ARTICLE · 987774
AI直连SAP-MCP协议打通ECC与智能体
AI 直连 SAP：用 MCP 协议打通 ECC 与智能体的实操路径
客户部署了 AI 工具，AI 也能写方案、做分析，但一到"查 SAP 里的实时数据"就卡住了。最近我们在项目中用 MCP（Model Context Protocol，模型上下文协议）跑通了 AI 智能体与 SAP ECC 的直连通道，本文复盘这条路径，以及踩过的坑。
一、AI 与 SAP 之间的"最后一公里"
制造业企业推进 AI 落地时，一个被低估的断层正在拖慢进度：AI 工具与 SAP 业务数据之间没有直接通道。
具体表现：业务人员用 AI 助手写报告、做分析，但涉及实时业务数据——物料库存、客户信用额度、采购订单状态——仍需手动从 SAP 导出，再粘贴给 AI。AI 无法"主动"去 SAP 里查数据，更无法在 SAP 中执行操作。这条"最后一公里"的缺失，让 AI 停留在"建议层"，无法进入"执行层"。
Gartner 预测，到 2026 年底将有 40% 的企业应用嵌入 AI Agent（Gartner，2025 年 8 月）。但现实是，SAP 的官方 AI 能力——Joule Agent——目前仅面向 S/4HANA Cloud 客户开放（PlanAxion，2026）。大量 ECC 本地部署客户处于"有数据、无通道"的状态：AI 工具已部署，SAP 数据在运转，两者就是连不上。
二、MCP：AI 与企业系统对话的新标准
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年底发布的开放标准，定义了 AI 智能体与外部系统交互的统一协议。简单说，它让 AI 不再依赖开发者逐个写 API 对接脚本，而是通过标准化的"工具"接口，动态发现并调用外部系统能力。
2026 年，SAP 正式采纳 MCP。ABAP MCP Server 在 Q2 2026 面向 Eclipse 和 VS Code 正式发布（SAP News，2026 年 8 月）；Sapphire 2026 大会将 MCP 列为企业 AI 架构的关键连接层；SAP 与 Anthropic 宣布基于 MCP 标准的合作，让 Claude 智能体可以跨 S/4HANA、SuccessFactors 和 Ariba 协同工作（Tarento Labs，2026 年 8 月）。GitHub 上 MCP Server 数量在协议发布 12 个月内超过 5,000 个（SAVI AI，2026），生态扩张速度远超传统中间件。
但有一个关键现实：SAP 官方的 MCP 能力目前面向 S/4HANA Cloud。ECC 本地部署客户如果等待官方通道，路径长、成本高、时间不确定。而 MCP 是开放标准——这意味着，ECC 客户完全可以通过自建 MCP Server，在现有架构上实现 AI 与 SAP 的直连，不必等上云。
三、自建 SAP ECC MCP Server：架构与实现
我们在项目中用 Python + FastMCP 框架自建了 SAP ECC MCP Server，核心思路是：通过 SAP 标准的 SOAP RFC 通道（/sap/bc/soap/rfc）调用 BAPI/RFC 函数，将 SAP 业务能力封装为 MCP 工具，供 AI 智能体按需调用。
架构三层：
MCP Host 层：AI 智能体。我们在项目中以 WorkBuddy 为宿主（同样兼容 Claude、GPT 等任意支持 MCP 的客户端），通过 MCP 协议发现并调用工具
MCP Server 层：Python 服务，将 19 个 SAP 业务对象封装为命名工具——物料查询、客户搜索、供应商详情、销售订单、采购订单、库存可用量等，每个工具带自然语言描述，AI 在运行时根据任务自主选择调用
SAPECC 层：BAPI/RFC 接口层，MCP Server 通过 SOAP RFC 调用标准 BAPI（如BAPI_MATERIAL_GET_DETAIL、BAPI_CUSTOMER_GETDETAI L2），零 SAP SDK 依赖
技术选型的两个关键决策：
第一，不依赖 SAP NCo 或 PyRFC 等专有 SDK，纯 HTTP/SOAP 实现。原因：ECC 环境下安装 SAP SDK 需要 SAP GUI 和诸多前置组件，部署门槛高；SOAP RFC 是 SAP 标准通道，所有 ECC 版本均内置支持，且权限模型与 SAP 用户体系天然对齐。
第二，连接池管理而非单次连接。BAPI 调用频繁且 SAP 连接创建开销大，内置线程安全连接池可将并发响应控制在秒级。
实际效果：AI 智能体收到"查一下物料 XXXX82XX4001 的详情"这类自然语言指令后，自动匹配 get_material 工具、补零到 18 位物料号、调用 BAPI、返回结构化结果——全流程无需人工介入 SAP。
图：WorkBuddy 通过 MCP 调用 SAPECC BAPI 返回物料详情，无需外部 MCP 进程常驻
四、踩过的坑：SOAP RFC 与 MCP 协议的适配差异
两个真实项目中遇到的技术难点，记录于此，供参考。
4.1 TABLES 参数在 SOAP 响应中被丢弃
当我们将 SOAP 调用封装为 MCP Server 后，遇到最隐蔽的一个 Bug：调用自定义 RFC ZTEST_MCP 模糊搜索客户时，需在请求中声明一个空表参数 ZLIST: []（告诉 SAP"这个表我要用，但先传空，你填充结果"）。Python 将空列表序列化为 \n，中间的换行与空白被 SAP XML 解析器误判为内容，触发 RABAX_STATE 错误——"An error occurred during the receipt of a complex parameter"。
修复方案：将空列表序列化为自闭合标签 。
4.2 标准表查询函数的权限限制
RFC_READ_TABLE 是 SAP 提供的标准表查询 RFC，但执行需要 S_TABU_DIS 权限。在很多 ECC 系统中，业务用户不具备该权限，调用直接报权限错误。替代方案：改用业务语义明确的 BAPI 查询，如通过 BAPI_MATERIAL_GET_DETAIL 查物料而非直接读 MARA 表。BAPI 的权限控制基于业务对象而非表级授权，更贴合业务用户的授权范围。
五、从"查一条物料"到"AI 驱动业务闭环"
MCP 通道打通后，AI 智能体的能力边界从"能查数据"扩展到"能做事"。
当前已实现：AI 用自然语言查询物料详情、按名称搜索客户、查看销售订单状态、检查库存可用量。业务人员不再需要登录 SAP 执行事务码，在 AI 对话界面即可完成日常数据查询。
可演进的下一步：基于 MCP 工具的可组合特性，AI 智能体可以串联多步业务操作。例如：库存低于安全线时自动生成采购申请；客户信用额度异常时触发审批流；供应商发票与采购订单自动匹配并生成凭证。这些场景不需要重写 SAP 端代码，只需在 MCP Server 中增加对应的 BAPI 工具封装，并在 AI 智能体的指令中定义业务规则。
对 ECC 客户而言，这条路径的核心价值在于：不需要等 S/4HANA 上云，也不需要大规模系统改造，用现有 SAP 接口层 + MCP 协议 + AI 智能体，即可实现业务数据与 AI 能力的实时连接。起点低、见效快、可逐步扩展。
我们基于上述项目实践，已形成从 SAP 接口盘点、MCP Server 开发到 AI 智能体集成的可复用交付方法。如需了解 MCP 在您企业 SAP 环境中的落地路径，欢迎联系我们获取方案咨询。
数据来源：Gartner《企业应用 AI Agent 渗透预测》（2025 年 8 月）；SAP News Center《With Agentic AI, ABAP Takes Evolution to the Next Level》（2026 年 8 月）；PlanAxion《AI Agents in ERP Systems: What Changes in 2026》（2026 年）；SAVI AI《Model Context Protocol (MCP) for SAP: The Developer Guide》（2026 年）；Tarento Labs《Reimagining ERP for the AI Agent Era》（2026 年 8 月）。