AI Agent集成方案-机器人流程自动化(RPA)-阿里云帮助中心

概述

企业客户在使用桌面Agent时经常会面对如下问题

准确性低，无法满足企业生产要求。目前Agent在操作企业使用的软件时，无法保证操作结果的准确性，但错误的结果会直接为企业带来真金白银的损失。如供应链的准备报关单过程，电商运营的商品上架过程。
执行速度慢，无法使用在企业客户的生产流程中。Agent运行过程中需要经历无数个“感知-规划-动作”循环，在操作企业相关软件时容易陷入长时间的无效尝试、或很慢才能完成部分工作。
消耗大量Token，性价比低。Agent运行过程时，即便是重复性的任务，也需要模型的全程参与。

针对此类问题RPA提供一种解决思路

说明

示例仅适用于开发者在POC阶段，快速了解如何集成，在正式对接、生产环境中使用需要参考本文后续章节

与通常基于接口的IT系统相比，Computer Use、Browser Use类场景有比较大的差异，Agent集成时需要加以考虑

RPA提供了多种协议方式供Agent集成，实际中经常混合使用，包括

按照最终用户（使用您的Agent的用户）常见使用过程进行拆解

此阶段内涉及两个环节

分配机器人

机器人选型：建议优先考虑服务型机器人；本地型机器人与服务型机器人的差异详见选择机器人类型
建议采用“一机一号”方式为每个用户分配机器人资源，详见稳定运行建议
建议将分配过程放在最终用户在开通Agent的注册环节或使用相关功能的开通中，通过OpenAPI（如ListRobots）获得当前机器人情况，在您的系统内记录机器人的分配关系

警告

workersys_auto_assign_robot可用于POC测试阶段，降低您此场景的开发门槛，但请勿用在正式对接、生产环境中。

（可选）客户端的安装或配置

C/S结构的桌面Agent（如千问办公）可能会需要最终用户在使用某些能力之前，手动进行一些配置才能使用

配置内容例如在千问办公中添加MCP Server和SKILL
此类情况下如果进行机器人分配，在SKILL中可采用如下一些方法处理
- 方法1：SKILL.zip增加config.json文件，将robotid预制进去
- 方法2：修改SKILL中的robot/robotid.md，改为从您的Agent Service提供的一个API或MCP获取机器人

简单做法可在Agent侧直接通过MCP Tool（或使用SKILL再次封装一层）触发，需要此方式需要注意在MCP Tool或SKILL中尽量准确描述适合场景、操作过程等

此阶段内涉及3个环节

获取状态

使用Chat方式与最终用户进行交互的Agent，需要考虑到任务执行时间很长的情况下的处理。

两种方式获取任务状态
- 定时调用OpenAPI（如ListTaskDetails）或系统内置MCP Tool（如workersys_get_task_status）
- 推荐使用回调方式，由RPA服务端在任务状态发生变化时主动推送到Agent Service
  - 使用OpenAPI创建任务：需要每次调用时都提供回调信息，详见 OpenAPI集成
  - 使用MCP Tool：在创建Tool时，可配置该Tool统一的回调信息，而无需调用方提供，详见添加Tool
MCP Tool：发布MCP Tool时（详见添加Tool），建议在Description中增加预期的执行时间、建议Agent的查询间隔，便于Agent处理

（可选）执行过程的可视化

向最终用户展示自动化流程的运行过程，最终用户可以看到机器人操作各个目标软件界面的过程、提高用户体验。该功能是否需要，由您的Agent产品形态决定。如果需要提供过程的可视化，常见两种交互方式

方式1：Chat+运行环境嵌入方式
- 下图为浏览器中的交互示例。右侧区域为最终用户使用Chat方式与Agent进行交互，左侧区域嵌入相关WebSDK，可随时看到机器人的运行状态，并且最终用户在必要时可直接进行干预
- 相关接口详见 GetAuthCode
方式2：Agent按需向最终用户提供浏览器访问机器人操作环境链接。详见 workersys_get_robot_runtime_url

重要

仅服务型机器人支持执行过程的可视化

（可选）需要人工干预

机器人在执行自动化流程时，可能会需要用户人工手动完成一些操作后才能继续进行（如需要完成登录目标操作系统）。可参考自动化流程运行中的人工介入

阶段4：自动化流程执行完毕，用户获得结果

参考流程输出的建议文档，详见OpenAPI触发和MCP触发