工厂 AI Agent 怎么对接 MES、ERP：三条技术路线对比
很多制造企业的信息化负责人都有过类似经历：ERP 里刚下完排产计划，MES 里的工单进度还停留在昨天下午；计划员每天要打开两个系统、导出三张表、人工核对一遍,才能拼出一份完整的生产进度报告。ERP 管“计划和账”，MES 管“车间和执行”，两套系统各说各话，中间靠人肉搬运。多家咨询机构的调研都指向同一个结论：制造企业在系统集成与跨系统数据协同上的投入，往往占到数字化项目总预算的三到四成，而真正让 AI Agent 落地的“最后一公里”，恰恰卡在对接上。
那么，工厂 AI Agent 到底怎么对接 MES、ERP？是老老实实走 API，还是绕开接口去“模拟人操作”，抑或直接从数据库底层取数？本文把当前主流的三条技术路线拆开讲透，给出各自的原理、优劣势、适用边界和选型判断，并结合制造业真实落地场景，说明在实际工厂里该怎么组合使用。
一、先搞清楚：工厂 AI Agent 对接难，难在哪
1.1 ERP 与 MES 的天然割裂
ERP 是经营管理层系统，关注订单、物料、成本、财务；MES 是车间执行层系统，关注工单、工序、设备、报工。两者在数据模型、时间粒度、更新频率上完全不同步，中间往往还隔着一层 APS 排产、一层 WMS 仓储、一层 QMS 质量。
- ERP 的“生产订单”到 MES 会拆成“工单 + 工序”，粒度变了
- ERP 按天/按批次更新，MES 按小时甚至按分钟更新
- 同一条数据在两套系统里字段名、编码规则、状态定义都不一样
这意味着 AI Agent 不是“连上就行”，而是要理解两套系统的语义映射关系。
1.2 三个绕不开的现实约束
- 老系统没有接口：不少工厂的 MES 是十年前上的，厂商早已不再维护，开放 API 要么收费高昂，要么根本不支持
- 数据不出内网：生产数据、成本数据属于核心资产，绝大多数制造企业不接受数据经过公有云
- 系统版本频繁变更：ERP 打补丁、MES 加模块，任何一次升级都可能让既有的集成方案失效
这三点决定了：没有一种对接路线能通吃所有工厂，必须按场景选型。
二、路线一：API 接口对接——最“正统”，也最考验基础条件
2.1 技术原理
通过 MES、ERP 厂商提供的标准 API、Web Service、SDK 或消息中间件（如 Kafka、MQ），由 AI Agent 直接调用接口完成数据读写。
2.2 优势
- 稳定可靠：接口是厂商承诺的契约，字段和逻辑相对稳定
- 实时性好：事件驱动模式下，数据变更可秒级同步
- 性能高：批量数据吞吐能力强，适合大体量对账、批量建单
2.3 局限
- 强依赖厂商配合：接口开放程度、文档质量、是否收费，完全取决于原厂
- 改造成本高：老系统要开放接口，往往需要厂商二次开发，周期以月计
- 覆盖不全：很多 MES 只开放查询接口，写入类操作（如报工、改工单）不开放
2.4 适用场景
新建工厂、系统版本较新、厂商服务响应及时的企业，尤其是需要高频、大批量数据同步的场景，比如 ERP 与 MES 的工单状态双向同步、物料主数据分发。
对于具备接口条件的企业，实在Agent 可以直接调用标准 API 完成取数与回写，并把接口调用与后续的判断、校验、通知环节编排在同一个智能体流程里，减少中间系统的开发量。
三、路线二：界面级自动化对接——不改系统，像人一样操作
3.1 技术原理
不依赖任何接口，AI Agent 通过模拟人的键鼠操作、识别屏幕元素，像一名员工一样登录 ERP、点击菜单、填写表单、导出报表。核心技术包括 UI 元素拾取、屏幕语义理解、OCR 识别和流程编排。
3.2 优势
- 零侵入：原系统一行代码不用改，厂商不配合也能做
- 覆盖全：人能在界面上做的操作，Agent 基本都能做，包括老系统的独有功能
- 见效快：从梳理到上线，通常以周为单位，不用等排期
3.3 局限
- 界面变更敏感：系统大版本升级、界面改版后，流程需要重新校准
- 效率低于接口：适合中低频、规则明确的操作，不适合海量数据搬运
- 需要账号权限管理：Agent 用什么身份登录、能操作哪些菜单，必须严格限定
3.4 适用场景
MES 厂商不开放接口、系统老旧、或者只需要覆盖少数高频场景的工厂。这是目前制造业落地最多的一类路线。
某制造企业的计划与生产部有一个典型场景：每天要在 ERP 中查询延期订单，再逐个到 MES 里查生产进度，汇总后同步给生产部门，原来需要 1 个人花 4 小时。通过实在Agent，智能体自动登录两套系统完成查询、汇总与通知，每天节省约 2 小时，与生产部门的联动也明显更及时。这类场景的价值不在于技术多先进，而在于绕开了“等接口”的死循环。
同一部门的另一个场景是生产订单创建：计划员需要在 ERP 中新增生产订单、安排工序的日期与数量、统计单据信息后提交审核。由 Agent 自动打开计划表、登录 ERP、批量建单并提交，每周节省约 20 小时，效率提升约 70%。
四、路线三：数据层对接——直连数据库与数据中台
4.1 技术原理
绕过应用层，直接连接 MES、ERP 的数据库（或经由数据中台、数仓），用 SQL 读取数据，或通过中间表、视图进行数据交换。
4.2 优势
- 查询效率高：适合跨系统的复杂报表、批量比对、历史数据分析
- 不占用业务系统界面：不干扰用户正常操作
- 适合做“数据底座”：为多个 Agent 场景提供统一的取数入口
4.3 局限
- 写操作风险极高：直接改库会绕过业务校验逻辑，极易造成数据不一致，生产环境一般不建议
- 业务语义缺失：数据库里只有字段，没有业务规则，Agent 需要额外补齐判断逻辑
- 权限与审计难：直连数据库的账号权限过大，安全和合规压力大
4.4 适用场景
以“读”为主的场景，比如跨系统数据比对、生产日报汇总、异常订单排查。写入类操作仍应回到应用层完成。
五、三条路线横向对比：一张表看清怎么选
5.1 关键维度对比
| 对比维度 | 路线一：API 接口 | 路线二：界面自动化 | 路线三：数据层直连 |
|---|---|---|---|
| 对原系统侵入性 | 中（需厂商改造） | 极低（零改造） | 高（直连库） |
| 实施周期 | 长，依赖厂商排期 | 短，通常数周 | 中，需梳理表结构 |
| 前提条件 | 系统有开放接口 | 有可登录的账号 | 有数据库读权限 |
| 稳定性 | 高 | 中，受界面变更影响 | 高（读）/风险高（写） |
| 实时性 | 高 | 中 | 取决于同步频率 |
| 可覆盖操作类型 | 读写均可，但受接口限制 | 读写均可（界面能做的） | 建议只读 |
| 维护成本 | 低 | 中，需跟随版本迭代 | 中高 |
| 安全合规 | 好 | 好（可权限最小化） | 较差（权限过大） |
5.2 选型决策的三个问题
- 系统有没有可用接口？ 有且稳定→优先路线一；没有或收费过高→考虑路线二
- 操作是读还是写？ 纯读取且数据量大→路线三可作为补充；涉及业务写入→回到应用层
- 场景频率有多高？ 每天数百次以上→接口优先；每天几次到几十次→界面自动化完全够用
5.3 混合路线才是工厂的常态
现实中的工厂，往往是“新 ERP + 老 MES”“部分模块有接口、部分模块只能点界面”。因此最务实的做法是分层混合：查询类走数据层或接口，业务操作走界面自动化，关键校验双路交叉验证。
实在Agent 在这方面的特点是：一个智能体内部可以同时编排 API 调用、界面操作和数据处理三类动作，不需要为不同路线拆成多套工具。对于“ERP 有接口、MES 没接口”的典型工厂环境，可以在同一个流程里既调 ERP 接口取订单，又通过界面登录 MES 查进度，最后统一汇总输出。
六、落地建议：工厂 AI Agent 对接的四步走
6.1 第一步：先挑“高频、规则明确、跨系统”的场景
不要一上来做全厂集成。优先选择那些每天都在重复、判断规则清晰、必须跨两个以上系统的动作。典型如延期订单查询跟进、生产订单批量创建、跨系统订单智能分发、财务凭证自动生成与对账。
6.2 第二步：按“读/写”分层设计对接方式
- 读：优先接口，其次数据层，最后界面
- 写：优先接口，其次界面，坚决不直连数据库
- 校验：关键字段做双源比对，避免单点错误
6.3 第三步：把权限和安全前置
- Agent 使用独立账号，权限最小化到“只够完成该场景”
- 所有操作留痕，可回溯到具体时间、具体字段
- 敏感数据不出内网，优先私有化部署
6.4 第四步：灰度上线 + 持续观测
先让 Agent 在旁路运行、只做“影子操作”不出真实结果，比对无误后再切到正式执行。上线后持续监控成功率、异常类型，把失败案例反哺成流程优化点。
七、常见问题解答
7.1 MES 厂商不配合开放接口，还有别的办法吗？
有。界面级自动化路线不需要厂商提供任何接口，只要有合法账号和操作权限，Agent 就能像员工一样完成查询、录入、导出等操作。这是目前制造业落地最普遍的方式，也是老系统场景下几乎是唯一可行的方式。
7.2 界面自动化会不会因为系统升级就失效？
会有影响，但可控。关键在于是否具备稳定的元素识别能力——仅靠固定坐标点击的方案很脆弱，而基于屏幕语义理解、能识别控件含义的方案，对界面微调的容忍度要高得多。建议在上线前约定：重大版本升级前先做一轮回归验证。
7.3 数据不能出内网，AI Agent 怎么部署？
主流做法是私有化部署，Agent 运行在企业内网环境中，模型和流程都在本地，数据不出厂区。选型时应把“是否支持私有化部署”作为硬性指标，而不是附加项。
7.4 三条路线能混着用吗？成本差多少？
完全可以，而且推荐混用。粗略来看，API 路线的前期投入最高（含厂商改造费），界面自动化投入最低、见效最快，数据层直连居中但隐性风险成本不低。多数工厂的合理组合是：核心高频场景走接口，长尾和老系统场景走界面自动化，分析类需求走数据层。
7.5 从哪个场景切入最容易见效？
建议从“跨两个系统、每天重复、规则清晰”的岗位痛点切入。比如计划与生产部门的延期订单查询跟进、生产订单创建，财务部门的凭证生成与对账，这类场景边界清楚、成效可量化，通常几周内就能看到效果，也更容易获得业务部门的配合。
结语
工厂 AI Agent 怎么对接 MES、ERP，本质上不是一道技术选择题，而是一道“在现实约束下找最优解”的工程题。API 接口最规范但有前提，界面自动化最务实但有波动，数据层直连最高效但需克制使用。真正跑通的工厂，几乎都是把三条路线按场景分层组合，让 Agent 在接口能通的地方走接口，在接口不通的地方“像人一样”把事情做完。选对路线，比选对工具更重要。
关于三条技术路线的选型，可以先做一件事：把本部门一周内所有“需要在两个以上系统之间来回操作”的动作列出来，标注频次和是否有接口。这份清单，往往就是工厂 AI Agent 最靠谱的落地路线图。
实在Agent
