基于多智能体与 MCP，中国工商银行软件开发中心普惠金融智能中枢建设探索与实践

普惠金融领域面临业务流程复杂、信息处理负荷高、人力资源紧张的现实困难，为解决这一难题，中国工商银行软件开发中心打造智能助手“工小惠”，通过 MOA 多智能体协同框架与 MCP 动态服务发现机制，构建“一个超级框 + 一套智能中枢 +N 个垂直智能体”的协同体系。该助手具备领域问题通解能力，实现自然语言级的业务理解与任务拆解，降低业务门槛，有效支撑高负荷业务场景，提升普惠金融服务的及时性和准确性。

业务痛点

当前，技术支撑不足已成为制约普惠金融业务高质量发展的突出痛点，具体体现为业务办理流程门槛过高。以贷后管理为例，客户经理在执行贷后管理等关键环节时，需高频次查阅大量制度规范文件（现行有效制度逾 50 项），其中约 43% 于 2023 年后修订，且需频繁追溯制度历史版本，耗费大量时间精力。尽管前期已推出制度智能问答助手（如信管、内控、普惠等条线的智能体），但也存在诸多局限：

• 制度覆盖存在盲区：对普惠贷后管理等核心领域的规章制度覆盖尚不全面；

• 历史沿革追溯缺失：缺乏对规章制度历史版本的查询与比对功能；

• 区域层级覆盖不足：未能有效纳入分行层面的差异化制度及高频应用场景规范。

解决方案

技术架构设计

构建三层智能服务体系，见图 1：1+1+N 范式架构图：

• 交互层（一个超级框）：基于 DeepSeek 的推理以及多模态大模型提供 All-in-One 泛化解题入口

• 认知层（一套智能中枢）：通过智能中枢意图识别系统实现问题拆解与路径规划

• 执行层（N 个垂直智能体）：利用 MCP 服务网关调度存量工具，支持智能体按需调用

图 1:1+1+N 范式架构图

核心引擎实现

智能体集群建设

围绕客户经理每日工作，构建专项智能体辅助客户经理高效处理营销、业务办理、贷后管理等环节的问题与待办任务，例如通过知识库整合总分行制度规范、操作手册、业务知识等材料打造知识问答智能体；调度客户分析小模型、客户画像、互联网舆论等信息，结合大模型的润色总结能力提炼信息打造一站式的客户识别智能体；融合大模型智慧搜索、多模态财报识别、公司章程和财报总结分析能力，自动收集并填充行内系统信息打造尽调报告生成智能体等。

MOA 多智能体协同框架

智能中枢负责理解、拆解问题，并进行任务规划，利用多个已经训练好的 LLM 作为独立的 Agent，让 Agent 相互协作，相互参考答案和建议，最终得到答案，并且可以随时组合和拔插不同的模型。构建多层 MOA 模型，每层包含多个 LLM 智能体。见图 2：MOA 智能中枢与 MCP 服务框架图

MCP 服务框架

为实现已有服务快速复用，基于普惠现有服务架构建设 MCP 网关实现远程代理架构模式，提供存量服务 MCP 信息注册登记能力，支持 MCP 服务请求转换为存量 Http 请求，内建会话保持、路由转发等机制支撑 MCP 服务调用流程。同时基于服务注册中心提供 MCP 服务的统一视图与运营管理，为工小惠提供智能体所需 MCP 服务工具集，方便开发人员快速编排智能体并实现安全调用管控。

图 2：MOA 智能中枢与 MCP 服务框架图

创新亮点

提升普惠服务质效

在当前的普惠金融实践中，业务流程的复杂性、信息处理的庞大需求以及客户经理面临的高负荷工作，仍然是亟待解决的挑战。项目通过 All-in-One 泛化解题能力实现破局：

• 统一入口解决泛化需求：基于 deepseek 的推理及多模态大模型，构建 All-in-One 泛化解题能力。支持客户经理通过自然语言、图像混合输入提出需求（如上传系统失败提示截图并询问“授信名单准入报错该怎么做”）。系统自动识别意图，通过智能路由分派至经营快贷授信准入、风控等专业模块，避免多系统切换操作。

• 深度赋能业务流程：围绕客户经理每日工作，通过多智能体协同盘点和编写客户经理业绩完成情况报告，构建专项智能体辅助客户经理高效处理营销、业务办理、续贷等环节的待办任务，助力提升营销精准性、业务办理效率和客户留存率。在盘点风险方面，围绕贷后风险管理，通过多智能体协同总结和编写每日风险分析报告，打造预警分析、风险分析、责评、组卷报告编写等专项智能体辅助客户经理处理风险待办，解决多头预警信息识别难\处理耗时多、风险监测信息查询系统多、风险分析报告多、门槛高等痛点，提升风险识别质效、报告编写效率，降低履职违规事件数量。

破解智能生态碎片化难题

当前普惠智能化进程面临核心挑战：随着各业务线独立开发的 AI 专家智能体增加，形成大量功能独立的“信息孤岛”，处理复杂需求时需要客户经理主动选择多项不同的工具，违背主动性原则；普惠智能体虽具备工具识别调用能力，但由于各应用接口标准不一，无法复用存量服务，智能体获取业务数据难度大，无法有效深入业务场景。这样既无法高效整合能力，又因缺乏统一协同标准导致新工具接入周期长，严重制约普惠金融服务效率。

针对这一痛点，项目通过两项创新实现突破，见图 3：MOA 智能中枢与 MCP 服务流程图。

MOA 多智能体协同框架彻底重构传统单智能体服务模式。该框架构建三层智能协作网络（策略规划→领域解析→工具执行），使系统具备类人思维的复杂任务拆解能力。例如，客户经理提出“某某企业怎么样”的综合需求时，MOA 自动分解为工商查询、财报分析、行业分析、企业舆情评估、风险测算等子任务，联动对应专业智能体协同处理。这一设计将复杂查询响应时效从小时级压缩至秒级，工具调用准确率大幅提升，显著提升决策效率。

MCP 服务框架攻克存量系统复用难题。传统模式下，每接入一个新工具需定制化开发接口，耗时费力。MCP 创新采用“能力声明”机制——服务方仅需说明功能边界（如“输入企业名称，输出工商注册信息”），智能体即可通过语义理解自动发现并调用该服务。例如基于 MCP 服务提供的客户分析以及营销模板匹配能力，生成以客户为中心的精准营销方案。在客户分析时，快速聚合存量企业工商注册、客户画像、风险等信息，并协同企业自身经营交易数据、同业产品使用情况等分析数据，为营销客户生成定制化解决方案，形成“一户一案”能力。这一机制使新业务接入周期大幅缩短，为生态持续扩容奠定基础。

图 3：MOA 智能中枢与 MCP 服务流程图