Najboljša programska oprema agentnega ERP: na kaj paziti

Zakaj tukaj ni razvrstitve

Predstavljajte si ožji izbor. Štirje ponudniki, štiri ponudbe in beseda agentičen na vsakem ovitku. Eden je uveljavljen paket z asistentom, dodanim lani. Eden je novejši izdelek, zgrajen okoli svojega agenta. Eden je platforma, ki omogoča vsakemu agentu povezovanje preko odprtega protokola. Eden je orodje za delovne tokove z jezikovnim modelom v sredini. Vsi štirje se dobro predstavijo. Dva od njih bosta še vedno pričakovala osebo pred zaslonom za vse, kar presega mejo modula, in ne boste izvedeli, kateri sta dva iz ponudb.

Uvrščena lista pri tem ne more pomagati, iz razloga, ki nima nobene zveze s kakovostjo izdelkov. Agentnost je lastnost arhitekture, in ali je določena arhitektura prava za vas, je odvisno od tega, katere module uporabljate, katerega agenta vaša ekipa že uporablja, kakšni so vaši odobritveni pragovi in koliko morate videti v dnevniku. To so vaša dejstva, ne pa dejstva recenzenta. Tisto, kar potuje med podjetji, je niz testov, zato vam ta stran daje teste in vas prosi, da jih razvrstite.

Test 1: odprti protokol, vaš agent od zunaj

The first test is whether an agent that the vendor did not build can operate the system. The open standard for this is the Model Context Protocol, which the mainstream agent clients speak: Claude adds a remote MCP server as a custom connector with an OAuth sign-in; ChatGPT does the same in developer mode with full read and write support; coding agents and internal agents built on the vendor SDKs connect the same way. A product that speaks MCP can be operated by any of them. A product that only works with its own assistant can be operated by nobody else, and that decision has been made for you.

Dokaz, ki ga je treba zahtevati, je odgovor strežnika na zahtevo tools/list, ki je v skladu s protokolom strojno berljiv seznam vsega, kar lahko agent stori. Izgledati bi moral nekako tako, ponovljen za vsako dejanje v sistemu.

{
  "tools": [
    {
      "name": "contacts.search",
      "description": "Find contacts by name, email or company.",
      "inputSchema": { "type": "object", "properties": { "query": { "type": "string" } }, "required": ["query"] }
    },
    {
      "name": "invoices.create",
      "description": "Create a draft invoice from billable lines. Fails if the caller cannot raise invoices.",
      "inputSchema": { "type": "object", "properties": { "customer_id": { "type": "string" }, "lines": { "type": "array" } }, "required": ["customer_id", "lines"] }
    },
    {
      "name": "purchase_orders.approve",
      "description": "Approve a purchase order within the caller's approval limit.",
      "inputSchema": { "type": "object", "properties": { "purchase_order_id": { "type": "string" } }, "required": ["purchase_order_id"] }
    }
  ]
}

Ilustrativen odgovor orodij/seznama v obliki, ki jo določa specifikacija MCP. Imena in pokritost se bodo razlikovali glede na izdelek; pomembno je, da seznam obstaja, je tipiziran in dovolj dolg, da pokrije module, ki jih uporabljate.

Tri stvari, ki jih je treba preveriti na seznamu. Dolg je, ker ERP vsebuje na stotine dejanj, seznam dvajsetih pa pomeni, da asistent doseže dvajset funkcij. Je tipiziran, z JSON shemo za vsak vnos, ker to omogoča strežniku, da potrdi klice namesto da bi interpretiral prozo. In se spremeni, ko se prijavi bolj omejen uporabnik, kar je most do drugega testa.

Test 2: dovoljenja po uporabnikih za vsak klic

An agent that can do more than the person it represents is a liability, not a feature. The second test is whether permissions are enforced per user and per call, not per product or per session. The protocol allows a server to vary the tool list by the authorisation presented and requires servers to implement proper access controls, but it cannot enforce either on the vendor's behalf. The good implementations filter the list before the agent sees it and then check again when each tool runs, because a filtered list is a courtesy and an execution-time check is a control.

Dokaz je živa zavrnitev. Prijavite se kot uporabnik, ki ne more odobriti naročil, prosite svojega agenta, da odobri eno, in opazujte, kaj se zgodi. Pravi odgovor je preprosta zavrnitev ob klicu, zabeležena, preostali del zahteve pa se še vedno izvede. Napačni odgovori so odobritev, ki gre skozi, napaka, ki razkrije, kaj bi orodje storilo, ali seja, ki se odpre, ker je bil pregled le na zaslonu.

Test 3: preglednost proračuna in stroškov

Agent, ki razmišlja na podlagi dobaviteljevih modelov, porabi nekaj vsakič, ko deluje, tretji test pa je, ali lahko omejite te stroške in vidite, kam so šli. Specifičen mehanizem je manj pomemben od dveh lastnosti: omejitev, ki je nastavljena na integracijo ali ključ, ki ga agent ne more preseči, in evidenca stroškov vsakega delovanja. Izdelek, ki vam lahko pove le mesečni skupni znesek po dejstvu, ni zgradil merilnika, in to boste ugotovili, ko vas bo nora zanka ali navdušen nov uporabnik udaril po računu.

Obstaja drugo vprašanje o stroških, ki ga strani za razvrščanje popolnoma preskočijo. Če izdelek omogoča, da prinesete svojega agenta, potem ko ta agent razmišlja, dobavitelj morda ne bo izvajal nobene umetne inteligence v vašem imenu in za to ne bo zaračunal ničesar. Za ekipo, ki že plačuje za Claude ali ChatGPT, to spremeni stroške agenta v postavko, ki jo nadzorujete, namesto da bi bila to postavka, ki jo določi dobavitelj. Vsakega dobavitelja vprašajte, koliko zaračunajo, ko vaš agent razmišlja, in zapišite odgovor.

Test 4: revizija, ki se bere kot dnevnik osebe

Ko agent opravi delo, postane dnevnik glavni način, kako ga vodja pregleda, zato je četrti test, ali revizijska sled beleži dejanja agenta tako popolno kot osebe. Minimalno je, kdo je vprašal, kateri agent je deloval v njihovem imenu, kateri orodja so delovala, s katerimi vhodnimi podatki, s katerim rezultatom in kdaj. Lastna navodila protokola so, da bi morali naročniki beležiti uporabo orodij za revizijo; strežnik bi moral delati enako s svoje strani, ker je strežnik tisti, ki ve, kaj se je dejansko spremenilo.

Dokaz je sam dnevnik, po zahtevi za predstavitev. Odprite ga in preverite štiri stvari: pripis osebi, ne splošnemu uporabniku integracije; zaporedje klicev orodij, ne le evidenc, ki so se spremenile; vhodni podatki in rezultati, tako da lahko napačno dejanje sledimo napačnemu vhodu; in zavrnitve, ker model dovoljenj, ki ne beleži svojih zavrnitev, ne more biti prilagojen.

Test 5: trg in kaj vam pove

Pet test je posreden, a razkriva. Če ima platforma trg aplikacij, ki jih gradijo ljudje, ki niso dobavitelj, in te aplikacije upravljajo agenti preko istega orodja kot osnovni moduli, potem je orodje resnično, dokumentirano in dovolj stabilno, da lahko nanj gradijo zunanji uporabniki. Trg je lastna arhitektura dobavitelja, ki jo vsak dan preizkušajo tujci. Prav tako odgovarja na praktično vprašanje, kaj se zgodi, ko potrebujete funkcionalnost, ki jo osnovni izdelek nima: ali čakate na načrt, plačate za prilagojeno delo ali namestite nekaj, kar že obstaja.

Dokaz je objavljena aplikacija tretje osebe, nameščena v vašem preizkusnem delovnem prostoru, ki se prikaže na seznamu orodij agenta pri naslednji zahtevi. Če trg obstaja, vendar so vse aplikacije last dobavitelja, ali če namestitev ene ne spremeni, kaj lahko agent stori, je test le delno opravljen.

Ocena

Vzemite to na vsako predstavitev in izpolnite na dan. Ocenite vsak test kot opravljen, delno opravljen ali neuspešen, in vztrajajte pri tem, da vidite dokaze, namesto da bi slišali o njih. Izdelek, ki ne opravi prvega testa, je izdelek z asistentom, ne glede na to, kaj pravi naslov, in ostali štirje testi postanejo akademski.

Sois je ena od implementacij, proti kateri lahko izvedete te teste, in ker jo mi razvijamo, lahko povemo, kako odgovarja. Delovno okolje je MCP strežnik; vsak združljiv odjemalec se poveže tako, da doda naslov delovnega okolja in se enkrat prijavi prek OAuth, brez potrebe po lepljenju žetona. Orodja so filtrirana glede na vlogo uporabnika, preden so ponujena, in ponovno preverjena, ko se izvajajo, dostop pa se zapre, če ne uspe. Poraba je lahko omejena na integracijo, vsaka akcija je zabeležena, in ko vaš lastni agent izvaja razmišljanje, platforma ne izvaja nobene umetne inteligence v vašem imenu in za to ne zaračunava nič. Razvijalci gradijo aplikacije s svojim agentom, lokalno jih brezplačno validirajo in objavljajo na trgu, kjer jih lahko pokliče vsak povezan agent. Izvedite enakih pet testov proti njemu kot proti vsem drugim; to je njihov namen.

Vprašanja, ki jih ljudje postavljajo

Ta članek se pregleda, ko se izdelki, ki jih opisuje, spremenijo. Naslednji načrtovani pregled: 4. december 2026.