GIS 都接上 MCP 了,为什么 AI 还是做不成事?

2026年11月19日

开发极海品牌监测 MCP 时,有个问题比"工具能不能调通"更难回答:我们到底希望 AI 帮分析师做到哪一步?

拿连锁品牌选址来说。给 AI 一批地址,它能转成坐标,在门店周围画出服务范围。图可以是对的,却还回答不了哪里值得再开一家。地图上没有点的地方,可能是没被满足的需求,也可能根本没有足够的客流——就像地图上一片空白的街区,可能是大家都想去却没店的宝地,也可能只是一片仓库区。仅凭圈画得准,判断不出是哪一种。

上一篇聊"流程都固定了,为什么还要 AI",我说 AI 的一个价值,是把老手的判断留下来。做极海 MCP 的过程让我把这件事想得更清楚了:先让 AI 看到真实的业务数据,再把团队积累的分析方法教给它,最后还要定好哪些事它能自己干、哪些必须人来拍板。 少了哪一件,最后交上来的都可能只是一张看起来很专业的图。

一、让 AI 接触业务,工具才能往前多做一步

今天上午,我用极海品牌监测 MCP 调了一次星巴克全国报告,数据截至 11 月 18 日。调用的是mcp工具是 get_brand_detail_report。这次没有让模型自己上网拼门店名单,也没有只给它几条地址去画圈;工具直接返回了品牌门店记录的汇总、城市分布和同品牌最近邻指标。

极海mcp的报告工具
极海mcp的报告工具
极海mcp的制图工具
极海mcp的制图工具
极海 MCP 的星巴克全国实测:8,407 条报告口径在营记录、308 个有在营记录的城市、300 米内有同品牌邻店的比例为 22.2%
极海 MCP 的星巴克全国实测:8,407 条报告口径在营记录、308 个有在营记录的城市、300 米内有同品牌邻店的比例为 22.2%

用同一道选址题看,接入深度差别很大。只接网规规范文档,AI 能帮你写空间查询,数据还得自己找——相当于给了它一本菜谱,但冰箱是空的。只给它地理编码和缓冲区,它能把你给的点位画出来,却不知道清单还缺什么——有了食材,但不知道客人想吃什么。接上有权限访问的业务数据,它才有机会比较现有网点、候选区域和覆盖缺口——食材、菜谱、客人的口味都齐了,才能真正开始做菜。该开放哪一层,要按想让 AI 接手的工作来定,而不是按工具清单来定。

同一道选址题的三种接入深度:查文档、调空间工具、查授权业务数据并分析
同一道选址题的三种接入深度:查文档、调空间工具、查授权业务数据并分析

但如果接着问:"星巴克下一家该开在哪儿?“我们还不能给答案。它看到了品牌的门店网络,没看到候选铺位租金、高峰时段客流、现有店的营业额和可租物业。相隔几百米的两家店可能在争同一拨客人,也可能各自服务不同的写字楼。22.2% 说的是"两家店离得近",不是"两家店在抢生意"。 打个比方,两个水果摊挨着摆,可能是在分流,也可能一个卖进口水果、一个卖本地水果,各做各的生意。没有经营数据,光看距离分不清。如果没有接入经营数据,一份负责任的报告可以提出"这些商圈值得实地调查”,不能直接给出开关店名单。

这个边界还体现在一些容易忽略的细节里。比如,全国报告按自己的统计口径计入了 77 条标记为不可用的记录;如果要对外公布"可用门店数",就得按另一套规则重新算,密度数字也不能直接搬过去。又比如,请求地图时,系统标明 9,092 个点里只返回了 5,000 个;做个大致了解没问题,但不能拿这 5,000 个点当全量来分析。

开发时真正要想的是:手里这些数据能回答什么问题、回答不了什么问题?极海这次能回答门店网络的分布和密度;要往选址再走一步,还要把客流和经营数据接进来。给 AI 再加一个画图工具,并不会补上这块缺口——就像给一个只有体温计的诊所加一台打印机,并不能让它多看一种病。

二、把老手的方法留下来,别让 AI 每次从头猜

即使拿到了客流和门店数据,同一道题也有不同做法。两家店的服务范围重叠,不能把圈里的人口直接相加——就像两把伞重叠的部分,淋不到雨的人只算一次,不能算两次。就算把两个圈合并了,也只是消除了地图上圈的重叠,不能说已经知道有多少人真的会进店。一公里直线距离,中间隔着一条没有人行横道的快速路,实际走起来可能要绕两公里。

这些都是有经验的分析师做项目时会顺手检查的东西。我们可以用 Skill(预设的分析规则)把这套经验固定下来:什么时候只能用居住人口做粗略筛选、什么时候该用实际步行路线来量距离、什么证据还不够就不能给候选地排名。坐标系是否统一、数据有没有被截断,这类机器能检查的就交给机器。商圈划法或选址规则变了,由负责这条业务线的人来更新。MCP 解决的是"数据拿得到";Skill 解决的是"拿到以后怎么分析"。

MCP 提供授权数据和工具,Skill 保留经过验证的方法,业务负责人决定什么可以发布和执行
MCP 提供授权数据和工具,Skill 保留经过验证的方法,业务负责人决定什么可以发布和执行

三、把建议和决定分开,事先说清谁负责

我们自己的报告也碰到过这个问题。较早一次,同一工具在报告标题里写的是"店已经开密了,下一步是取舍。“这次复测,标题换成了"300 米内有同品牌邻店的比例”。两句话的差别看着不大,但性质完全不同:第一句是在替老板做决定——该关店了;第二句只是把数据摆到桌面上——密度是这样,你来判断。没有单店销售额和租约信息,即使密度算得再准,"该不该关店"这一步也不能让 AI 替业务负责人迈过去。

我希望 Agent 能把值得调查的地方找出来,把证据和还缺什么列清楚——像一个尽职的助手,把资料整理好、把疑点标出来。到了推荐具体铺位、批租金预算、决定撤店这一步,谁复核、谁签字,要在系统上线前定下来。反过来,低风险的数据查询和初步筛选完全可以交给它跑,不必每调一次查询就等人点头。人的工作不是替机器重算一遍,而是决定哪类结果可以直接用、哪类动作必须人来批准。

企业验收 GIS AI,别只看它会不会出图

如果厂商来演示 GIS 软件的 AI 能力,我会请它带着我们的一道真实业务题走一遍,不只测"能不能调通"。

  1. 1. 能看到什么数据? 只能查厂商自带的公开数据,还是能在授权范围内读我们自己的图层、表和业务系统?关键字段拿不到时,能不能明说"这个我看不到"?
  2. 2. 能用什么方法? 只是查数据、画图,还是能跑我们已经验证过的分析流程和业务规则?规则变了,谁来维护?
  3. 3. 数据在哪里跑、又去了哪里? 查询在哪台机器上运行?我们的提示词、数据摘要和分析结果,哪些会离开我们自己的环境?要按模型和部署方案逐项确认。
  4. 4. 谁授权,怎么追责? AI 以谁的身份登录和访问?能读什么、能改什么?哪些操作要先经人确认?出了问题能不能查到执行记录?
  5. 5. 别人能复算吗?成本撑得住吗? 交付的结果能不能追溯到原始数据、参数设置、软件版本和分析方法?换一批数据能否照样运行?把模型调用费、地图服务费、计算资源都算进去,全单位每月要花多少钱?

最好再加一道压力测试:故意不提供一项关键数据,看它会明确说"缺了这个数据,我只能做到这一步",还是照样生成一份看起来完整的建议。一个会说"我不知道"的 AI,比一个什么都敢答的 AI 靠谱得多。 这个测试比演示"用一句话生成一张图"更接近实际工作。

做一张地形图,投影和阴影的取舍,可以一点点写进 Skill。要回答"这个地区哪里适合建服务网点",还得让 AI 看到已有网点、服务对象、交通条件、需求数据和选址限制条件。GIS 的空间分析能力没变,接进来的业务资料变了,它能回答的问题才跟着变。

所以,听到"我们的 GIS 支持 MCP",我还是想多问一句:接上以后,它看到的是一份软件说明书、几把工具,还是我们真正要解决的问题?


王昊

用地图思考人生

评论正在加载...
Great! You've successfully subscribed.
Great! Next, complete checkout for full access.
Welcome back! You've successfully signed in.
Success! Your account is fully activated, you now have access to all content.
分享