过去一段时间，AI智能体正在从“会聊天”走向“能办事”。但对企业来说，真正有价值的智能体，不只是回答一个问题、生成一段内容，更要能够理解正在运行的业务，找到正确的数据，并在授权范围内完成实际操作。

基于这样的思考，百数AI智能体正式开放公测，基于成熟的智能体框架，结合百数低代码平台进行了深度改造。我们希望让智能体不再游离于业务系统之外，而是真正融入企业的生产环境。

从“填表”到“拍照即完成”

场景示例：

销售小伙伴在外陌拜客户，只需要输入公司名称，或者现场拍一张客户公司的门头照片，AI就能自动完成以下全部工作——

1. 通过企查查获取企业的统一社会信用代码、法人信息、联系电话；
2. 将公司地址传递给高德地图，定位并检索周边300米内的酒店；
3. 将全部信息自动填入百数低代码平台的客户信息表单；
4. 自动发起一条审批流程，生成待办通知给相关领导。

使用者端极其简单——拍照或输入名称，剩下的全部交给AI，而整个智能体的搭建过程，无需编写任何代码。

零代码搭建：三步完成跨平台连接

第一步：接入企查查MCP，获取企业信息

MCP（Model Context Protocol，模型上下文协议）是AI领域的“USB-C接口”——一个通用、标准化的连接方案，让不同的大模型能够安全、高效地访问外部系统和数据源。

在百数AI智能体中，接入外部MCP服务非常简单：复制企查查官方提供的MCP服务URL，填入插件配置的URL和请求头即可完成接入。接入后，系统会自动列出该MCP提供的所有能力——查企业信息、法人股东结构、主要人员、财务信息等。

关键点在于：这些接口的中文描述直接决定了AI能否准确识别和使用它们，描述越清晰，AI的理解越精准，幻觉就越少。

第二步：接入高德地图MCP，获取位置与周边信息

同样的方式接入高德地图的MCP服务，填入URL和API Key。高德MCP提供了天气查询、关键词检索周边信息、路径规划等能力。在本次场景中，我们只选用“周边信息检索”这一个技能。

第三步：接入百数开放平台HTTP接口，完成数据写入与流程发起

不同于前两步的MCP接入，这一步演示的是如何对接标准的HTTP接口。

在百数开放平台中找到目标表单的数据写入接口，将接口URL、认证参数（Token/Key）、请求方式（POST）配置到插件中。然后手动配置入参——将客户名称、统一社会信用代码、联系人姓名、联系电话、拜访时间等字段与表单字段一一对应。

这里有一个关键细节： 配置完成后一定要点击“运行”测试接口是否通畅，确认数据能正常写入表单后，再点击“发布”。智能体使用的是已发布的版本，未发布则无法调用。

三个平台全部接入完成后，AI就能自主调度这些技能，完成从数据获取到数据写入的完整链路。

效果验证：多平台内容秒级响应

配置完成后，只需在智能体中输入“查询阿里巴巴公司信息，并查找附近的酒店”，AI就会自动——

1. 调用企查查获取企业统一编码和法人信息；
2. 调用高德检索周边酒店；
3. 将全部数据填入客户信息表并自动发起流程。

如果使用者觉得每次输入太长，还可以将提示词固化——比如预设为“查询{公司名称}及附近300米内酒店”，使用者只需输入公司名称即可。

更值得一提的是，百数AI智能体内置了完整的文件识别能力。销售现场拍摄的公司门头照片，可以直接上传，AI会自动识别图片中的文字信息并提取关键数据。

目前百数已支持图片识别、常规文本文件、Word文件、Excel文件以及PDF图文混合文件的完整识别——这在ToB办公场景中极具实用价值。

百数AI智能体的核心优势

真正融入业务系统，而非外挂

百数AI智能体的数据库与百数低代码业务数据库在同一数据体系内协同运行。相比先把业务数据同步到外部智能体平台、再通过多层接口往返调用的方式，这大大减少了不必要的数据搬运和系统转接。

响应时间与成本双重可控

在本次演示中，三个平台串联执行一次的token消耗约10000左右（按照常规大模型费用折算在0.02元），响应时间稳定在30秒以内。

相比之下，某些竞品工具的连接器能力虽然“不用对接、即开即用”，但响应时间时快时慢、成本不可控——快的时候几十秒，慢的时候几分钟，一次执行可能消耗2块钱以上。在生产环境中，不可控的响应时间和成本是无法接受的。

两种连接方式全覆盖

百数AI智能体同时支持MCP协议和标准HTTP接口两种连接方式：

• MCP：适合对接已提供MCP服务的大平台（如企查查、高德、金蝶等），配置简单，自动识别能力列表。
• HTTP：适合对接企业自建系统或未提供MCP的传统接口，手动配置入参，灵活性更高。

MCP让AI从“只会说”进化为“能做事”，而百数让这种进化真正落地到企业的生产环境中。

内置工作流，有效控制幻觉

AI幻觉是生产环境中的一大隐患。百数AI智能体提供了AI工作流能力——可以在工作流中设置校验、验证和分支逻辑，当AI产生幻觉或数据异常时，系统可以自动报错、与使用者反复确认，直到信息正确。这让AI的错误率降到企业可接受的范围之内。

关于MCP，你需要知道的两件事

很多伙伴在直播中问到：百数左侧的“MCP管理”和插件中的“MCP接入”有什么区别？

• 插件中的MCP：接入其他平台提供的MCP服务（如企查查、高德），用于获取外部数据。
• 左侧的MCP管理：百数自己开发内部MCP，能够对百数内部数据进行复杂运算——比如智能排班、智能排产等场景，外部MCP搞不定，响应时间也不允许。

两者的本质区别在于：外部MCP负责“拿数据”，内部MCP负责“算数据”。

2026年，AI与低代码的融合已从“外挂式Copilot”进入“元数据级AI原生”阶段。市场关注点已彻底回归业务本身——客户不再看重模型有多“大”，更看重产品能不能解决真问题、交付真结果。

百数AI智能体的设计初衷，正是让每一个功能都能落地到生产环境中去。它不是“会聊天”的玩具，而是能办事、能闭环、能产生实际业务价值的生产力工具。

让AI真正参与您的业务

从百数AI智能体开始

百数AI智能体已开放公测，欢迎各位伙伴扫码填写报名表或联系售前售后团队申请体验。