FastMCP + REST API实战：让AI一键调用企业ERP、CRM和第三方系统

关键词：FastMCP、REST API、MCP、Python、ERP、CRM、AI Agent、Claude Desktop、Cursor、企业数字化

如今，大多数企业都已经拥有自己的业务系统，例如：

  • ERP（企业资源计划）

  • CRM（客户关系管理）

  • OA（办公自动化）

  • MES（制造执行系统）

  • WMS（仓储管理系统）

  • 财务系统

  • 人力资源系统

这些系统几乎都提供了REST API，但普通员工并不会直接调用API。

例如，销售人员可能只是想问一句：

"今天新增了多少客户？"

或者：

"帮我查询订单A20260716001的状态。"

过去，这些需求通常需要登录系统、查找菜单，甚至编写接口调用代码。

而借助FastMCP + REST API，AI可以直接调用企业系统，实现真正意义上的自然语言操作业务系统。

本文将通过一个完整案例，讲解如何将REST API快速封装为MCP Tool，并接入Claude、Cursor等支持MCP的AI客户端。

一、为什么REST API是企业AI最重要的入口？

目前，绝大多数企业系统都支持REST API。

例如：

ERP │ ├── GET /orders ├── POST /orders ├── GET /inventory └── PUT /inventory

CRM：

CRM │ ├── GET /customer ├── GET /customer/{id} ├── POST /customer └── PUT /customer

AI并不需要直接访问数据库。

真正推荐的架构应该是：

Claude / Cursor ↓ FastMCP ↓ REST API ↓ ERP / CRM ↓ 数据库

这样不仅安全，而且不会影响企业现有系统架构。

二、准备开发环境

安装FastMCP：

pip install mcp

安装HTTP请求库：

pip install requests

如果需要异步调用：

pip install httpx

在高并发场景下，更推荐使用httpx配合异步请求，以提升整体性能。

三、假设ERP提供了订单接口

例如：

GET /api/orders/10001

返回：

{ "id":10001, "customer":"张三", "status":"已发货", "amount":3560 }

以前。

开发者需要：

requests.get(...)

现在。

只需要封装成：

MCP Tool。

四、封装第一个REST Tool

例如：

from mcp.server.fastmcp import FastMCP import requests app = FastMCP("ERP") @app.tool() def query_order(order_id: int): """ 查询订单信息 """ url = f"https://erp.company.com/api/orders/{order_id}" response = requests.get(url) return response.json()

就是这么简单。

AI以后：

可以直接：

调用：

query_order()

五、Claude如何调用？

例如：

用户输入：

查询10001订单。

后台：

LLM ↓ 发现： query_order() ↓ HTTP GET ↓ ERP ↓ JSON ↓ AI整理回复

最终：

AI回答：

订单10001已发货，客户张三，订单金额3560元。

整个过程无需用户了解API地址或参数。

六、再开发一个CRM接口

例如：

@app.tool() def query_customer(customer_id:int): response=requests.get( f"https://crm.company.com/customer/{customer_id}" ) return response.json()

用户：

查询10086客户。

AI：

自动调用：

query_customer()

无需：

人工指定。

七、创建订单接口

不仅可以查询。

还可以：

创建。

例如：

ERP：

POST /orders

Python：

@app.tool() def create_order(customer_id:int,amount:float): ... return response.json()

以后。

用户：

给客户10086创建一张500元订单。

后台：

LLM ↓ create_order() ↓ POST ↓ ERP ↓ 成功

真正实现：

AI办公。

建议：对于创建、修改、删除等写操作，建议增加人工确认机制，例如要求AI先生成待执行内容，待用户确认后再真正调用Tool。

八、为什么不要让AI自己拼URL？

很多新人会这样设计：

@app.tool() def request(url):

然后：

AI：

自己：

拼接。

URL。

这种设计：

风险极大。

例如：

/admin/delete /admin/config /internal

都有可能：

被访问。

推荐：

固定：

接口。

例如：

query_customer() query_order() query_stock() query_sales()

而不是开放一个万能HTTP请求工具。

九、接口认证如何处理？

企业REST API通常需要认证，例如：

Authorization: Bearer xxxxxxxxx

不要让AI生成Token。

推荐：

服务器统一管理：

headers = { "Authorization": "Bearer " + TOKEN }

Token应保存在环境变量、配置中心或密钥管理服务中，而不是硬编码到代码里。

这样：

AI：

永远不知道：

Token。

十、统一封装HTTP客户端

如果每个Tool都写：

requests.get(...)

项目会越来越乱。

建议：

services/ ↓ erp_client.py ↓ crm_client.py

例如：

class ERPClient: def query_order(): ... def create_order(): ... def query_stock(): ...

Tool：

只负责：

调用。

@app.tool() def query_order(id): return erp.query_order(id)

企业项目：

都这样：

分层。

十一、多个系统如何统一管理？

例如：

企业：

有：

ERP CRM OA HR MES

FastMCP：

可以：

统一：

暴露。

ERP Tool CRM Tool OA Tool HR Tool

AI：

统一：

调用。

用户：

甚至不知道：

后台：

调用了：

几个系统。

例如：

帮我查询张三今天有没有请假，如果没有，请创建一个出差申请。

后台可能完成：

HR ↓ 查询请假 ↓ OA ↓ 创建审批 ↓ 返回成功

这就是AI Agent的价值。

十二、错误处理与重试

REST API不可避免会遇到超时、网络异常或服务不可用等问题。

建议在Tool中统一处理：

try: response = requests.get(url, timeout=5) response.raise_for_status() return response.json() except requests.Timeout: return { "success": False, "message": "请求超时，请稍后重试。" } except requests.RequestException as e: return { "success": False, "message": f"接口调用失败：{str(e)}" }

同时，可以根据业务需要增加有限次数的自动重试，避免因临时网络波动导致任务失败。

十三、企业级REST API最佳实践

实际项目中，建议遵循以下原则：

实践建议说明
工具职责单一一个Tool完成一个业务动作，例如查询订单或创建客户。
统一HTTP客户端所有API调用集中管理，便于维护认证、日志和重试。
参数校验检查必填项、数据类型和业务规则。
敏感信息保护Token、密钥使用环境变量或配置中心管理。
写操作需确认创建、修改、删除操作增加用户确认步骤。
日志审计记录接口调用、参数、耗时和结果，便于排查问题。

十四、一个完整的企业AI调用流程

假设用户输入：

帮我查询今天新增客户，并统计成交金额最高的前5位客户。

后台可能执行：

用户 ↓ Claude / Cursor ↓ FastMCP ↓ query_new_customers() ↓ CRM API ↓ query_top_sales() ↓ ERP API ↓ JSON数据 ↓ AI分析 ↓ 生成报表

整个过程中，AI并没有直接访问数据库，而是通过标准化的MCP Tool调用已有REST API，实现跨系统协同。

总结

对于绝大多数企业来说，接入AI并不意味着重构现有系统。

如果你的ERP、CRM、OA等业务系统已经提供REST API，那么只需通过FastMCP进行简单封装，就能让AI以自然语言调用这些能力。

推荐的架构如下：

Claude / Cursor ↓ FastMCP Tool ↓ ERP / CRM Client ↓ REST API ↓ 业务系统

这种方式具有几个明显优势：

  • 复用现有系统能力：无需改造数据库或业务逻辑。

  • 安全可控：认证、权限和日志都集中在服务端管理。

  • 易于扩展：新增一个API，通常只需增加一个Tool即可。

  • 适合企业级AI Agent：能够跨多个系统完成复杂业务流程。

对于希望构建企业AI助手的团队来说，FastMCP + REST API是一种兼顾开发效率、安全性和可维护性的实践方案。

本文知识点

✅ FastMCP封装REST API
✅ ERP、CRM接口接入
✅ GET与POST工具设计
✅ HTTP认证管理
✅ API客户端分层设计
✅ 异常处理与重试
✅ 企业级AI Agent架构