当AI智能体爆炸式涌现,谁在替企业守好＂数字家底＂?——SAP LeanIX 的两大全新场景

一个正在发生的现实

微软公开数据显示，仅 Copilot Studio 一款工具，企业用户已累计创建超过 40 万个 AI 智能体。Gartner 则警告：由于缺乏有效治理，超过 40% 的 AI 智能体项目将在 2027 年前被叫停。

与此同时，另一个问题也在悄然浮现——当企业的 AI 智能体开始介入业务流程、查询数据、提出建议时，它真的"懂"你的企业吗？它知道你有哪些系统、哪些业务能力、哪些依赖关系吗？

两个问题，指向同一个核心挑战：企业迫切需要一个既能让 AI "读懂"自己、又能有效管住 AI 的底座平台。

而 SAP LeanIX，正在同时回答这两道题。

背景：LeanIX 是什么"底座"？

SAP LeanIX 是企业架构管理（EAM）领域公认的标杆产品，连续多年获 Gartner Magic Quadrant 认可。其核心是一套基于超过 1,000 家企业最佳实践沉淀出来的元模型（Meta Model）——用一张结构化的"地图"，将企业的应用系统、技术组件、业务能力、数据流、IT 风险等要素，以及它们之间的关联关系，完整呈现出来。

这张地图，是企业的数字骨架，也是 AI 时代两大全新场景的基础。

场景一：MCP Server —— 让 AI 智能体"读懂"企业本体

痛点：AI 在"盲飞"

当前，企业部署的 AI 智能体大多在"信息孤岛"中运行——它们可以回答通用问题，却不了解"我们公司用的是哪套 ERP"、"采购流程依赖哪些系统"、"S/4HANA 上线后哪些遗留应用要下线"。没有企业架构上下文，AI 的建议往往流于表面，甚至与实际情况脱节。

SAP LeanIX 的解法：MCP Server

SAP LeanIX 推出了基于 MCP（Model Context Protocol，模型上下文协议） 的服务器能力。MCP 是一个新兴的开放标准，定义了 AI 应用如何安全地发现和使用外部工具与结构化数据。

通过 LeanIX MCP Server，企业内部的各类 AI 智能体——无论是 SAP Joule、Claude、Microsoft Copilot Studio，还是企业自建的定制智能体——都可以安全地、有上下文地访问企业架构数据，实现真正的"架构感知"。

具体能实现什么？

• 架构查询
  ：智能体直接查询"哪些系统支持订单履约能力？它们的生命周期状态如何？"
• 决策辅助
  ：AI 在提建议前，能"看到"相关应用的依赖关系、技术风险与已有架构决策记录
• 自动化数据维护
  ：AI 从文档或图表中识别架构元素，经人工审核后自动更新架构清单
• 零开发集成
  ：无需自定义 API，企业架构数据即成为任意 LLM 工作流的可信"记忆"

一句话总结：LeanIX 把企业的"数字骨架"变成了 AI 可以真正读懂、调用和推理的企业知识底座。

场景二：SAP AI Agent Hub —— 从"影子 AI"到有序治理

痛点：AI 智能体在失控蔓延

业务部门绕过 IT 自行采购 AI 工具；各团队在 AWS Bedrock、Azure、Google Cloud 上独立部署智能体；没有人知道全公司跑着多少个 AI 智能体、谁负责它们、它们访问了哪些数据——这就是大量企业的真实现状，业内称之为**"影子 AI"**。

影子 AI 的代价不仅是混乱，还有合规风险。**欧盟《AI 法案》（EU AI Act）**已正式生效，要求企业对高风险 AI 系统进行文档化管理和风险分级。没有台账，就没有合规。

SAP AI Agent Hub：智能体的"中央登记处"

SAP AI Agent Hub 已内嵌于 SAP LeanIX 应用组合管理（APM）模块，无需额外采购，开箱即用。目前已有数百家企业客户通过该平台建立 AI 智能体台账，构建起全企业范围的 AI 治理体系。

五大核心能力：

① 自动发现，覆盖主流云平台一键接入 SAP、Google Agent Engine、Microsoft Azure API Center、AWS Bedrock Agents 等平台，自动扫描发现已部署的 AI 智能体与 MCP Server，无需手动录入。

② 纳入企业架构，成为"一等公民"发现的智能体通过智能体发现收件箱（Agent Discovery Inbox）进行人工审核，确认后以"AI Agent"的形式纳入架构清单，与应用系统、业务能力、数据资产建立关联——AI 智能体不再游离于企业架构之外。

③ 分配所有者，锁定责任每个智能体在进入清单时即分配负责人，明确 AI 风险分级与审批状态，合规证据从第一天开始积累。

④ 全生命周期管理从"发现 → 注册 → 上线 → 下线"，一套完整的 AI 智能体生命周期管理框架，消除废弃智能体持续运行带来的安全隐患。

⑤ 对照参考架构，挖掘潜在价值对于 S/4HANA 客户，LeanIX 可将现有应用清单与 SAP 参考架构比对，主动推荐适用的 SAP 官方 AI 智能体（如 Joule、BTP AI Agents），让企业在做好AI 治理的同时发现新的 AI 应用机会。

两个场景，一套底座，一个闭环

两个场景形成双向闭环：LeanIX 的企业架构数据通过 MCP 赋能 AI 智能体做出更准确的决策；同时，AI Agent Hub 确保所有接入企业数据的智能体都在可见、可控、合规的框架下运行。

企业该如何起步？

第一步（0-2周）：激活 LeanIX AI 治理扩展，启动 AI 智能体盘点——快速建立 AI 智能体台账，首批智能体完成注册与风险分级。

第二步（1-6个月）：接入 AI Agent Discovery，对接主要云平台，实现持续自动发现——目标 6 个月内覆盖率超过 80%，欧盟 AI 法案审计材料同步生成。

第三步（持续推进）：开启 MCP Server，让企业已有的 AI 工具接入架构知识底座，释放更精准的 AI 价值——数字化转型进入架构驱动的新阶段。

结语

AI 智能体的时代，不是"谁部署了更多智能体"的竞赛，而是"谁能让智能体更聪明、更安全地为企业服务"的能力之战。

SAP LeanIX 给出的答案是：先把企业的数字骨架搭清楚，再让 AI 读懂它、管好它。

架构清晰，AI 才不会迷路。治理到位，创新才走得远。

了解更多 SAP LeanIX AI 治理与 MCP 能力，欢迎联系 SAP BTM 大中华区团队。

文章基于 SAP LeanIX 官方产品文档与公开技术资料撰写。