AI MCP เชื่อม ERPNext และระบบธุรกิจ
ให้ AI Agent เข้าถึงข้อมูลและเรียก Business Actions อย่างมีขอบเขต ผ่าน MCP Server มาตรฐาน
เชื่อม AI เข้ากับ ERPNext, OMS และ Business API ผ่าน Gateway เดียว พร้อมการกำหนดสิทธิ์ ขั้นตอนอนุมัติ และบันทึกตรวจสอบย้อนหลัง
ให้ AI เข้าใจงาน
และเชื่อมต่อระบบ
อย่างมีขอบเขต
MCP เป็นมาตรฐานการเรียกใช้เครื่องมือจาก AI ส่วนระบบขององค์กรยังเป็นผู้ตรวจสิทธิ์ ตรวจเงื่อนไข และบันทึกการทำงานก่อนเปลี่ยนข้อมูลจริง
Automation ต้องแก้ปัญหาหน้างานจริง ไม่เพิ่มขั้นตอน
AI ต้องเข้าฐานข้อมูลโดยตรง
การให้โมเดล Run SQL หรือเรียก Generic DocType API เสี่ยงต่อสิทธิ์และความถูกต้องของธุรกรรม
Tool ไม่มีขอบเขต Business
การใช้ Tool เช่น generic_update_doc ทำให้ตรวจนโยบายเฉพาะ Order/Finance/Stock ได้ยาก
ผู้ใช้หลายบริษัทข้อมูลปะปนกัน
MCP สำหรับ SaaS ต้องยืนยัน Tenant ทุก Request ไม่ใช้ Prompt เป็นตัวตรวจสิทธิ์
ไม่รู้ว่า Agent เรียกอะไรไปแล้ว
ขาด Tool Call ID, Approval Record และ Mapping ไปยังเอกสารต้นทาง
ความสามารถและระบบที่ออกแบบพัฒนาได้
Orders & Fulfillment
ดึงรายการต้องจัดส่ง สถานะ Payment, Picking/Packing และบันทึกงานตามสิทธิ์
Inventory & Warehouses
สอบถาม Stock Balance, Batch, Serial, Reservation และการเคลื่อนไหวแบบมีบริบท
Purchasing & Suppliers
ค้นหา Vendor, ตรวจ PR/PO และสร้าง Draft เพื่อเข้ากระบวนการอนุมัติ
Finance & Accounting
ดู AR/AP, Invoice, Payment Status และ Exception โดยแยก Read กับ Write Scope
CRM & Support
สรุป Lead/Opportunity, Ticket และ SLA พร้อมสร้าง Follow-up Task ตามสิทธิ์
Manufacturing & Quality
อ่าน Work Order, BOM, Job Card, Batch และ QC Holds เพื่อช่วยตัดสินใจหน้างาน
Reports & Analytics
ให้ AI ใช้ Metric Definitions และ Report API ที่ผ่านการควบคุม ไม่คำนวณตัวเลขจากข้อมูลไม่ครบ
Tool Governance
กำหนด Read/Write Flags, Tool Schema, Description, Version และ Policy Test
เชื่อม AI โดยไม่ข้ามกฎธุรกิจของ ERP
AI Client เรียก Tool ที่ได้รับอนุญาตผ่าน MCP ส่วนการตรวจตัวตน Policy, Validation และ Audit อยู่ใน Backend Business API ไม่ใช้ Prompt เป็นเครื่องมือตรวจสิทธิ์
Enterprise
Enterprise
GATEWAYDomain Tools
ตัวอย่าง Flow ตั้งแต่คำสั่งจนเกิดผลในระบบ
แสดงการออกแบบขั้นตอนอนุมัติและธุรกรรมจริง ตัวอย่างไม่ได้หมายความว่าระบบทุกแห่งเปิดใช้ Flow เหล่านี้แล้ว
ระบุสิ่งที่ต้องการทำ
จำกัดข้อมูลและ Action
ดำเนินการผ่านระบบจริง
มีหลักฐานตรวจสอบได้
คำถามสต๊อกจากแชท
ผู้ใช้ถามว่า SKU ใดพร้อมส่ง ระบบอ่าน Stock/Reservation แบบมี Scope แล้วแสดงข้อเท็จจริงพร้อมเวลาอัปเดต
- 01
ตรวจผู้ใช้/Workspace
- 02
ค้น SKU และ Warehouse
- 03
เรียก Stock Balance Tool
- 04
คำนวณ Available-to-Promise ตาม Policy
- 05
ส่งผลลัพธ์พร้อม Reference
สร้าง Draft Purchase Order
AI ช่วยรวบรวมข้อเสนอ แต่การสร้างเอกสารผ่าน Server-side API และตรวจ Supplier/Price/UOM
- 01
อ่าน PR และราคา
- 02
เตรียมร่าง PO
- 03
Validate Policy/Permission
- 04
สร้าง Draft ผ่าน Domain API
- 05
ส่ง Approval ตามวงเงิน
สรุปออร์เดอร์และงานค้างรายวัน
AI ดึงรายการค้างพร้อมความเสี่ยงและส่งให้ทีมดำเนินการแบบ Exception-driven
- 01
ดึงรายการตามช่วงเวลา
- 02
ตรวจ Store/Tenant Scope
- 03
จัดกลุ่มสถานะ
- 04
สรุปเหตุสำคัญ
- 05
เสนอ Tool Action ให้ผู้มีสิทธิ์
ขั้นตอนทำงานตั้งแต่สำรวจระบบจนเปิดใช้อย่างปลอดภัย
กำหนดแผนตาม Enterprise Tenant, ระบบเดิม ความเสี่ยง และความพร้อมของข้อมูลจริง
- 01
Define Domain Tools
กำหนด Business Tool Catalog แยก Read/Write และ Input/Output Schemas
- 02
Secure MCP Transport
เตรียม Remote HTTPS Streamable HTTP Endpoint, OAuth และ Token Audience Validation
- 03
Enforce Business API
Gateway เรียก Domain Services ไม่ให้ AI เปลี่ยนข้อมูลผ่าน SQL/Generic API
- 04
Register AI Clients
เชื่อม ChatGPT Enterprise และ/หรือ Gemini Enterprise ตามสิทธิ์ Admin
- 05
Test Tools & Incidents
ทดสอบ Tenant Isolation, Prompt Injection, Duplicate Writes, Approval และ Logs
- 06
Publish and Observe
ปล่อย Tool เวอร์ชันที่อนุมัติ พร้อม Dashboard และ Rollback Plan
สิ่งที่ควรได้รับในการส่งมอบ
MCP Tool Catalog
รายชื่อ Tools, Schemas, Scopes และความเสี่ยงแยกตาม Action
MCP Gateway & Auth
Endpoint, OAuth, User/Tenant Mapping, Policy Middleware
Audit & Observability
Correlation IDs, Tool Logs, Duration, Errors, Action IDs
Client Integration Guide
ขั้นตอนติดตั้งสำหรับ Admin ของ ChatGPT หรือ Gemini ตามสิทธิ์ Workspace
สิ่งที่ต้องตรวจสอบและควบคุมที่ Backend
Tenant isolation
บังคับ Tenant/Company Scope ฝั่ง Backend ทุก Request
Tool least privilege
Expose เฉพาะ Tool ที่จำเป็น แยก Read-only และ Write Actions
Audit and approval
บันทึก User, Tool Name, Action, Transaction ID และ Approval Reference
Defense in depth
ใช้ HTTPS/OAuth, Input Validation, Rate Limits, Secret Management และ Prompt Injection Testing
MCP เป็นสถาปัตยกรรมที่ออกแบบและเชื่อมต่อได้ แต่การยืนยันว่า Tool ใช้งานได้กับ Tenant ลูกค้า ต้องผ่าน Integration Test และสิทธิ์ของแพลตฟอร์มจริง
คำถามสำคัญก่อนเริ่มเชื่อมต่อ
MCP ต่างจาก REST API อย่างไร?
REST API เป็น Interface ของระบบธุรกิจ ส่วน MCP เป็นมาตรฐานให้ AI Client ค้นพบและเรียก Tools โดย Gateway สามารถใช้ REST/API เดิมด้านหลังได้
หนึ่ง MCP Server ต่อได้หลาย AI Platform ไหม?
ได้ในเชิงสถาปัตยกรรมเมื่อ Endpoint, Authentication และ Tool Schemas รองรับข้อกำหนดของแต่ละแพลตฟอร์ม ต้องทดสอบแยกและอนุมัติแยก Workspace
ต้องเปิดข้อมูลลูกค้าทั้งหมดให้ AI หรือไม่?
ไม่ควร ใช้ User-level Permission, Field-level Filtering, Data Minimization และ Tenant Isolation ตาม Use Case
มีการสร้าง Tool แบบ Read-only ได้ไหม?
ได้ ควรแยก Read-only Tool เป็นกลุ่มแรก แล้วเปิด Write เฉพาะเมื่อมี Validation/Approval/Idempotency ครบ
Gemini Enterprise กับ ChatGPT Enterprise ต้องใช้ Tool Catalog แบบเดียวกันทุกตัวไหม?
ไม่จำเป็น Gateway อาจมี Catalog กลาง แต่ต้องเลือกเปิด Tools ตามความเสี่ยงและข้อจำกัดของแต่ละ Workspace เช่นจำนวน Actions และสิทธิ์ที่อนุมัติ
เชื่อม MCP แล้วเท่ากับมี AI Agent พร้อมใช้หรือไม่?
ไม่เท่ากัน ต้องออกแบบ Use Case, Instructions, Identity Mapping, QA/Evaluation และ Runbook ของ Agent ก่อนใช้งานจริง
เอกสารผู้ผลิตและข้อกำหนดที่เกี่ยวข้อง
ทำให้ AI ช่วยงานได้จริง พร้อมขอบเขตที่ตรวจสอบได้
เริ่มจาก Workflow ตัวอย่าง รายชื่อ Tool ที่ต้องใช้ และการตรวจความพร้อม Tenant เพื่อประเมินสถาปัตยกรรมและสิทธิ์ให้ตรงกับองค์กร