YiAsk MCP 是亿问 Data Agent 面向外部 Agent 提供的远程 MCP 服务。它让 WorkBuddy、OpenAI Codex 等支持 MCP 的工作入口,可以调用亿问的企业问数能力;查询仍在 Data Agent 已配置的业务语义、空间和用户权限范围内执行。
它接入的是受控的可信问数能力,不是把数据库直接暴露给外部 Agent。
ask_data。 它接收自然语言业务问题,并返回精简的数据查询和分析结果。过去,企业数据分析常常发生在一个独立系统里:用户先打开问数产品,得到结果,再把数字复制到文档、项目或代码环境中继续处理。
这条链路的问题不只是多切换了一次页面。结果离开原系统以后,指标口径、权限范围和数据上下文也更容易在复制与转述中丢失。
YiAsk MCP 把入口向前推进了一步:当用户已经在 WorkBuddy 整理材料,或在 OpenAI Codex 处理项目任务时,可以由当前宿主调用亿问 Data Agent 完成问数,再把结果带回当前工作。
这意味着可信问数不再只是一个独立产品中的功能,也可以成为企业 Agent 工作流中的一项基础能力。
如果想先了解 MCP 为什么只负责连接、不负责业务口径,可以阅读《MCP 如何让 AI Agent 连接外部系统:原理、边界与适用场景》。
一次典型调用可以概括为五步:
用户在 WorkBuddy / OpenAI Codex 中提出业务问题 → 宿主 Agent 选择 YiAsk MCP → ask_data 将自然语言问题交给亿问 Data Agent → Data Agent 按业务语义、空间和用户权限完成查询 → 结果返回宿主,由宿主继续组织后续任务
这条链路中,各层职责并不相同:
| 层次 | 主要职责 | 不应混淆的边界 |
|---|---|---|
| WorkBuddy / OpenAI Codex | 承载用户目标、选择工具并组织后续工作 | 不重新拥有企业指标的定义权 |
| YiAsk MCP | 提供远程连接、认证和 ask_data 调用入口 | 不绕过 Data Agent 直接访问数据库 |
| 亿问 Data Agent | 按企业语义、数据映射和权限完成问数 | 不替宿主完成所有文档、代码或外部动作 |
| 宿主后续处理 | 在自身能力和授权范围内整理说明、文档或代码 | 结果质量仍取决于任务要求、工具和人工核验 |
根据亿问现行 MCP Server 接入文档,可以确认以下产品口径:
| 能力项 | 当前公开说明 |
|---|---|
| 服务形态 | 以远程 MCP Server 形式提供,采用 Streamable HTTP |
| 核心工具 | 当前公开文档列出 ask_data,用于提交自然语言业务问题 |
| 认证方式 | 支持 OAuth 浏览器授权和 Bearer Token |
| 空间范围 | 可在调用中指定业务空间;查询范围受当前身份可访问空间约束 |
| 权限边界 | 复用 Data Agent 中已有的用户、角色、空间和数据权限 |
| WorkBuddy | 官方文档提供远程 MCP 连接与 OAuth 授权步骤 |
| OpenAI Codex | 亿问产品更新确认可接入;Codex 官方文档确认其客户端支持远程 MCP |
这里的“已经明确”不等于所有客户端体验都完全相同。具体配置入口、客户端版本、认证选择和结果样式,应以实际部署环境及发布时的实测材料为准。
按照亿问公开文档,WorkBuddy 的接入过程可以概括为:
ask_data;正式教程应同时标注 WorkBuddy 版本、配置范围和演示日期,避免把某一版本的界面当成长期不变的操作路径。
OpenAI 官方文档显示,ChatGPT 桌面应用、Codex CLI 与 Codex IDE 扩展可以连接 MCP Server,并支持远程 Streamable HTTP、OAuth 和 Bearer Token 等方式。
因此,YiAsk MCP 在 Codex 中的原则流程是:添加远程 Server、完成身份认证、确认能够发现问数工具,再用脱敏的标准问题验证查询与权限。
但“Codex”包含不同客户端形态。亿问正式对外教程仍应以已经完成实测的客户端和版本为准,不把某一种客户端的配置界面泛化成全部 Codex 的统一步骤。
如果外部 Agent 直接面对数据库,它通常还需要自己理解表、字段、Join、指标和权限。连接成功,只能说明它有机会生成并执行查询,不能保证“销售额”使用企业确认的口径。
YiAsk MCP 的调用对象则是 Data Agent 的 ask_data 能力。问题仍要经过企业已经建设的业务语义与查询链路,结果也受当前用户和空间约束。
| 对比项 | 直接连接数据库 | 通过 YiAsk MCP 调用可信问数 |
|---|---|---|
| 外部 Agent 面对的对象 | 表、字段、Schema 或 SQL 工具 | 自然语言问数工具 |
| 业务口径 | 需要另行提供或由模型推断 | 复用 Data Agent 中已有的语义配置 |
| 查询执行 | 由外部 Agent 或数据库工具组织 | 由 Data Agent 问数链路承接 |
| 权限 | 取决于数据库凭证与连接配置 | 沿用授权身份在 Data Agent 中的权限边界 |
这也是“能连接数据”与“能够可信问数”的区别。
例如,用户正在准备月度经营复盘,可以在 WorkBuddy 或 OpenAI Codex 中提出:
查询本月各区域销售额,并找出同比下降最明显的三个区域。
YiAsk MCP 把问题交给 Data Agent,Data Agent 按当前空间中的指标、时间与权限完成查询。结果返回以后,宿主可以在自身能力和授权范围内继续:
这时需要严格区分能力归属:问数结果来自 YiAsk MCP 所连接的 Data Agent;报告、文件、代码或其他后续动作来自宿主 Agent、Skill、其他工具与用户授权的组合。
《Data Agent + Skill:可信问数如何进入企业工作流》进一步解释了可信数据怎样进入分析、归因、报告和持续任务。
YiAsk MCP 降低了外部 Agent 调用问数能力的连接成本,但不会替代前期的数据与语义建设。接入前至少应确认:
ask_data,不能据此宣称 Data Agent 的所有内部工具都已通过 YiAsk MCP 开放;YiAsk MCP 是亿问 Data Agent 面向外部 Agent 提供的远程 MCP 服务,让 WorkBuddy、OpenAI Codex 等宿主可以调用企业问数能力。
不会按“裸库直连”的方式工作。外部 Agent 调用的是 ask_data,查询仍由 Data Agent 的业务语义与权限链路承接。
需要。MCP 负责连接,不负责定义“销售额”“客户”或“上个月”等企业口径。没有对应数据与语义配置的问题,不能因为接入 MCP 就自动获得可信答案。
面向个人身份和权限继承的场景,优先采用每人独立的 OAuth 授权;只有在客户端能力和企业安全要求允许时,才使用受控的 Bearer Token。不得多人共享高权限凭证。
不能脱离条件直接保证。验证时应使用同一用户身份、同一业务空间和同一标准问题,并区分 Data Agent 返回的问数结果与宿主后续生成的内容。
结果可以进入宿主后续任务,但具体能生成什么,取决于 WorkBuddy、OpenAI Codex、其他工具、Skill 与用户授权,不能全部归为 YiAsk MCP 自身能力。
YiAsk MCP 的重要性,不只是为亿问 Data Agent 增加一个新的连接方式。
它让企业已经建设的业务语义、问数能力和权限边界,可以进入 WorkBuddy、OpenAI Codex 等用户正在工作的 Agent 入口。MCP 负责连接,Data Agent 负责可信问数,宿主 Agent 负责承接后续任务——三者分工清楚,可信数据才可能从一次查询走向更完整的工作流程。