RPA終結者：基于MCP架構的財務流程自動化

【中圖分類號】F275 【文獻標識碼】A 【文章編號】1004-0994（2025）16-0014-8

一、引言

隨著數字經濟的快速發展，財務流程自動化與智能化日益成為企業提升核心競爭力的關鍵要素。在傳統人工操作的方式下，企業財務處理存在處理效率低下、質量難以保障的問題。機器人流程自動化（RPA）通過模擬人工操作實現標準化、重復性業務流程的自動化執行，具有操作簡便、部署靈活、投資回報率高等優勢，在財務領域得到廣泛應用。然而，隨著企業數字化轉型的深入推進，RPA的局限性逐漸顯現。首先，RPA主要依靠預設規則執行重復性任務，缺乏認知智能能力。當遇到需要主觀判斷或模式識別的復雜場景時，通常需要人工干預。由于財務場景中發票、合同、郵件等非結構化數據的占比較高，RPA的處理能力受到限制。其次，RPA存在系統穩定性不足的問題。葉詩琦（2024）通過問卷調查發現，多數員工反饋RPA在實際運行中出現了崩潰、數據丟失、熱鍵失效和操作卡頓等問題。系統的不穩定性降低了RPA的應用效率，也影響了財務人員對RPA的信任度。再次，RPA依賴固定規則和邏輯，難以適應企業業務流程變化。程平和陳奕竹（2021）指出，基于RPA的會計分錄測試審計機器人存在可靠性、通用性和適應性不足的問題，當被審計單位提供的數據格式超出預設范圍或重要性水平認定標準發生變化時，RPA應用過程中通常會出現異常。此外，RPA技術升級面臨諸多挑戰。隨著技術的發展和業務需求的變化，RPA技術需要持續升級以適應新環境，但升級過程涉及數據遷移、接口調整、功能重構等多個方面，需要充分考慮數據完整性和業務連續性問題（顧絲雨，2024）。最后，RPA方案容易形成“自動化孤島”，難以實現跨系統、跨部門的深度集成與智能協同。RPA系統的開發和維護需要信息部門與財務部門緊密合作，但在實際應用中兩個部門之間因專業差異而溝通困難，影響了RPA的優化速度和應用效率。

大語言模型（LLM）作為生成式人工智能的重要工具，能夠利用其自然語言處理能力從海量非結構化數據中提取關鍵信息，為會計決策提供智能支持。LLM出現后，眾多研究圍繞“LLM+RPA\"模式展開，旨在利用LLM的分析和推理能力彌補RPA固定流程的不足。程平等（2025）探討了RPA與DeepSeek深度融合的方式，拓展了RPA的應用邊界，為審計工作的數字化轉型提供了技術支撐。張立民和畢瑩 （2024a，2024b） 利用“ChatGPT + RPA”的技術融合優勢，構建了針對能源企業的智慧交互式碳財務系統。該系統利用LLM從非結構化數據中提取信息，將數據輸入RPA進行整合和清洗，再通過LLM以類人化方式進行回復，提高了碳財務數據獲取的準確性。LLM與RPA相結合的方式有效緩解了RPA執行操作方面的不足，減少了非結構化任務中的人工干預，在一定程度上提升了企業財務處理的智能化水平。然而，既往研究主要將LLM的分析能力與RPA的自動化操作能力相結合，未能充分發揮LLM在任務拆解、邏輯推理和上下文感知等方面的能力，即未實現由LLM之“腦\"指揮RPA之“手\"來進行操作。現有的融合方案大多停留在表層集成階段，其根本原因在于缺乏有效的技術架構來處理兩者之間的特異性差異：RPA作為基于規則的自動化工具，需要精確、穩定的指令輸人才能準確執行；而LLM的輸出具有靈活性和多樣性特征，現有的簡單關鍵詞匹配機制無法充分利用這一優勢。基于此，筆者發現將RPA工作流程拆解為子工作流，為每個子工作流歸納關鍵詞，通過LLM生成關鍵詞來調用相應的RPA子工作流的方案仍然存在明顯的應用局限性。

最近LLM領域一個新的技術進展為克服RPA存在的上述問題提供了新思路。2024年11月，Anthropic公司發布的模型上下文協議（MCP）作為一種開源標準，旨在連接AI智能體（AIAgent）與數據所在的系統，創建通用標準以簡化AI應用程序的開發和集成。MCP統一了LLM與各種應用工具的連接方式，使LLM能直接操作各種工具完成工作任務，減輕了LLM與工具的適配工作量，為財務工作全流程自動化和智能化處理奠定了技術基礎。基于此背景，本研究構建了基于MCP架構的企業財務自動化系統，研究思路遵循Peffers等（2007）提出的設計科學研究方法論（DSRM），具體邏輯見圖1。

本文首先分析了傳統RPA方案在企業財務處理中存在的不足，然后構建了基于MCP架構的財務流程自動化系統，并通過企業庫存現金審計、關聯交易識別和動態表單填寫三個案例驗證該方案的有效性。三個案例分別涵蓋文件處理、網頁查詢以及動態操作等流程，較為全面地覆蓋了傳統RPA的主要執行操作類型，為驗證基于MCP架構的財務流程自動化方案（簡稱“MCP方案”）相對于傳統RPA方案的優勢提供了支撐，為企業財務智能化轉型提供了參考方案。

二、基于MCP的財務流程自動化技術架構

1.MCP核心概念與技術原理。MCP是一個開放協議，為AI模型連接不同數據源和工具提供了標準化方式。圖2展示了Anthropic公司官方發布的MCP架構。MCP架構主要包含三個核心組件：MCP主機、MCP客戶端和MCP服務器。其中：MCP主機代表能夠提供AI交互環境的運行平臺，可訪問工具和數據并運行MCP客戶端；MCP客戶端是連接LLM與工具生態的窗口，支持AI決策實現動態工具調用；MCP服務器主要用于提供特定的處理工具和數據訪問功能，它可以訪問本地數據資源，也可以通過網絡應用程序接口訪問在線數據資源。MCP類似于標準化的USB接口，為開發者提供了統一的開發標準，使其能夠更便捷地開發各種外設工具，并在不同交互環境中調用這些工具完成復雜任務。

圖2Anthropic公司官方發布的MCP架構

2.基于MCP架構的財務流程自動化系統。基于對MCP相關概念的理解，本研究構建了如圖3所示的基于MCP架構的企業財務流程自動化系統。

（1）用戶層。用戶通過自然語言輸人具體業務需求，并接受LLM專業化處理后返回的結果。

（2）MCP主機。MCP主機為LLM交互提供運行環境。在該環境中存在兩種LLM選擇方案：一是使用本地部署LLM并通過RAG（檢索增強生成）方式提高LLM回答的準確性。該方法避免將企業數據上傳至云端服務器，能夠保障企業數據安全，并可通過檢索增強生成方式使LLM輸出更符合企業需求。但該方式投入成本相對較高且開發難度較大，通常適合對數據保密性要求較高且對LLM輸出質量要求較高的企業。二是通過API接口調用云端模型，可進一步劃分為云端RAG + 云端模型和本地RAG + 云端模型兩種形式。云端RAG + 云端模型是指模型與知識庫的完全云端化，該方式較為簡單，但會將用戶數據上傳至第三方服務器，存在數據安全隱患，通常適合簡單的個人開發或非敏感數據的使用場景。本地RAG + 云端模型是指在本地進行數據檢索而在云端進行推理，在一定程度上能夠降低數據泄漏風險，但隨著交互次數增多，可能誘發敏感信息被拼湊的風險。企業需要結合自身成本及數據保密性需求綜合選擇合適的方案。

（3）MCP客戶端。它類似于能夠調用各種工具的中轉站。用戶提出問題后，MCP客戶端將用戶問題包裝在用戶提示詞中并傳遞給LLM，由LLM通過分析和判斷給出調用工具的指令，MCP客戶端接收到指令后開始執行操作。圖3的步驟 ① 至 ⑤ 展示了完整的用戶對話及MCP工具調用流程。當用戶工作任務更加復雜，涉及多步驟操作及多個MCP工具使用時，架構內部會多次循環相應的調用邏輯，直至整個任務完成并反饋給用戶。

同時，為使LLM能夠執行更專業的任務，本研究采用Python腳本設計了智能體管理系統，主要用于存放各個智能體的系統提示詞。在系統提示詞中，可以設定各個智能體的角色、工作流程、語氣等內容。圖4展示了智能體管理系統中角色的激活流程。在用戶發送相關指令即收到用戶提示詞后，MCP客戶端將從智能體管理系統中獲取的系統提示詞信息與用戶提示詞一起發送給LLM，LLM結合二者內容選擇適合執行該任務的角色并開始扮演該角色。LLM接受該角色設定后會告知用戶，并按照系統提示詞要求完成后續任務。智能體管理系統的構建存在多種方案。除本研究采用的由MCP客戶端將用戶提示詞和系統提示詞打包發送給LLM進行選擇外，也可由用戶直接觸發Python腳本中的角色設定或通過代碼形式在MCP客戶端預設角色選擇方案。由于MCP客戶端將用戶提示詞和智能體角色打包后交由LLM選擇具體角色的方法相比于其他幾種直接固定Python腳本的方案更為智能，本研究主要采用該方式構建基于MCP架構的財務流程自動化系統。

3.智能體管理系統的提示詞工程。提示詞工程作為人工智能領域的重要研究方向，其對LLM輸出質量的影響已得到學術界的廣泛關注（Reynolds和McDonell，2021）。Zhang等（2024）通過系統性實證研究發現，傳統的任務特定提示詞優化方法存在泛化能力有限的問題，并據此構建了基于遺傳算法的系統提示詞優化框架（SPRIG）。該研究成果揭示了提示詞工程領域正向系統化、智能化和理論化方向演進的發展趨勢，為財務自動化領域的提示詞設計提供了重要的理論指導和方法論支撐。用戶提示詞（UserPrompt）是指用戶與LLM進行交互時輸入的自然語言文本指令，其本質是將用戶的具體需求轉化為模型可理解和執行的任務描述。

根據Reynolds和McDonell（2021）的研究，高質量的用戶提示詞應具備以下核心特征：第一，指令明確性。要求提示詞能夠精確描述任務目標、處理范圍和預期輸出格式，避免語義歧義。第二，上下文完整性。需為模型提供充分的背景信息、約束條件和領域知識，確保任務執行的準確性。第三，結構邏輯性。采用層次化、模塊化的組織方式，通過條列式或分層次的信息架構提升模型的理解效率和執行精度。Jishan等（2024）通過實證研究進一步驗證了提示詞質量對模型輸出效果的顯著影響。結果表明，采用角色定位、任務導向和結構化設計的提示詞策略，相較于模糊表述或信息不完整的提示詞，在模型輸出的準確性、相關性和一致性方面均表現出顯著的優勢。

圖4角色激活

為使LLM能準確理解用戶需求，本研究認為財務流程自動化場景下的用戶提示詞設計應包含以下核心要素：第一，任務設定的明確性。提示詞應精確描述財務處理的具體業務流程、操作步驟和質量要求，避免語義模糊。以庫存現金審計為例，應明確規定審計程序的執行順序、數據來源和預期輸出格式。第二，信息輸入的完整性。提示詞應涵蓋任務執行所需的全部關鍵要素，包括數據處理范圍、業務規則約束、異常情況處理機制及質量控制標準。第三，語言表達的專業性。基于《企業會計準則》和相關財務管理制度，提示詞應采用標準化的會計術語和審計術語，確保與行業規范和職業標準的高度一致性。

通用LLM雖具備基礎的財務理論知識和一般性問題處理能力，但在面對企業特定的審計實務和財務管理工作時，由于不同企業在內部控制制度、業務流程設計、操作規范標準等方面存在顯著差異，通用模型往往難以滿足個性化和專業化的應用需求。因此，系統提示詞的設計成為彌合通用模型能力與特定應用需求之間差距的關鍵機制。系統提示詞是預先設定在LLM中的指令集合，用于定義模型的角色身份、行為準則、輸出風格和專業領域知識。與用戶提示詞的即時性和任務特定性不同，系統提示詞具有持續性和通用性特征，為模型在特定應用領域的穩定表現提供基礎保障。根據 Kim 等（2024）的研究，角色設定是系統提示詞設計的核心要素之一。通過為LLM設定明確的專業角色，能顯著提升其在特定領域的表現。Lu等（2023）和Li等（2023）的研究進一步表明，生成風格和情感因素同樣會對模型輸出質量產生重要影響。基于上述理論基礎，本研究認為財務自動化場景下的系統提示詞設計應包含以下核心要素：第一，明確專業角色定位。定義LLM在財務處理中的專業身份，如“專業的審計經理”“資深的財務分析師\"等，使模型能基于相應的專業知識和經驗進行推理判斷。第二，嵌入規范標準。系統性整合相關的會計準則、審計標準和企業內部制度要求，確保模型輸出符合專業規范和合規要求。第三，明確業務流程。預設標準化的財務處理流程和操作步驟，為模型提供結構化的任務執行框架。第四，明確交互風格。規定模型與用戶交互時的語言風格、專業術語使用規范以及輸出格式要求，確保交互的專業性和一致性。第五，設定異常處理機制。預設常見異常情況的處理邏輯和應對策略，提升系統的穩定性和實用性。

三、案例驗證與評估

為驗證前述基于MCP方案的實用性與有效性，本研究采用設計科學研究方法論，構建了企業庫存現金審計、關聯交易識別和動態表單填寫三個典型應用場景的實證案例。這三個案例分別對應Excel數據處理自動化、網頁交互自動化以及動態表單智能填寫等核心業務場景，系統性地覆蓋了RPA技術在財務領域的主要應用范圍，從而為驗證MCP架構在財務智能化轉型中相對于RPA技術的優勢提供了充分的依據。

1.企業庫存現金審計。

（1）痛點。在企業庫存現金審計業務場景中，填寫審計底稿主要包含圖5的工作流程。在傳統手工審計模式下，審計人員需要在多個會計憑證、賬簿記錄與審計底稿之間進行交叉核對，而人工處理下注意力資源有限性導致此類重復性操作容易產生計算錯誤，同時顯著增加了審計成本和時間消耗。在此背景下，RPA技術應運而生，其通過模擬人工操作路徑實現重復性業務流程的自動化執行，在一定程度上降低了人為錯誤風險并減少了人力成本投入。然而，傳統RPA方案在企業庫存現金審計應用中仍存在以下技術局限性：首先，RPA技術基于規則驅動的自動化機制，對非結構化數據的處理能力有限，導致審計執行過程中仍然需要大量人工干預。其次，RPA系統需要預先配置固定的業務流程腳本，但現實審計環境中常出現異常情況，如現金盤點差異、原始憑證缺失等，這些偶發性業務場景導致自動化流程頻繁中斷，從而降低了整體自動化效率。最后，RPA技術在系統兼容性與可維護性方面存在顯著不足。當被審計單位的財務信息系統版本更新或ERP系統升級時，需要對既有RPA腳本進行相應調整，這不僅增加了系統維護成本，還可能導致腳本失效，進而延長審計周期并增加企業運營成本。

LLM技術的興起為解決上述問題提供了新的技術路徑。基于其自然語言理解與邏輯推理能力，LLM能處理RPA技術難以應對的異常情況，在一定程度上減少了RPA運行過程中人工干預部分，但在實際應用中仍存在以下局限性：第一，RPA技術基于預定義規則執行，缺乏自然語言理解能力，只能嚴格按既定腳本運行。而LLM具有生成式特征，其輸出內容具有隨機性和多樣性，通過API接口傳遞給RPA的指令格式可能存在差異。當RPA系統無法準確解析這些動態生成的指令時，將導致執行失敗或進入錯誤循環狀態。第二，基于模塊化分解的技術方案雖能實現LLM對RPA子模塊的動態調用，但各子模塊內部仍需預設固定的執行流程，這種混合架構實質上限制了LLM推理能力的充分發揮，未能從根本上解決RPA技術的約束問題。相比之下，基于MCP架構的企業庫存現金審計方案通過標準化協議接口實現了LLM與多元化工具集的動態集成，構建了端到端的智能審計流程，從而在審計效率與審計質量兩個維度實現了顯著提升。

（2）構建基于MCP架構的庫存現金審計。本文構建了基于MCP架構的庫存現金審計案例，在智能體管理系統中構建了“貨幣資金審計經理\"角色，并在系統提示詞部分明確了角色、語氣以及工作任務。

（3）案例演示。系統首先要執行智能體角色識別與激活程序，即需要LLM接收“貨幣資金審計經理\"這一角色設定。當用戶發起審計任務請求時，MCP客戶端將用戶需求與預設的智能體角色庫交給LLM進行匹配，LLM通過自然語言理解算法識別出最適配的“貨幣資金審計經理”角色，并完成角色參數的動態加載與系統初始化。LLM接收到具體審計任務后，運用層次化任務分析方法將復雜審計流程分解為可執行的子任務序列。通過MCP的標準化接口，動態調用相應的工具模塊，實現端到端的自動化審計執行，直至完成全部審計程序。圖6和圖7展示了整個MCP架構下庫存現金審計流程的運行過程，基本實現了全流程的自動化操作。

#角色#：

一你是一位專業的審計經理，主要負責公司的貨幣資金審計。你主要的工作任務是根據被審計單位提供的庫存現金明細表以及庫存現金實地盤點表來填寫庫存現金監盤表，對庫存現金賬上金額與實有金額的差異進行分析，并據此形成審計意見。

#語氣#：

-在與用戶溝通時，應使用準確的審計術語和財務詞匯，確保表達的專業性和權威性。應以事實為依據進行描述和分析，避免使用帶有主觀色彩的詞匯和語句。表達清晰明了，避免冗長和復雜的句子，突出重點信息。

#工作流程#：

-第一步：根據\"庫存現金明細表”填寫“庫存現金監盤表”，將表格中的數據填寫到對應的位置中，并將盤點日上一日庫存現金賬面余額調整至報表日庫存現金余額。

-第二步：將\"庫存現金實地盤點表”中的數據填寫到\"庫存現金監盤表”中。

-第三步：根據“庫存現金監盤表”計算庫存現金應有金額與實有金額的差異，如果存在差異，則將差異形成的原因填寫在“庫存現金監盤表”的對應位置中。

-第四步：對差異進行分析并形成相應的審計意見，并將形成的審計意見填寫在“庫存現金監盤表”的審計意見欄中。

#MCP工具使用#：

-主要是使用MCP-Excel工具完成操作。

我要執行庫存現金審計，完成庫存現金監盤表的填寫，相關資料我已經保存在桌面對應的文件夾中②反饋執行結果 ① 理解用戶需求并分解任務LLM MCP協議 Excel工具MCP主機 MCP服務端A調用MCP工具執行操作第一步：從 第二步：從 第三步：根據 第四步：“庫存現金 “庫存現金實 所獲取的數據 進行差 第五步：明細表”中 地盤點表”中 在“庫存現金 異分析 根據上獲取數據 獲取數據并 監盤表”中計 （差異為 述情況并填寫在 填寫在\"庫存 算庫存現金應 零時不 形成審“庫存現金 現金監盤表” 有金額與實有 包含本 計意見監盤表”中 中 金額的差異 步驟）

（1）痛點。企業關聯交易識別業務場景主要包含圖8所示的工作流程。在傳統RPA技術方案下，系統需要預先配置固定的執行腳本，包括目標網頁的URL地址、頁面元素的精確定位坐標等靜態參數。當目標網站進行界面更新或結構調整時，需要對相應腳本進行重新配置，這種剛性約束導致系統維護成本顯著增加。在RPA與LLM混合架構下，仍需要LLM將頁面元素的坐標信息傳遞給RPA執行層，這種間接調用模式并未從根本上克服傳統RPA技術的局限性，系統復雜度和維護成本依然較高。相比之下，基于MCP架構的關聯交易識別方案通過標準化協議接口實現了LLM與多元化工具集的直接集成，包括網頁自動化工具、數據處理工具、文檔分析工具等，從而構建了高度靈活的智能化關聯交易識別系統，顯著提升了企業財務合規管理的智能化水平。

2.企業關聯交易識別。

（2）構建基于MCP架構的企業關聯交易識別。本研究構建了基于MCP架構的企業關聯交易識別案例。在智能體管理系統中構建了“關聯交易識別經理”，并在系統提示詞部分明確了角色、語氣以及工作任務。

#角色#：

一你是一位專業的能識別公司關聯交易的經理，主要的工作任務是從天眼查上下載公司與股東信息有關的Excel表格，并將該表格與本單位提供的供應商明細清單進行比對和分析，以識別其中可能存在的關聯交易，最終形成一份分析報告。

#語氣#：

一在與用戶溝通時，應使用專業、客觀、簡潔的語氣，確保表達的專業性和權威性。以事實為依據進行描述和分析，避免使用帶有主觀色彩的詞匯和語句。表達應清晰明了，避免冗長和復雜的句子，突出重點信息。

#工作流程#：

-第一步：在天眼查上下載公司的股東信息表，分析主要的股東及持股情況。當你在天眼查中打開公司的信息界面之后，你可以找到基本信息欄下的股東信息欄，點擊股東信息之后，導出對應的Excel表格，并將導出的Excel保存在供應商清單所在的文件夾內。

-第二步：獲取公司提供的供應商清單，確認其主要供應商以及業務往來情況。

-第三步：比對股東結構與供應商清單，確認是否存在關聯方。

-第四步：分析比對結果，檢查是否存在潛在的關聯交易，并評估這些交易是否符合市場化原則、是否存在利益輸送的風險。

-第五步：最終形成一份分析報告，分析報告的內容包括但不限于：關聯交易識別、交易背景分析、風險評估、合規性分析等。

#MCP工具使用#：

-主要使用的工具包括Playwright、Excel等。

（3）案例演示。基于前述企業庫存現金審計案例的實施經驗，關聯交易識別流程遵循相同的MCP架構設計原理。用戶通過標準化接口發起關聯交易審查分析請求，LLM識別需求后激活“關聯交易識別經理”角色，并按照該角色的要求執行標準化的關聯交易識別與分析流程。圖9為MCP架構下企業關聯交易識別的整個執行流程。

3.會計表單自動填報。

（1）痛點。會計表單填寫業務場景的主要工作流程見圖10。在傳統手工會計核算模式下，財務人員需要在原始憑證、記賬憑證和會計賬簿之間進行多重核對。當出現賬務處理差錯時，需耗費大量時間進行差錯查找和調整，顯著影響會計核算效率。而RPA在面對復雜的會計業務場景或系統環境變化時，仍需對腳本進行重新配置。這表明傳統的RPA方案僅實現了會計核算的“自動化”，未能達到真正的“智能化”，缺乏對業務邏輯的理解和適應能力。相比之下，基于MCP架構的會計憑證智能填制系統通過LLM的認知推理能力，能理解復雜的業務邏輯并動態生成相應的會計分錄，實現從“規則驅動”向“認知驅動\"的技術躍遷，從而顯著提升企業會計核算的智能化水平和處理效率。

（2）構建基于MCP架構的動態報表填寫。本研究構建了基于MCP架構的企業動態表單填寫案例。在智能體管理系統中構建了“動態表單填寫經理”角色，并在系統提示詞部分明確了角色、語氣以及工作任務。

#角色#：

一你是一位負責填寫記賬憑證的機器人，要根據公司收到的原始憑證來填寫對應的記賬憑證。公司目前收到的原始憑證我幫你保存在「案例四_動態表單填寫這個文件夾中，你要準確地區分公司的業務類型，正確地將原始憑證的信息記錄到公司的賬務處理平臺上，平臺的網址是：http：//localhost 8000/ 。

#任務要求#：

-你要給我展示出你打開網站、填寫表單的動態過程。

#MCP工具使用#：

-主要用到Excel、OCR識別、Playwright。

（3）案例演示。與前述案例類似，企業動態表單填寫流程遵循相同的MCP架構設計原理。待用戶發起動態表單填寫請求，LLM接收“動態表單填寫經理\"這一角色設定后即可以完成后續的工作。圖11～圖13展示了整個MCP架構下企業動態表單填寫的運行過程。

四、總結

1.研究結論。本文基于設計科學研究方法論，構建了基于MCP架構的財務流程自動化系統，并通過企業庫存現金審計、關聯交易識別以及會計表單自動填報三個典型應用場景，對該系統的有效性和實用性進行了系統性驗證。結果表明，MCP方案通過模型驅動的智能決策、上下文感知的流程適應性以及協議化的系統集成機制，有效突破了RPA技術在處理非結構化財務業務和復雜決策場景時的技術瓶頸。具體而言，MCP方案相較于RPA技術具有以下顯著優勢：第一，智能化任務理解與執行能力。MCP方案基于LLM的自然語言理解和推理能力，能夠自主解析用戶需求、進行任務分解和執行路徑規劃，擺脫傳統RPA方案對預設腳本的依賴性約束。第二，動態適應與智能決策能力。MCP方案基于多維度信息融合和認知推理機制，能夠進行復雜業務場景的綜合分析和智能判斷，在面對業務規則變化時具備自適應調整能力，無需進行大規模系統重構，顯著降低了系統運行和維護成本。三個應用案例的實施結果顯示，MCP方案相較于傳統RPA方案具有顯著改進，實現了從程序化自動化向認知智能化的技術躍進，為企業財務數字化轉型提供了創新性的技術路徑和實施范式。

圖11會計表單動態填寫界面

圖12會計表單自動填報執行流程

圖13會計表單自動填報完整流程總結

2.理論與實踐啟示。在理論貢獻方面，本文豐富了財務智能化和自動化理論框架，構建了MCP架構下人工智能與財務管理深度融合的理論范式，為會計信息系統的智能化設計和數字化轉型提供了新的理論視角與分析框架。在實踐指導方面，本文指出了RPA技術在復雜財務場景應用中的技術局限性，為企業財務數字化轉型提供了系統性實施指導。企業在構建基于MCP架構的財務自動化系統時，應遵循以下戰略實施路徑：第一，場景識別與漸進式實施策略。企業應基于業務復雜度分析和技術可行性評估，優先識別適合MCP方案的高價值應用場景，如會計憑證智能填寫、財務郵件自動處理、發票報銷智能審核等。建議采用“從結構化到非結構化\"的漸進式實施路徑，以傳統RPA已驗證的標準化任務為起點，逐步向復雜決策和非結構化數據處理領域擴展。第二，技術架構選擇與部署策略優化。企業應基于數據安全等級、業務連續性要求和成本效益分析，制定差異化的技術部署方案。對于數據敏感性較高的金融、審計等業務場景，建議采用本地化部署或私有云部署模式；對于準確性要求極高的財務核算和合規審查場景，建議通過RAG技術和知識圖譜構建，提升模型輸出的準確性和可解釋性。第三，組織變革與能力建設。企業應充分認識人工智能技術對財務管理模式的顛覆性影響，建立相應的組織學習機制和人才培養體系，通過技術賦能和流程再造，實現財務管理從傳統核算型向戰略決策型的轉型升級。

3.研究局限與未來展望。本文雖從理論構建和案例驗證兩個維度系統闡述了MCP方案相較于RPA技術的顯著優勢，但受研究條件和技術發展階段的限制，仍存在以下局限性，同時也為未來研究提供了重要的拓展方向：第一，研究范圍的局限性。本文主要基于理論分析和概念驗證的研究范式，通過典型應用場景的案例設計來論證MCP方案的技術優勢，但缺乏針對特定行業或企業類型的深度實證研究。未來研究可采用準實驗設計或縱向案例研究方法，深入探討MCP方案在不同行業背景、企業規模和業務復雜度條件下的具體應用效果與實施障礙。第二，技術可靠性的挑戰。基于LLM的MCP方案雖在處理非結構化數據和復雜決策場景方面具有顯著優勢，但其固有的隨機性和創造性特征在高度結構化的財務核算任務中可能產生不確定性風險。這反映了人工智能技術在財務應用中面臨的“智能化靈活性”與“合規性可靠性”之間的問題。未來研究可探索混合智能架構設計，通過規則約束、輸出驗證和人機協作等機制，在保持系統智能化優勢的同時確保財務處理的準確性和合規性。第三，技術架構的多樣性。MCP作為通用協議標準，為不同技術架構的實現提供了開放性框架，但它對企業具體如何設計和應用該規則并沒有做出嚴格的限定，因此本文所構建的財務智能化方案僅代表基于該協議的一種可能實現路徑。未來研究可進一步探索MCP在不同技術棧、業務模式和組織結構下的多元化實現方案，構建面向不同企業類型和應用場景的差異化技術架構選擇模型。

【主要參考文獻】

程平，陳奕竹.基于RPA的會計分錄測試風險評估程序審計機器人研究[J].財會月刊，2021（10）：94～100.

程平，唐芮，胥堯等.基于RPA+DeepSeek的企業信息核查審計機器人研究——以ND會計師事務所市監局項目為例[J].會計之友，2025（12）：107～114.

張立民，畢瑩.“ChatGPT+RPA\"技術下智慧交互式碳財務系統構建——以能源企業為例[J].財會月刊，2024a（17）：43～48.

張立民，畢瑩.基于“ChatGPT ^°+ RPA\"的能源企業“智慧交互式”碳財務系統構建[J].財會通訊，2024b（24）：99～105.PeffersK.，Tuunanen T.，RothenbergerM.A.，etal..ADesign ScienceResearch Methodology for Information Systems Research[J].Journal of Manage-ment Information Systems，2007（3）：45～77.

（責任編輯·校對：羅萍喻晨）