大模型越来越聪明，Agent 也越来越会“思考”。但对很多企业来说，AI 落地真正卡住的，往往不是模型不够强，而是模型根本进不去真实业务系统。在企业数字化运营持续深化以及生成式 AI 快速普及的今天，大家都在讨论大模型、Agent、Copilot，也有越来越多企业开始借助 OpenClaw 等能力，探索“让 AI 去操作业务系统”。但当这些尝试真正进入生产环境时，问题很快就会暴露出来：企业真正缺的，不只是让 AI “会说”，而是让 AI 能稳定地连接系统、调用能力、执行动作，并且整个过程可控、可管、可复用。回到企业实际业务场景，会发现像订单查询、客户检索、库存校验、审批提交、工单流转、知识检索等，这些能力其实早已沉淀在企业业务系统中。但问题在于，它们并不都以同一种形态存在：有些已经是规范化、文档化的 API 资产，具备被工具化、Agent 化的基础
但也有大量能力仍然停留在浏览器页面、桌面系统、人工录入和跨系统操作流中，缺少标准接口，或者接口根本覆盖不了真实业务流程因此，对于已经完成 API 规范化建设的企业来说，最现实的问题是：如何把现有 API 资产快速转化为 AI Agent 可理解、可调用、可治理的标准工具。而对于没有标准接口、仍依赖页面操作和人工流程的系统，企业更关心的是：如何先把这些能力转出来，再接入 AI 生态。基于这样的现实需求，派拉软件正式推出并发布 MCP 网关× Ditto 双产品——一个面向“已有 API 的能力”，一个面向“没有接口的能力”；一个负责把已有能力快速接入 AI，一个负责把原本接不进来的能力先转出来，再纳入统一治理。
一、为什么企业应用接入 AI，需要两条路径？很多人谈企业 AI 接入时，习惯默认一个前提：应用能力已经是标准 API，只要接给 Agent 就可以了。但在真实企业环境里，这个前提往往并不成立。一部分能力确实已经通过 API 的方式存在，并且已经被纳入 API 网关、Swagger / OpenAPI 文档与企业治理体系中。这类能力有明确接口、明确参数、明确返回结果，本身就具备被工具化和 Agent 化的基础。对这类能力来说，关键不是“能不能接”，而是如何以更低成本、更高效率、更强治理的方式进入 AI 生态。但另一部分能力并非如此。很多企业里真正高频、核心、又难以替代的业务能力，仍然沉淀在桌面客户端、Web 页面操作流、没有开放接口的老系统、依赖人工点击与录入的业务流程......这些能力原本并不以 API 形式存在，也就无法直接进入 Agent 调用链路。如果企业只依赖“已有 API 接入”，那就意味着 AI 能力的落地边界，会被锁死在那一部分已经完成接口化改造的系统上。这也是为什么，企业应用接入 AI，必须同时具备两条路径：路径一：已有 API 的能力，快速转化为 Agent 可调用工具
路径二：没有接口的能力，先转成 API / MCP，再进入 Agent 工具体系而在这两条路径上，派拉分别给出了两个产品答案：MCP 网关：负责让规范 API 资产快速接入 AI 生态
Ditto：负责把没有接口的应用能力转换为 API / MCP，再纳入 AI 生态
二、MCP 网关：让规范 API 资产快速进入 AI 生态如果说企业里最现实、最成熟、最可控的业务能力，大多已经通过 API 沉淀下来。那么， MCP 网关解决的，就是如何把这些 API 资产快速升级为 AI Agent 可调用、可治理的标准工具。MCP 网关并不是替代企业现有 API 体系，也不是重新建设一层业务能力。它建立在派拉已有 API 网关和 API 管理能力基础上，帮助企业把已经标准化、文档化、可治理的 API 资产，快速转化为 AI Agent 可理解、可调用、可治理的标准 MCP Tools，并进一步对 MCP Tools 与 MCP Server 进行统一代理和全生命周期管理。从这个角度看，MCP 网关最核心的价值不在于“协议怎么转”，而在于让企业已有 API 资产，以更低成本、更高效率、更强治理的方式进入 AI 执行层。其核心产品能力与价值可归纳为以下三点：1、API 转 MCP Tools这是 MCP 网关最核心、也最具业务价值的一项能力。依托派拉 API 网关已有的 API 管理能力，MCP 网关可以基于已注册的 API 定义信息——包括接口路径、请求方法、请求/响应参数、接口描述等——自动生成对应的 MCP Tool 描述、Tool Name、Description、Input Schema 等元信息，无需人工逐个编写工具定义。平台同时支持直接导入 Swagger 2.0 / OpenAPI 3.0 文档，适合企业存量 API 资产的批量接入与快速迁移。这意味着，企业已经通过网关规范化管理起来的订单查询、客户检索、库存校验、审批提交、知识检索等能力，不需要重写，也不需要重新做一套 Agent 专用开发，就可以快速变成 AI Agent 可调用的标准工具。2、外部 MCP Server 统一代理除了内部 API 资产，企业在构建 AI Agent 能力时，往往还需要接入来自不同来源的外部工具服务。如果让多个 Agent 分散地直接连接不同的 MCP Server，很快就会带来新的问题：● 工具来源分散，接入边界难统一
● 权限和安全策略难以继承
● 调用日志不集中，审计追踪难完整
● 运维风险高，治理成本不断叠加MCP 网关在这里，可以提供统一代理接入能力。企业可以将分散的外部 MCP Server 注册到 MCP 网关，通过统一入口进行访问管理，而不是让 AI Agent 直接连接多个外部服务端。与此同时，这些外部工具接入后，还能自动继承 API 网关的身份认证、IP 黑白名单、流量控制等既有安全策略，并完整记录调用主体、工具名称、输入参数和返回结果等调用日志。这意味着，MCP 网关解决的不只是“内部 API 如何变工具”；也解决了，外部工具服务如何被标准化接入，并纳入企业统一治理。3、Tools 全生命周期管理对企业来说，工具接入只是第一步。真正重要的是：工具在接入之后，能不能像正式的企业资产一样被持续管理。派拉MCP 网关继承了 API 网关成熟的接口管理与审批体系，可为 MCP Tools 提供从注册到下线的全流程规范化管控，包括：● 工具注册与审批● 多环境发布● 工具上线与下线● 工具版本管理● 实时监控与统计告警这意味着，工具不再只是零散存在的调用入口，而是进入企业标准治理流程中的正式资产。每一个 Tool 的功能定义、权限配置、安全策略、版本演进和运行状态，都能被纳入统一管理。
三、Ditto：让没有接口的应用能力，也能进入 AI 生态回到现实，我们会发现，企业里并不是所有能力都已经 API 化了。如果只依赖 MCP 网关这类面向 API 资产的接入方式，那么一大批真实业务能力依然进不来。而这正是 Ditto 的意义所在。Ditto 解决的问题，不是“怎么管理 API”，而是更前一步：如何把原本缺少标准接口、依赖人工操作的现有应用系统能力，转化为 AI 可理解、可调用、可编排、可治理的执行能力。它不是单一的录制工具，也不是孤立的脚本执行器，而是企
...(已截断)
---
来源: 看雪论坛
原文链接: https://bbs.kanxue.com/thread-291221.htm
[原创]派拉新产品发布（四）｜MCP 网关 × Ditto：打通企业应用接入 AI 的两条路径
316 浏览
0 回复
暂无回复，快来抢沙发吧！