少个模块？在 Agent 架构里，就是一段 prompt 的事。

🔻

● 写在最后

中台解决的是「系统集成」，Agent 解决的是「智能调度」。

当 AI 能听懂人话、能动态调工具、能自己编排流程——中间那层人工编排的代码，就成了多余的中间商。

不是中台没有价值了，而是它的价值正在从「建管道」变成「用管道」。

回到标题那个问题——中台花 3 年没搞定的集成，Agent 一个周末真的能接上吗？

能。但有个前提：你已经有了系统，只是缺一个足够聪明的调度员。

你们工厂现在最痛的系统集成问题是什么？哪几个系统之间的数据最难打通？

觉得有启发的话，请点个赞、转发给需要的人。

🏭 工厂实战 | 💡 行业观察 | 🏗️ 系统架构