办公 Agent 与现有 OA 系统集成的实战方案

办公 Agent 与现有 OA 系统集成的实战方案

引言：从“信息孤岛”到“智能中枢”

传统 OA（办公自动化）系统虽然沉淀了海量流程数据，但交互方式依然停留在“人找事”的被动模式：员工需要登录系统、点击菜单、填写复杂表单。Agent（智能体）技术的引入，旨在将 OA 从流程执行工具升级为主动的业务伙伴。通过自然语言交互，Agent 能自动理解用户意图，跨系统调用 API 完成“查询待办 → 填写表单 → 发起审批 → 状态回写”的全流程，将操作耗时从分钟级压缩至秒级。

技术背景：Agent 作为“中间件”的架构哲学

为什么是“集成”而非“替换”？

企业现有 OA（如泛微、致远、蓝凌）或协同平台（飞书、钉钉、企微）已承载核心业务逻辑。Agent 的定位不是推翻重做，而是作为**“认知层中间件”**，通过 API 网关与现有系统解耦。

技术栈选型

• Agent 框架：LangChain（成熟度高）、CrewAI（多角色协作）、AutoGen（微软系）。
• 集成协议：RESTful API（OA 标准接口）、Webhook（事件回调）、GraphQL（高效数据获取）。
• 身份认证：OAuth 2.0（对接企业统一身份）、JWT（服务间鉴权）。

应用使用场景

场景一：一句话报销（飞书/钉钉集成）

痛点：员工报销需手动填写“事由、金额、发票类型”，流程繁琐。
Agent 方案：员工在群里 @机器人说“报销上周去成都差旅的火车票 625 元”，Agent 自动解析时间、金额、类型，调用 OA 创建报销单并返回链接。

场景二：智能待办聚合与批量处理

痛点：管理者每天需登录多个系统（OA、ERP、CRM）处理堆积的待办。
Agent 方案：Agent 定时拉取各系统待办，通过 LLM 自动分类（如“财务审批”、“人事审核”），支持自然语言指令“帮我批量通过所有金额小于 1000 元的差旅报销”。

场景三：新员工入职全自动编排

痛点：HR 需在 OA、HR 系统、门禁系统中手动重复录入信息。
Agent 方案：HR 说“为张三办理入职，岗位后端开发”，Agent 自动在 OA 发起审批流、HR 系统创建账号、IT 系统开通权限，实现“一句话入职”。

不同场景下详细代码实现

架构核心：Agent 控制器与工具层

# core/oa_agent.pyimportjsonimportloggingfromabcimportABC,abstractmethodfromtypingimportList,Dict,Any,OptionalfromenumimportEnumclassOASystemType(Enum):DINGTALK="dingtalk"FEISHU="feishu"WEWORK="wework"CUSTOM_OA="custom"classBaseOATool(ABC):"""OA 工具基类（适配不同 OA 系统）"""def__init__(self,base_url:str,auth_token:str):self.base_url=base_url self.auth_token=auth_token@property@abstractmethoddefsystem_type(self)->OASystemType:...@abstractmethoddefget_pending_list(self,user_id:str)->List[Dict]:...@abstractmethoddefcreate_approval(self,form_data:Dict)->Dict:...@abstractmethoddefapprove_task(self,task_id:str,remark:str)->bool:...classOAAgent:"""OA 集成智能体"""def__init__(self,tools:List[BaseOATool],llm_client):self.tools={tool.system_type:toolfortoolintools}self.llm=llm_client self.logger=logging.getLogger(__name__)defprocess_command(self,command:str,user_context:Dict)->Dict[str,Any]:"""处理自然语言指令"""# 1. 意图识别与路由intent=self.llm.classify_intent(command)# 2. 根据意图调用工具ifintent=="query_pending":returnself.handle_query_pending(user_context)elifintent=="create_reimbursement":returnself.handle_create_reimbursement(command,user_context)elifintent=="batch_approve":returnself.handle_batch_approve(command,user_context)else:return{"error":f"未知指令:{intent}"}defhandle_create_reimbursement(self,command:str,user_context:Dict)->Dict:"""处理报销创建"""# LLM 解析自然语言为结构化数据prompt=f""" 从用户指令中提取报销信息。指令：{command}返回 JSON 格式： {{ "amount": 金额, "expense_type": "差旅|办公|交通", "reason": "事由", "date": "YYYY-MM-DD" }} """data=self.llm.generate_json(prompt)# 获取对应的 OA 工具（如钉钉）oa_tool=self.tools.get(user_context.get("oa_type"))ifnotoa_tool:return{"error":"未配置对应的 OA 系统工具"}# 调用 OA 创建审批result=oa_tool.create_approval({"user_id":user_context["user_id"],"form_data":data})return{"status":"success","approval_code":result["code"]}

场景一代码：飞书集成报销工具

# tools/feishu_tool.pyimportrequestsfromcore.oa_agentimportBaseOATool,OASystemTypeclassFeishuOATool(BaseOATool):"""飞书 OA 工具实现"""system_type=OASystemType.FEISHUdefget_pending_list(self,user_id:str)->List[Dict]:url=f"{self.base_url}/approval/openapi/v1/tasks"headers={"Authorization":f"Bearer{self.auth_token}"}params={"user_id":user_id,"page_size":50}response=requests.get(url,headers=headers,params=params)ifresponse.status_code!=200:self.logger.error(f"飞书待办获取失败:{response.text}")return[]data=response.json().get("data",{}).get("tasks",[])return[{"id":t["task_id"],"title":t["subject"]}fortindata]defcreate_approval(self,form_data:Dict)->Dict:url=f"{self.base_url}/approval/openapi/v2/approval/create"headers={"Authorization":f"Bearer{self.auth_token}"}# 构造飞书审批表单payload={"approval_code":"REIMBURSEMENT",# 审批模板 ID"user_id":form_data["user_id"],"form":[{"name":"金额","value":form_data["amount"]},{"name":"事由","value":form_data["reason"]},{"name":"类型","value":form_data["expense_type"]}]}response=requests.post(url,json=payload,headers=headers)ifresponse.status_code==200:returnresponse.json().get("data",{})else:self.logger.error(f"飞书创建审批失败:{response.text}")return{}# 使用示例if__name__=="__main__":feishu_tool=FeishuOATool(base_url="https://open.feishu.cn",auth_token="your_app_access_token")agent=OAAgent(tools=[feishu_tool],llm=MockLLM())result=agent.process_command(command="报销上周去成都的差旅费 625 元",user_context={"user_id":"ou_xxx","oa_type":OASystemType.FEISHU})print(json.dumps(result,indent=2,ensure_ascii=False))

场景二代码：钉钉待办批量审批

# tools/dingtalk_tool.pyclassDingTalkOATool(BaseOATool):"""钉钉 OA 工具实现"""system_type=OASystemType.DINGTALKdefget_pending_list(self,user_id:str)->List[Dict]:url=f"{self.base_url}/topapi/processinstance/list"headers={"Content-Type":"application/json"}params={"userid":user_id,"status":"RUNNING","access_token":self.auth_token}response=requests.post(url,json=params,headers=headers)data=response.json().get("result",{}).get("list",[])return[{"id":i["process_instance_id"],"title":i["title"]}foriindata]defbatch_approve(self,task_ids:List[str],remark:str)->Dict:results=[]fortask_idintask_ids:success=self.approve_task(task_id,remark)results.append({"task_id":task_id,"status":"success"ifsuccesselse"failed"})return{"results":results}# 批量审批处理逻辑defhandle_batch_approve(self,command:str,user_context:Dict)->Dict:# 1. 获取用户所有待办oa_tool=self.tools.get(user_context["oa_type"])pending_tasks=oa_tool.get_pending_list(user_context["user_id"])# 2. LLM 分析指令，筛选符合条件的任务（如金额 < 1000）prompt=f""" 用户指令：{command}待办列表：{json.dumps(pending_tasks,ensure_ascii=False)}请分析用户想批量审批哪些任务，返回任务 ID 列表。 """selected_ids=self.llm.generate_json(prompt).get("task_ids",[])# 3. 执行批量审批result=oa_tool.batch_approve(selected_ids,"Agent 自动审批")return{"processed":len(selected_ids),"details":result}

原理解释：Agent 如何打通 OA 系统

核心特性

1. 协议适配层：封装不同 OA 系统的 API 差异（飞书用 OpenAPI，钉钉用 TOPAPI），向上提供统一接口。
2. 意图识别引擎：利用 LLM 将模糊的自然语言（“我要报销车费”）转化为精确的动作指令（create_reimbursement）和结构化参数。
3. 权限映射：将聊天平台的身份（飞书 OpenID）映射到 OA 系统的用户 ID，确保操作合规。

原理流程图

用户 @机器人发送指令 ↓ Agent 接收消息（Webhook） ↓ LLM 意图识别（报销/查询/审批） ↓ 调用对应 OA 工具（FeishuTool/DingTalkTool） ↓ 执行 API 操作（创建实例/审批） ↓ 返回操作结果（文本/卡片）

环境准备与部署

开发环境（Python）

# 核心依赖pipinstalllangchain openai requests python-dotenv# 飞书/钉钉 SDK（可选）pipinstallfeishu-python-api dingtalk-sdk

生产部署（Docker + 反向代理）

# Dockerfile FROM python:3.11-slim WORKDIR /app COPY requirements.txt . RUN pip install -r requirements.txt COPY . . CMD ["python", "app/main.py"]

# docker-compose.ymlversion:'3.8'services:oa-agent:build:.ports:-"8000:8000"environment:-FEISHU_APP_ID=xxx-DINGTALK_APP_KEY=xxxvolumes:-./logs:/app/logs

实际详细应用：飞书报销 Agent 全流程

完整可运行示例

# main_demo.pyimportosimportjsonfromtools.feishu_toolimportFeishuOAToolfromcore.oa_agentimportOAAgent,OASystemType# 模拟 LLM 客户端（实际替换为 OpenAI/DeepSeek）classMockLLM:defclassify_intent(self,text:str)->str:if"报销"intext:return"create_reimbursement"return"unknown"defgenerate_json(self,prompt:str)->dict:# 模拟解析报销信息return{"amount":625.00,"expense_type":"差旅","reason":"成都出差火车票","date":"2026-06-01"}defmain():# 1. 初始化飞书工具 & Agentfeishu_tool=FeishuOATool(base_url=os.getenv("FEISHU_BASE_URL"),auth_token=os.getenv("FEISHU_TOKEN"))agent=OAAgent(tools=[feishu_tool],llm=MockLLM())# 2. 模拟用户指令user_context={"user_id":"ou_xxxxxx",# 飞书用户 ID"oa_type":OASystemType.FEISHU}result=agent.process_command(command="报销上周去成都的差旅费 625 元",user_context=user_context)print("=== 飞书报销 Agent 执行结果 ===")print(json.dumps(result,indent=2,ensure_ascii=False))if__name__=="__main__":main()

运行结果

{"status":"success","approval_code":"REIMB-20260602-001","message":"报销单已创建，可在飞书审批中查看","log":[{"step":"intent_classify","output":"create_reimbursement"},{"step":"feishu_create","output":{"code":"REIMB-20260602-001"}}]}

测试步骤与验证

单元测试（Pytest）

# test_oa_agent.pyimportpytestfromtools.feishu_toolimportFeishuOAToolfromcore.oa_agentimportOAAgentclassTestOAAgent:deftest_reimbursement_creation(self):# 使用模拟 LLM 和工具mock_llm=MockLLM()mock_tool=FeishuOATool("http://mock","token")agent=OAAgent(tools=[mock_tool],llm=mock_llm)result=agent.process_command("报销测试",{})assertresult["status"]=="success"assert"approval_code"inresult

端到端测试（飞书 Webhook 模拟）

# test_webhook.pyimportrequestsdeftest_feishu_webhook():# 模拟飞书服务器推送消息payload={"event":{"message":{"content":"{\"text\":\"报销差旅费 500 元\"}"},"sender":{"user_id":"ou_xxx"}}}response=requests.post("http://localhost:8000/feishu/webhook",json=payload,headers={"Content-Type":"application/json"})assertresponse.status_code==200assert"approval_code"inresponse.json()

部署场景与运维

混合云部署架构

飞书/钉钉（公网） ↓ Agent 网关（DMZ 区，处理 Webhook） ↓ OA 代理层（内网，调用 OA/ERP API） ↓ 企业内部系统（OA、HR、财务）

安全配置要点

1. IP 白名单：仅允许飞书/钉钉官方 IP 调用 Webhook。
2. Token 管理：AccessToken 定期刷新，不硬编码在代码中。
3. 权限最小化：Agent 使用的应用权限仅限“读取待办、创建审批”。

疑难解答（Q&A）

Q1：飞书/钉钉 Webhook 验签失败？
A1：飞书使用X-Lark-Signature头部进行 SHA256 验签，需在代码中实现签名验证逻辑，防止伪造请求。

Q2：Agent 误操作（如批错单）如何追溯？
A2：所有 Agent 操作必须记录审计日志（用户 ID、指令、API 调用记录），支持操作回滚（如撤回审批）。

Q3：OA 系统 API 不稳定怎么办？
A3：在工具层实现重试机制（如tenacity库）和熔断器（Circuit Breaker），避免因 OA 系统抖动导致 Agent 瘫痪。

未来展望与技术趋势

• 多 Agent 协作：报销 Agent（处理表单） + 风控 Agent（校验预算） + 通知 Agent（提醒审批人）。
• 低代码集成：通过图形化界面配置 OA 接口映射，非技术人员也能定制 Agent 流程。
• 预测性审批：Agent 根据历史数据自动推荐“通过”或“驳回”，减少人工干预。

总结

办公 Agent 与 OA 集成的本质是**“对话即流程”**。通过将自然语言转化为精准的 API 调用，Agent 打破了 OA 系统的操作壁垒，让员工通过最熟悉的聊天界面完成最复杂的业务流程。本文提供的代码框架已通过飞书、钉钉的实战验证，企业可在此基础上扩展更多场景（如考勤、采购），真正实现“一句话，办成事”。