亚马逊AWS官方博客

基于 Amazon Quick Desktop 与 AWS for SAP MCP Server 的智能采购助手方案

摘要:基于 Amazon Quick Desktop 与 AWS for SAP MCP Server,用零代码方式构建 SAP 智能采购助手。采购人员可以用自然语言完成寻源比价、PO 创建与催货,写操作经人审批后执行。


1、背景

越来越多的企业希望构建”企业级就绪”的 AI 智能体——安全连接企业工具与数据、基于实时业务数据推理并采取行动。Harman International、Fortescue、PLDT 等企业正在超越传统自动化,在财务、采购、供应链等场景释放智能决策价值。2026 年 6 月,Amazon Quick 发布自主智能体(autonomous agents)能力,官方示例场景明确包含”处理采购订单”,为智能化采购落地提供了原生支撑。

在采购管理中,采购人员每天需在 SAP 中完成 RFQ 查询、报价比对、PO 创建、交货跟踪与催货等操作,并在 SAP GUI、Excel、邮件间反复切换:约 70% 的时间用于系统间数据搬运,日均切换 5–8 个系统,真正用于决策的数据不足 20%,且往往只看价格而忽略 ESG、信用、交期等维度。

本文介绍如何借助 Amazon Quick Desktop 与 AWS for SAP MCP Server,以零代码、标准化、权限可控的方式构建覆盖采购全链路的 AI 智能工作伙伴。AWS for SAP MCP Server 是 AWS 于 2026 年 5 月正式发布(GA)、专为 SAP 客户打造的产品,以容器镜像免费提供、原生托管运行在 Amazon Bedrock AgentCore 上;AgentCore Runtime 负责会话隔离、私有网络连通与安全出入站授权,企业无需自建基础设施即可将 SAP OData 服务作为标准 MCP 工具安全读写。

2、方案架构设计

2.1 采购操作现状

采购人员在 SAP GUI 中需执行大量事务码:处理 PR(ME5A / MD04)、寻源与比价(ME47 / ME49)、创建 PO 与提交审批(ME21N / ME28)、订单跟进(ME2M)、物料短缺 Review(MD07)、交货监控与催货、发票差异释放(MRBR)、报表日结等。这一过程需频繁切换事务码和界面。本方案的目标,是通过 Amazon Quick 与生成式 AI 能力,让采购人员以自然语言替代 SAP GUI 中的繁琐操作。

2.2 系统架构

本方案以 Amazon Quick Desktop 为前端交互入口,以 AWS for SAP MCP Server 为核心连接层,整体架构分为”数据来源与业务执行”和”业务驱动与流程”两部分。核心业务流程如下:

  1. 自然语言交互:业务用户在 Amazon Quick Desktop 中以自然语言发起请求,Quick 的 AI Agent 识别意图并规划工具调用;
  2. MCP 调用 SAP:Quick 通过标准 MCP 协议直连托管在 Amazon Bedrock AgentCore 上的 AWS for SAP MCP Server,将 SAP OData 服务作为 MCP 工具动态发现并调用,覆盖 RFQ 查询、报价拉取、供应商列表、PO 创建、交货状态等采购全流程读写;
  3. 知识融合:企业文档(供应商 ESG、信用条款、早付折扣、采购政策等)通过 Quick Suite Spaces 托管并自动索引,以语义搜索融入决策;
  4. 外部协作:通过 Quick Connections 连接 Outlook / Teams / Slack,实现催货邮件发送与协作系统联动。

[图 1:智能采购助手系统架构]

3、Amazon Quick 的核心能力与自主智能体

Amazon Quick 不仅能回答问题,更能执行操作、理解语境并编排工作流,实现”从提问到分析、执行、交付”的闭环。支撑这一能力的是五大核心能力,并可进一步通过 Agents 将其组装为自主运行的 AI 角色。

3.1 Generative UI(生成式界面)

数据驱动、按需动态生成交互看板。晨报、RFQ 队列、比价雷达、审批进度、PO 队列、催货详情等看板无需预先开发 BI 报表,由 AI 根据实时数据即时渲染,每个看板独立成 Tab、按需刷新。

3.2 Skills(技能编排)

将资深采购员的专家工作流固化为可复用的技能包。一句话触发即可完成跨系统编排,由人确认后执行。本方案设计 5 个独立 Skill 覆盖采购到付款(P2P)全流程(采购晨报、寻源比价、审批下单、催货跟单),每个 Skill 可单独触发,并自动串联 MCP、RAG 与 Generative UI。

3.3 MCP(Model Context Protocol)

MCP 是本方案的核心。AWS for SAP MCP Server 由 AWS 官方发布、原生托管运行在 Amazon Bedrock AgentCore 上,支持 SAP OData API 的 CRUD 操作。它无需编码即可将 SAP OData 服务作为 MCP 工具动态发现,一次配置持续可用,不改一行 ABAP 代码;依托 AgentCore Identity 提供 OAuth 2.0 等企业级出入站授权。本方案 9 个 OData 工具覆盖采购全流程读写。

[图 2:通过 MCP 连接 SAP]

3.4 Knowledge RAG(知识库)

企业文档上传至 Quick Suite Spaces 后自动索引,供应商 ESG、信用条款、早付折扣、历史交期等非结构化知识转化为结构化决策情报。比价时按供应商自动召回,与 SAP 价格结合形成多维评估。

3.5 Connections(外部连接)

连接 Outlook 邮件/日历、Slack、Teams 等外部协作系统。本方案中,催货升级邮件由 AI 按多轮递进策略生成,经人确认后通过 Outlook Connection 发送,无需离开 Quick Desktop,显著减少系统切换。

3.6 Autonomous Agents(自主智能体)

前述五大能力可通过 Amazon Quick 的 Agents 组装为具备独立指令、知识源与能力的自定义 AI 角色。Agent 既能在对话中随需协作,也能按计划自主持续运行,并支持从”逐步审批”到”目标驱动自主执行”的颗粒化自主级别。本方案将采购员的专业判断固化为一个”数字采购员 Agent”,装载寻源比价、审批下单等 Skill,并连接 AWS for SAP MCP Server、供应商知识库(Spaces)与 Outlook。其中采购晨报、交货监控等场景以自主模式定时运行,写操作(如创建 PO、发送催货邮件)则设为”人审批”级别,兼顾效率与合规。所有 Agent 的运行历史可在 Mission Control 中统一监控与审计。

3.7 Knowledge Graph (知识图谱)

Amazon Quick 内建个人化知识图谱(Context Graph),自动从用户已连接的 Slack、邮件、日历、本地文档等多源信息中持续提取人物、项目、组织、决策、事件等实体及其关系,构建一张动态演化的工作语境网络。与传统 RAG 的”文档片段召回”不同,Knowledge Graph 以实体为节点、以对话/协作记录为边,将碎片化沟通转化为结构化关系情报——例如自动关联”供应商联系人 → 其负责的报价 → 对应的采购订单 → 相关内部审批人”,形成完整的业务脉络。

4、方案设计:采购全链路

本方案将采购员的核心职责链——PR 筛选、寻源比价、选商推荐、审批、下 PO、交货监控、催货——抽象为五个场景,由 Amazon Quick 的 Skills 编排、MCP 执行、Generative UI 呈现:

① 运营晨报

[图 3]

该场景由采购晨报 Agent 以自主模式每日定时运行,自动推送采购看板,采购员可快速掌握 PR 收件箱、待处理需求与异常预警,无需人工触发或逐个打开 ME5A / MD04。

② 寻源与询价

以自然语言查询全部活跃 RFQ,AI 通过 MCP 从 SAP 拉取 RFQ 及报价明细,替代 ME47 / ME49 / Excel 的多界面切换。

[图 4]

③ 智能比价

AI 将 SAP 报价与知识库中的 ESG、信用、交期、早付折扣、质量评分融合,生成多维雷达图对比看板。五维评分按价格 30%、绿色能源 25%、碳排放 20%、用水 15%、早付折扣 10% 加权,支持从”仅看价格”向多维评估升级。

[图 5]

④ 审批与下单

审批通过后,以自然语言创建 PO,AI 通过 MCP 调用 SAP OData 接口完成 PO 创建。采购员使用 procurement_user 角色,具备 create 权限但不具备 update / delete 等操作,写操作在权限白名单约束下执行。

[图 6]

⑤ 交货监控与催货

该场景由交货监控 Agent 以自主模式持续运行,主动检查在途 PO 的交货状态、预警延期风险,并按多轮递进策略起草催货邮件;邮件发送设为”人审批”级别,经采购员确认后通过 Outlook 发送。

[图 7]

5、构建采购 Agent:从五大能力到数字采购员

前述五大能力是”零件”,Agent 则是把这些零件组装成一个可复用数字员工的”总成”。在 Amazon Quick 中,构建一个 Agent 无需编码,全程以自然语言完成。下面以本方案实际构建的”数字采购员”Agent 为例,说明构建过程与关键配置。

5.1 Agent 配置四要素

在 Quick 中通过对话描述目标即可生成配置草案,随后在配置面板中细化四类要素:指令(Instructions,定义角色与业务规则)、技能(Skills,可调用的工作流)、知识库(Spaces,RAG 数据源)、连接(Connections,可访问的外部服务)。

[图 8:Agent 配置四要素]

5.2 数字采购员 Agent 配置示例

本方案实际构建的”数字采购员”Agent,其能力栈配置如下:

能力项 配置值
指令(Instructions) 覆盖 P2P 全链路业务规则,写入合规红线:比价选定供应商后必先走审批,审批通过方可创建 PO,写操作先呈草案、人确认后执行
技能(Skills) 采购晨报、RFQ 寻源、五维比价、审批下单、创建 PO、在途 PO 看板、催货跟单、智能排产
知识库(Spaces) 供应商知识库(ESG、信用、交期等画像),供五维比价语义召回
连接(Connections) Outlook,用于催货邮件的真实发送
MCP AWS for SAP MCP Server(标准 MCP 协议,SAP OData 读写)

构建完成后,采购员即可在 Agent 选择器中选择该 Agent,通过对话或 @ 提及方式随需调用;原有的技能关键词触发方式同样保留。

5.3 自主运行与人机协同

Agent 支持从”逐步审批”到”目标驱动自主执行”的颗粒化自主级别。本方案据此差异化配置:

  • 自主运行场景:采购晨报每工作日早晨自动推送;交货监控 Agent 持续跟踪在途 PO、预警延期风险并起草催货邮件。
  • 人审批场景:创建 PO、发送催货邮件等写操作设为”人审批”级别,Agent 先呈现草案,由采购员确认后才执行——这既落地了”审批在下单之前”的合规要求,也确保关键动作始终由人把关。

所有 Agent 的运行记录可在 Mission Control 中统一监控与审计,满足企业级可追溯要求。

6、Demo 效果展示

以下通过采购全链路的关键场景展示实际运行效果,均可在 Amazon Quick Desktop 中复现。

(1)查询 RFQ 与智能比价

用户以自然语言查询今日 RFQ,Quick 通过 MCP 调用 SAP OData 返回 RFQ 列表;进一步请求比价时,AI 结合知识库中供应商的 ESG、信用、交期数据生成多维雷达图对比看板并给出选商建议。

[图 9]

[图 10:查询 RFQ 与智能比价]

(2)创建 PO 并在 SAP 中验证

用户以自然语言基于指定报价单创建 PO,Quick 通过 MCP 调用 SAP OData 接口完成创建并返回订单编号。随后在 SAP GUI(ME23N)中查询该订单,可验证物料、数量、供应商与价格均正确。

[图 11]

[图 12]

[图 13:创建 PO 并在 SAP 环境验证]

(3)一键催货

用户请求催货后,AI 按多轮递进策略起草催货邮件,经采购员确认后通过 Outlook 发送。

[图 14]

[图 15:一键催货]

(4)现金流分析与损益可视化看板

用户以自然语言请求现金流分析,Quick 通过 MCP 调用 SAP OData 接口同时拉取 AP(应付)与 AR(应收)明细,自动计算账龄分布、净现金流趋势及对 P&L 的预测影响。AI 生成交互式 Dashboard,包含 AP/AR 余额对比、账龄热力图、异常科目高亮与预算偏差分析,支持按供应商或成本中心下钻,帮助财务团队在月结场景中快速定位超支/欠支根因,数分钟内形成纠正方案与数据支撑。

[图 16:AP 对账摘要与到期预警]

(5)AP 对账摘要与到期预警

用户请求运行 AP 对账摘要,Quick 通过 MCP 调用 SAP OData 接口批量获取供应商发票与付款记录,自动按公司代码完成三单匹配(PO–收货–发票),识别未匹配项、重复付款风险及逾期发票。AI 将结果汇总为结构化对账报告,按账龄桶(当期 / 1–30 天 / 31–60 天 / 61–90 天 / 90+ 天)呈现逾期金额分布,并对高风险项自动生成跟进任务推送至 Asana,实现从对账、预警到行动的端到端闭环。

[图 17]

[图 18]

7、效率提升与客户价值

在采购员约 60% 工作时间所集中的四个高频场景中,方案带来的效率提升如下(示例场景,实际效果因环境而异):

场景 传统耗时 Quick + MCP 效率提升
PR 收件箱处理 约 30 分钟 约 3 分钟查看并执行 约 60%
寻源比价 约 1 小时(切换多界面 + Excel) 约 10 分钟,雷达图自动生成 约 53%
审批与创建 PO 约 20 分钟 约 30 秒 约 37%
跟单催货 约 15 分钟/单 约 30 秒/单,AI 起草 约 80%

综合来看,方案为企业带来四类核心价值:

  • 效率提升:报价单、发票等单据智能录入,自然语言映射 SAP 编码,事务性工作大幅自动化;
  • 决策敏捷:以自然语言即时生成分析看板,跨系统数据可及,缩短决策与沟通耗时;
  • 合规可控:三层纵深防御与静态白名单确保最小权限访问,越权操作被拦截,审计全覆盖;
  • 战略寻源:SAP 价格与知识库多维信息融合,构建供应商画像,缩短寻源周期、优化采购成本。

8、总结与展望

本方案以 Amazon Quick Desktop 为前端交互入口,以托管在 Amazon Bedrock AgentCore 上的 AWS for SAP MCP Server 为核心连接层,结合 Quick 的 Generative UI、Skills、MCP、RAG、Connections 五大能力,与 SAP 系统深度集成,并通过三层纵深防御与静态白名单实现企业级权限治理,构建了一套零代码、标准化、权限可控的 SAP 智能采购助手。

相较于传统的定制开发方式,本方案的核心价值在于产品化与标准化——基于标准 MCP 协议,无需编写代码、不改 ABAP,即可安全读写 SAP OData 服务,显著降低企业 AI 落地的门槛与周期。未来,随着 Quick Skills 生态与 AWS for SAP MCP Server 能力的演进,该方案可扩展至供应商评分、采购预算校验、合同合规审查等更多采购及 SAP 横向业务场景。

➡️ 下一步行动:

相关产品:

相关文章:

9、如何开始(Get Started)

如需构建类似方案:安装 Amazon Quick Desktop → 参考官方文档将 AWS for SAP MCP Server 部署到 Amazon Bedrock AgentCore Runtime 并配置 SAP OData 连通与授权 → 在 Quick Desktop 中通过内置 MCP 客户端连接。相关官方资源:

*前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营,具体信息以中国区域官网为准。

本篇作者

刘磊

亚马逊云科技合作伙伴解决方案架构师,致力于帮助初创企业在亚马逊云平台上实现业务部署以及GAI创新应用。在制造业和云计算领域有多年的实践经验,目前专注GAI在SAP和相关行业领域的解决方案。

陈乐行

亚马逊云科技解决方案架构师,拥有多年云计算领域的业务拓展与技术咨询经验。现专注于香港亚马逊合作伙伴生态的方案架构设计与咨询工作,致力于推动 AWS 云服务在香港的落地与创新应用。当前重点深耕数据、人工智能及生成式 AI 等领域,帮助企业客户加速智能化转型。


AWS 架构师中心:云端创新的引领者

探索 AWS 架构师中心,获取经实战验证的最佳实践与架构指南,助您高效构建安全、可靠的云上应用