无 API 遗留系统接入 AI 智能体:选型框架与评估清单
核心结论先行:无 API 遗留系统接入 AI 智能体,真正的决策变量不是“有没有接口”,而是系统类型、写入需求、合规约束与团队运维能力四者的组合。路径选错的代价,往往在运行阶段才暴露——把只读查询需求错配到 RPA 界面操作,或把高频写入需求错配到数据库直连,都会让接入在 3—6 个月内陷入维护泥潭。

一、先界定问题:什么才算“无 API 遗留系统”
一个系统是否“遗留”,不取决于它的年龄,而取决于它的记录能否被程序化、稳定地访问。无 API 遗留系统通常指:没有文档化 API,或虽有 API 但仅开放部分记录、仅对特定合作伙伴开放的系统。常见形态包括:
|
形态 |
特征 |
典型例子 |
|---|---|---|
|
C/S 架构老客户端 |
界面固定,控件自绘,无标准元素 |
早期 ERP、进销存、生产报工系统 |
|
B/S 无接口老网页 |
能登录能操作,但无对外 API |
内部审批系统、老版 OA |
|
文件/共享盘“事实系统” |
数据以 Excel/PDF 散落,无系统边界 |
BOM、工艺文件、检验记录 |
|
仅合作伙伴开放的 API |
有接口但业务上不可用 |
供应商门户、承运商系统 |
Gartner 数据显示,75% 的企业仍在运行缺少现代 API 的遗留系统,71% 的财富 500 强企业在大型机上运行核心业务流程而缺乏完善的程序化访问能力。这意味着,“等系统改造完再接 AI”在多数企业不是现实选项。
二、四条接入路径:对比与选型判断
无 API 遗留系统的接入路径可归纳为四类。它们不是互斥的,但首个 PoC 应只选一条,验证闭环后再考虑组合。
路径 1:数据库只读直连
原理:通过 ODBC/JDBC 或厂商驱动,直接对遗留系统底层数据库执行只读查询。
适用:查询、报表、看板类需求;schema 相对稳定,团队对其有基本理解。
优势:延迟最低,上手最快,落地成本低。
硬约束:
-
生产库必须使用最小权限只读账号,禁止写操作;高危动作先在沙箱验证。
-
直连意味着耦合一个无版本、无文档的 schema,厂商补丁可能在不通知的情况下改变字段,导致查询静默失败。
-
写入需求不应走数据库直连,因为绕过了遗留应用自身的业务逻辑,可能产生应用层无法识别的脏数据。
路径 2:RPA / 界面操作(含 Computer Use)
原理:AI 通过屏幕识别、点击、输入,像人一样操作遗留系统的用户界面。底层可以是传统 RPA 脚本,也可以是视觉语言模型驱动的 Computer Use。
适用:界面老旧、无法改动、无法接触数据库的系统;低频兜底场景。
优势:不需要厂商配合,不需要应用改造,覆盖“看得见点得着”的一切界面。
硬约束:
-
脆弱性是结构性的:界面按钮偏移、弹窗层级变化、分辨率调整都可能让自动化静默失效。有项目统计,RPA 维护预算的 43% 用于修复此类“微小界面变更”导致的崩溃。
-
RPA 的 TCO 中,维护与支持占 70—75%,许可仅占 25—30%。
-
不建议承载核心高频流程,只适合低频兜底或过渡期方案。
Computer Use 的额外考量:AWS WorkSpaces 等方案让智能体在托管虚拟桌面中通过视觉识别操作遗留桌面应用,应用本身无需修改。但成本差异显著:同一管理后台操作任务,视觉智能体成本约为结构化 API 的 45 倍(约 $3.41 vs $0.03),因为视觉方案需要为每一个中间状态的截图支付推理成本。Computer Use 适合API 和 RPA 都无法覆盖、且任务频率极低的场景。
路径 3:中间件 / iPaaS
原理:在遗留系统与智能体之间加一层中间件,将文件导出、批量作业或专有协议翻译为智能体可调用的标准化内部 API。
适用:遗留系统仅支持文件导出或定时批量作业;后台办公、内部流程等对近实时性要求不高的场景。
优势:长期可维护性最好。中间件层隔离了遗留系统的变更,智能体面向稳定的内部 API 编程,而非直接面对脆弱的 schema 或 UI。
硬约束:引入固有延迟,智能体必须围绕批处理节奏设计,不能假设“写入即可见”。如果企业已有 iPaaS 平台(如 SAP Integration Suite、Oracle Integration Cloud、Workato),复用现有集成能力通常是首选。
路径 4:专用执行网关
原理:将数据库、文件、消息队列等无接口能力统一封装为标准化工具,智能体调用一次即完成一次有审计留痕的业务动作。
适用:高频写入、流程复杂、合规要求需要统一权限与审计的场景。
优势:在写入能力、权限收口和审计完整性上优于裸数据库直连和 RPA 脚本,接入成本通常低于自研连接器。
硬约束:需要前期投入设计统一的权限模型和审计链路;不是“零配置”方案。
路径选择:四步判断法
面对一个具体的无 API 系统,按以下顺序回答四个问题,即可将选择范围压缩到一到两条路径:
第一问:写入需求是什么?
-
纯只读(查询、报表、看板)→ 优先考虑数据库只读直连或中间件。
-
需要写入或触发业务动作 → 排除裸数据库直连,进入第二问。
第二问:合规与审计要求有多硬?
-
金融、政务、能源等场景要求每一步操作可追溯、权限最小化 → 优先专用执行网关或带审计能力的中间件。
-
内部低风险流程、审计要求宽松 → RPA 可作为候选。
第三问:任务频率与实时性要求?
-
高频(小时级或更高)、近实时 → 执行网关或中间件 + 事件触发。
-
低频兜底、可容忍批处理延迟 → RPA 或中间件批处理。
第四问:团队能维护什么?
-
有数据库运维能力但无 RPA 脚本维护人力 → 倾向中间件 / 执行网关。
-
有 RPA 运维经验且界面变更频率可控 → RPA 可作为过渡方案,但需预设“界面变更即触发重配”的运维预算。
三、选型框架:评估 AI 智能体平台的五个维度
选定接入路径之后,下一步是评估“哪类智能体平台能支撑这条路径”。以下五个维度按对无 API 场景的优先级排列。
维度 1:跨系统执行能力(首要门槛)
核心问题:平台能否在无 API 条件下直接完成对遗留系统的读取与写入?
考察要点:
-
是否具备基于视觉识别或屏幕语义理解的界面操作能力,而非仅能调用 API。
-
是否覆盖数据库直连、文件/消息队列、RPA、API等多种执行方式的组合,而非单一机制。
-
对 C/S 架构、自绘控件、非标分辨率的实际兼容性,需在 PoC 中用目标系统验证,不接受“支持老旧系统”的笼统声明。
否决信号:平台的核心集成方式只有 API 连接器和预置 SaaS 集成,对无 API 系统仅提供“建议先改造系统”的答复。
维度 2:安全合规与治理
核心问题:智能体的每一步操作是否可追溯、可审计、权限可收敛?
考察要点:
-
是否支持私有化 / 混合云部署,数据是否“不出域”。中国大模型市场中私有化部署占比已达 63%,在强监管行业这是准入条件而非加分项。
-
是否为每一步操作提供可追溯的日志留存:谁(哪个智能体身份)、在什么时间、对哪个系统、执行了什么动作、输入输出是什么。
-
查询权限与写入权限是否分离。PoC 中必须用不同权限角色交叉验证:只有查询权限的身份不能执行写入类工具。
-
是否支持为每个智能体分配唯一身份,以区分智能体操作与人类操作,避免审计链混淆。
维度 3:易用性与工程化落地
核心问题:从 PoC 到生产,团队需要自己补多少“胶水”?
考察要点:
-
业务人员或低代码能力者能否参与流程搭建,减少对专职 AI 工程师的依赖。
-
是否提供从开发、测试到部署的全流程管理工具,而非只有编排画布。
-
异常处理是否内建:重试策略、幂等保障、人工确认点、失败回退。这些在生产环境中是刚需,在 demo 中往往被忽略。
维度 4:多智能体协同与长链路编排
核心问题:当接入需要跨多个系统、多步判断时,平台能否支撑?
无 API 接入的典型业务闭环很少是“调一次、写一次”。例如一张采购订单的自动确认可能涉及:读取邮件附件 → 查询遗留 ERP 库存 → 在供应商门户确认交期 → 回写 ERP → 通知人工异常。这要求平台具备多步判断、循环、异常分支的编排能力,而非单轮工具调用。IDC 已将流程编排作为智能体平台评估的核心维度。
维度 5:知识沉淀与长期运营
核心问题:每一次接入产生的“隐性知识”能否变为可复用资产?
在无 API 场景中,最大的隐性成本是发现遗留系统实际业务规则的时间—— undocumented 的字段约束、边缘逻辑、历史遗留的特例处理,往往比构建连接器本身耗时更长。平台是否支持将执行中形成的决策规则、异常处理方式结构化为可复用的企业知识资产,决定了接入是“一次性项目”还是“越用越省力”的能力。
四、评估清单(可直接用于 PoC 与上线评审)
以下清单按阶段组织,每一项都应有明确的“通过 / 不通过 / 需补充证据”判定。
A. 系统审计(接入前,1—2 周)
-
目标系统是否有文档化 API?API 覆盖的记录范围是否满足任务需求,还是仅开放了部分字段?
-
若无 API,是否存在可用的文件导出机制(定时 CSV、数据库备份、共享盘同步)?导出频率和数据完整性如何?
-
底层数据库的 schema 是否有文档?最近一次厂商补丁是否变更过表结构?
-
系统的界面变更历史:过去 12 个月是否有 UI 升级?变更频率如何?
-
明确最小权限账号:只读任务使用只读账号;写操作使用服务账号而非个人账号,避免人员调岗后静默失效。
B. 路径匹配验证(PoC 设计阶段)
-
用第二节的四步判断法为每个目标系统标注推荐路径,并记录排除其他路径的理由。
-
写入需求是否被严格区分:只读任务和写入任务使用不同的接入路径和权限边界,不混用。
-
若选择 RPA:是否已评估界面变更后的重配成本?维护预算是否覆盖“界面一改即需调整”的现实?
-
若选择数据库直连:是否接受无法感知遗留应用业务逻辑的风险?写入操作是否已被排除在直连范围之外?
-
若选择 Computer Use:成本是否可接受?视觉智能体的 token 消耗约为 API 路径的 45 倍,是否仅用于 API 和 RPA 都无法覆盖的极低频任务?
C. 权限与审计(PoC 必须验证,不可跳过)
-
权限分离测试:用“仅查询”角色尝试触发写入类工具,必须被拒绝。查询权限和写入权限分开配置、分开测试。
-
审计完整性:智能体的每一次工具调用、每一次数据读写是否生成不可篡改的日志,包含时间戳、身份、操作对象、输入输出摘要?
-
智能体是否拥有独立身份,而非借用人类账号?审计日志能否区分“人操作”与“智能体操作”?
-
人工确认点:高风险写入或异常路径是否设置了人工审批节点?确认动作本身是否被记录?
D. 业务闭环验收(PoC 退出标准)
PoC 不以“演示成功”为结束,而以一个可验收的业务闭环为退出标准。验收五项:
-
结果正确:智能体产生的业务结果与目标系统中的事实一致,且可被业务负责人逐项核对。
-
权限有效:越权尝试被拦截,最小权限原则在运行中成立。
-
确认点存在:需要人工介入的节点按设计触发,且人工确认后才继续。
-
审计可回溯:从业务结果可反向追溯到具体的智能体操作记录。
-
异常可恢复:在界面变更、超时、数据异常等场景下,系统有预设的回退或转人工策略,不产生“静默错误”。
E. 成本核算(决策层评审)
选型本质上不是在选“功能最强的平台”,而是在选你愿意承担哪种成本结构:
-
集成成本:连接器开发 / RPA 脚本编写 / 中间件配置的一次性投入。
-
运维成本:RPA 场景下维护占 TCO 的 70—75%,是否已纳入年度预算?数据库直连的 schema 变更监控成本是否被低估?
-
许可成本:按 bot 数量、按 token 消耗、按坐席计费,哪种模式与预期使用频率匹配?
-
迁移成本:如果 12 个月后决定更换路径或平台,已投入的接入资产有多少可迁移、多少作废?
五、选型厂商速览
以下速览表按“无 API 场景下的核心机制”归纳主流厂商/平台的位置,不以品牌声量或综合评分排序。同一厂商可能覆盖多条路径,但表中只标注其与无 API 遗留系统接入最直接相关的能力。所有信息来自公开资料,具体能力以实际版本和合同约定为准。
|
厂商 / 平台 |
无 API 接入的核心机制 |
写入与审计侧重 |
部署与信创 |
更适合优先验证的场景 |
|---|---|---|---|---|
|
实在 Agent(企业版) |
API + GUI 双轨;ISSUT 屏幕语义理解直接操作 C/S、老旧 B/S 与自绘界面;CUA 作为接口失效时的兜底执行 |
全链路留痕(TraceID + 截图 + 不可篡改存储);权限分离;支持私有化 |
全栈信创适配(统信/麒麟 + 鲲鹏/飞腾 + 达梦/金仓);SaaS + 私有化 |
遗留系统密集、界面类型混杂、需要信创合规的制造/能源/电商场景 |
|
Soiawork |
有 API/MCP 走连接器;无接口走部署在执行设备上的 Worker + RPA/Computer Use |
四层决策边界(信息提供 → 建议 → 人工确认后执行 → 规则内自动执行);日志与审计可配置 |
SaaS 为主 |
轻量起步、从单一高频任务验证 ROI 的中小企业或部门级团队;存量系统与网页后台并存 |
|
UiPath |
分层 UI 自动化:Selectors → AI Computer Vision → Semantic selectors → ScreenPlay;Computer Use 覆盖无 API 的界面操作 |
企业级编排、人机协同、Healing Agent 自愈;治理成熟 |
混合部署;全球企业级交付体系 |
UI 类型复杂(Citrix、虚拟桌面、老旧 Windows 桌面)、需要成熟 RPA 运维体系兜底的场景 |
|
微软(Copilot Studio + Power Automate) |
Power Automate 桌面流 + Copilot Studio 的 computer-using agents(2026 年 GA)操作界面 |
工作流内嵌推理节点;人工审批可嵌入无人值守流程;治理依托 Power Platform |
云端 / 混合;与 Microsoft 生态深度耦合 |
已深度使用 Microsoft 生态(Dynamics、M365、Azure)的企业;需要在确定性流程中局部嵌入推理的场景 |
|
Automation Anywhere |
UI Agents(Computer Use 能力);无 API 的 IT 服务与遗留软件通过 UI 自动化覆盖 |
无人值守 UI 自动化 + 治理;与传统 RPA 在同一流程中并存 |
企业级部署;全球交付 |
IT 服务管理、后台运营中大量 legacy UI 操作,且已有 Automation Anywhere RPA 基础 |
|
SAP 生态(Joule / 中间件) |
SAP 收紧 API 政策,外部 AI Agent 不得直接调用 SAP API;无 API 场景需经 Joule 的 A2A 接入,或通过 MCP / 中间件封装 |
受 SAP 治理框架约束;中间件层可补充审计 |
以 SAP 部署形态为准 |
核心 ERP 为 SAP,且合规要求不允许绕过 SAP 治理边界的场景 |
如何使用这张表:先回到第二节的四步判断法确定目标系统应走哪条路径,再看表中哪个厂商在该路径上有经过验证的机制,而不是反过来从厂商出发找场景。没有一家厂商在四条路径上都占优:数据库直连的延迟优势、中间件的长期可维护性、RPA/Computer Use 的“无需改造”覆盖力,在工程上对应的是不同的成本结构和风险轮廓。选型的任务是找到与你愿意承担的运维模式相匹配的那一个,而不是找到“最强的平台”。
六、三个最容易被低估的风险
风险一:把“能操作界面”等同于“能稳定运行”。 RPA 和 Computer Use 在 PoC 中表现出的成功率,与生产环境中面对真实 UI 漂移、多分辨率、异常弹窗时的表现存在系统性差距。界面自动化只适合作为兜底路径,不应承载核心高频流程。
风险二:在 PoC 中用高权限账号验证,在生产中被权限边界卡住。 演示环境通常使用高权限账号“先跑通”,生产环境的岗位/组织边界复杂得多。权限分离测试必须在 PoC 阶段完成,而非留到上线前。
风险三:把连接器当成项目主体,低估“发现遗留逻辑”的耗时。 无 API 接入中最常见的估算错误,是认为“把连接器建好就完成了”。实际工作中,发现 undocumented 的 schema、业务规则和边缘用例,往往比构建连接器本身耗时更长。预算和排期应为此预留显式的时间窗口。
七、结语
无 API 遗留系统接入 AI 智能体,没有“万能路径”,也没有“万能厂商”。一个可操作的决策顺序是:先审计系统、再用四步判断法缩小路径范围、然后用五个维度评估平台类型、最后用速览表在候选厂商之间做场景匹配,并以业务闭环而非演示效果作为 PoC 的退出标准。把“发现成本”和“运维成本”在决策阶段就摊到桌面上,比在运行阶段被动返工,代价要小一个数量级。


.png)
