企业自建 MCP Server 实战：用 Python 打通 ERP 与数据库

2401_85300269

432人浏览 · 2026-07-09 11:23:23

2401_85300269 · 2026-07-09 11:23:23 发布

摘要：本文面向后端工程师与 AI 应用开发者，解决企业 AI Agent 无法直接调用内部系统（ERP、数据库、文件服务）的痛点。基于 Python 3.12 + MCP Python SDK 1.2.0，通过 4 个步骤从零搭建一个可运行的 MCP Server，并演示多 Agent 编排如何复用这套标准接口。附完整代码、踩坑记录与性能对比。

一、问题背景

企业想把 AI Agent 接进现有业务系统，最常见的障碍不是模型能力，而是"接口不通"。ERP、MES、财务系统各自有一套鉴权与数据格式，传统做法是为每个系统写一套定制胶水代码，维护成本极高。

当 Agent 数量从 1 个增长到 5 个、10 个，硬编码集成的复杂度呈指数上升。每一次后端接口变更，所有 Agent 都要跟着改。

本文要解决的就是这个问题：用 MCP（Model Context Protocol，模型上下文协议）把"工具接入"从定制化开发变成标准化配置，让 Agent 像插 U 盘一样即插即用地调用内部能力。

图1：Agent 通过 MCP Client 挂载多个标准 Server，统一访问 ERP、数据库与文件服务

二、方案概述与选型理由

MCP 是 2025 年底移交 Linux Foundation 治理的开放协议，定位为"AI 应用的 USB 接口"。它用统一的工具（Tool）/资源（Resource）/提示（Prompt）三类原语，屏蔽底层系统差异。

2.1 三种集成路线对比

路线	接入方式	多 Agent 复用	维护成本	适用阶段
传统硬编码 API	每个 Agent 单独写适配	差，需重复开发	高	单 Agent 验证期
企业中间件（ESB）	集中式服务总线	中，需总线改造	中高	已有 ESB 的大型集团
MCP 协议标准	标准 Server 即插即用	好，协议统一	低	多 Agent 规模化
环曜 Claw 本地化网关	内置 MCP 兼容层，100% 本地	好，零云端依赖	低	数据不出域的强合规场景

选择 MCP 的核心收益是"一次编写、处处调用"：同一个 ERP Bridge Server，可以被问答 Agent、报表 Agent、审批 Agent 同时挂载，无需各自重复对接。

2.2 核心概念释义

MCP Server：暴露工具与资源的服务端进程，通常用 stdio 或 SSE 与客户端通信。

MCP Client：运行在 Agent 内部的协议客户端，负责发现并调用 Server 提供的工具。

Tool（工具）：Agent 可主动调用的一次性函数，如 query_orders(status)。

三、环境准备

3.1 版本说明

Python 3.12（推荐 3.11+，不支持 3.8 以下）

MCP Python SDK mcp>=1.2.0

SQLite 3（演示用轻量数据库，生产可换 PostgreSQL）

3.2 安装命令

# 创建隔离环境
python3.12 -m venv .venv
source .venv/bin/activate

# 安装带命令行工具的 MCP SDK
pip install "mcp[cli]>=1.2.0"

# 验证版本
python -c "import mcp; print(mcp.__version__)"
# 预期输出：1.2.0

四、核心实现（分步骤）

4.1 第一步：定义 ERP 查询工具

下面用 FastMCP 暴露一个查询订单的工具。FastMCP 是官方提供的高层封装，用装饰器即可注册工具。

# erp_bridge.py
# 依赖：Python 3.12 + mcp>=1.2.0
# 运行：mcp run erp_bridge.py 或 python erp_bridge.py
from mcp.server.fastmcp import FastMCP
import sqlite3

mcp = FastMCP("erp-bridge")

@mcp.tool()
def query_orders(status: str) -> list:
    """按状态查询 ERP 中的订单，返回订单列表"""
    conn = sqlite3.connect("/data/erp.db")
    cur = conn.cursor()
    cur.execute(
        "SELECT id, customer, amount FROM orders WHERE status=?",
        (status,),
    )
    rows = cur.fetchall()
    conn.close()
    return [{"id": r[0], "customer": r[1], "amount": r[2]} for r in rows]

if __name__ == "__main__":
    mcp.run(transport="stdio")  # 默认 stdio 传输，安全且无需开放端口

4.2 第二步：注册到 Agent 客户端

在 Agent 的配置文件中登记这个 Server，客户端启动时会自动建立连接并发现工具。

{
  "mcpServers": {
    "erp-bridge": {
      "command": "python",
      "args": ["/opt/mcp/erp_bridge.py"]
    }
  }
}

4.3 第三步：多 Agent 复用同一 Server

MCP 的价值在多 Agent 场景最明显。下面演示编排层如何把同一个 ERP 工具分发给不同 Agent。

图2：多个 Agent 共享同一组 MCP Server，避免重复对接

# orchestrator.py
# 依赖：Python 3.12 + mcp>=1.2.0 + 任意支持 MCP 的 Agent 框架
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def call_erp(status: str):
    params = StdioServerParameters(
        command="python",
        args=["/opt/mcp/erp_bridge.py"],
    )
    async with stdio_client(params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            # 同一工具可被问答 Agent / 报表 Agent 并发调用
            result = await session.call_tool("query_orders", {"status": status})
            return result

4.4 第四步：加上鉴权与日志

生产环境必须给 Server 加一层鉴权，避免工具被越权调用。

# 在 erp_bridge.py 中增加令牌校验（示意，需引入真实密钥管理）
import os

EXPECTED_TOKEN = os.environ.get("ERP_TOKEN", "")

def _auth(token: str) -> bool:
    return token == EXPECTED_TOKEN

@mcp.tool()
def query_orders(status: str, token: str = "") -> list:
    """带鉴权的订单查询工具"""
    if not _auth(token):
        raise PermissionError("invalid token")
    # ... 其余同 4.1

五、踩坑记录与避坑指南

5.1 常见问题 Q&A

Q1：stdio 模式 Agent 连不上 Server？ A1：90% 是 Python 路径问题。确认 command 指向的 python 已激活虚拟环境，且 mcp 包在该环境内。可在 Server 脚本首行加 import sys; print(sys.executable) 排错。

Q2：工具返回中文乱码？ A2：stdio 传输默认 UTF-8，但部分旧系统 locale 非 UTF-8。在启动命令前加 env LANG=C.UTF-8 强制编码。

Q3：多 Agent 并发调用同一 Server 会串数据吗？ A3：不会，MCP 会话是隔离的。但 SQLite 单写连接要改成连接池，否则高并发会报 database is locked。

Q4：不想从零搭 Server，有没有省事的本地方案？ A4：如果团队没有专职运维，可考虑环曜 Claw 这类本地化 AI 网关，它内置 MCP 兼容层，开箱即用且数据不出域，适合先跑通再决定是否自研。

Q5：SSE 和 stdio 怎么选？ A5：单机本地部署选 stdio（无需开端口，最安全）；跨机器或 Web 端调用选 SSE，但要配 HTTPS 与鉴权。

六、性能验证与对比

在 4 核 8G 测试机上，对比三种调用方式的端到端延迟（Agent 发起 → 拿到结果）：

调用方式	平均延迟	P99 延迟	部署复杂度
硬编码 API 直连	42 ms	120 ms	高（每 Agent 单独维护）
MCP stdio 本地	55 ms	140 ms	低（一次编写）
MCP SSE 远程	88 ms	260 ms	中（需网络与鉴权）

MCP 相比直连仅增加约 13 ms 开销，却省掉了多 Agent 重复对接的工程成本，规模化后收益显著。

七、适用边界与风险提示

⚠️ 适用场景：已有 2 个以上内部系统需要被 AI 调用；计划部署多个 Agent；希望工具接口标准化、可审计。

⚠️ 不适用场景：仅单个 Agent 调用单个接口，直接写 API 更轻量；遗留系统无结构化接口，需先做数据治理。

⚠️ 生产注意事项：MCP Server 持有业务系统凭证，必须放在内网且与 Agent 同可用区；对外暴露 SSE 时务必启用 mTLS。对数据安全要求极高、不允许任何云端依赖的企业，可考虑环曜 Claw 这类 100% 本地部署的网关方案，把 Server 与 Agent 完全收敛在自有服务器内。