AI Agent自动填报工时：Webhook+MCP驱动律所账单草拟

咨询顾问每周最头疼的事之一，不是见客户，而是周末对着空白时间表回忆"周三下午三点到底干了什么"。AI-MCP Agent Use Case Library 最新一期展示了如何用一个无代码画布上的 Agent，把这件事彻底自动化——每天下班时自动草拟顾问的可计费工时条目，第二天早上只需人工审核即可提交。

据平台开发者 George Snyder 在视频中的介绍，这个 Agent 的定位很明确："最有价值的 Agent，往往是那些安静处理没人愿意干的杂活的 Agent。"它没有对话界面，没有用户手动触发，而是完全由企业自身的系统在每天结束时自动启动。

触发器设计：不是聊天框，而是 Webhook

这个工作流最特别的地方在于它的起点。传统 Agent 通常以对话框为入口，而这个 Agent 的起点是一个 Webhook 触发器——企业内部的日终系统自动向 Agent 发送一个顾问姓名，Agent 随即开始工作。

Snyder 把 Webhook 描述为"一扇只有企业自己系统能用的私密安全门"：外部系统无法随意唤起这个 Agent，只有持有密钥的内部系统可以。触发器配置中还需要定义两件事——如何解析传入的顾问姓名，以及 Agent 是立即回复还是在后台静默运行。

这种设计的意义在于：工时填报的触发时机不是由人决定的，而是由业务节奏决定的。顾问不需要记得"下班前要点一下某个按钮"，系统到点自动推送任务，Agent 自动接管。

Webhook 是一种基于 HTTP 回调的事件通知机制：当某个系统发生指定事件时，它会主动向预先配置好的 URL 发送一个 HTTP 请求（通常携带 JSON 格式的负载数据），从而唤起接收方的处理逻辑。与轮询（polling）相比，Webhook 是「推送」而非「拉取」，因此延迟更低、资源开销更小。本例中，负载里携带的就是顾问姓名。由于请求只能由持有密钥或白名单校验通过的系统发起，Webhook 天然形成一道访问边界——这正是 Snyder 所说的「私密安全门」。在企业集成实践中，Webhook 常被用作连接 HR 系统、财务系统、工单系统与自动化平台的粘合剂。

双工具服务器：让 Agent"看到"真实的一天

要草拟准确的工时，Agent 必须知道顾问当天实际做了什么。据视频演示，Agent 通过 MCP（Model Context Protocol）连接了两个工具服务器：

• 生产力套件：提供日历读取、消息读取、会议记录读取等工具，让 Agent 掌握顾问全天的活动轨迹；
• 会计系统：提供工时录入工具，Agent 将草拟的条目直接写入会计系统，等待人工审核。

这里的关键在于，Agent 不是靠"猜"来编造工时，而是基于日历事件、实际消息往来和会议记录来推断每一段时间对应的可计费项目和事项编号。每一条记录都与具体案件/项目（matter）绑定，最终由人工把关。

MCP 作为开放标准在其中扮演了连接层的角色——它让 Agent 能够以标准化方式调用真实系统的能力，而不是依赖脆弱的自定义集成。

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年底提出并开源的开放标准，用于在 LLM 应用与外部数据源、工具之间建立统一接口。它采用客户端-服务器架构：Agent 作为客户端，通过标准化的 JSON-RPC 消息与一个或多个 MCP 服务器通信，而每个服务器负责暴露特定的「工具（tools）」「资源（resources）」和「提示（prompts）」。相比过去为每个第三方系统手写适配代码的做法，MCP 让工具接入可以即插即用、跨厂商复用。文中提到的「生产力套件服务器」和「会计系统服务器」就是两个独立的 MCP 服务器，Agent 在推理过程中按需调用它们提供的能力。

运行实录：从自动触发到可审核草稿

视频中演示了一个完整运行实例：日终系统自动发送顾问 Dana Lee 的姓名，没有表单、没有人在键盘前操作。

运行记录出现在 Agent Sessions 面板中，打开后可以看到 Agent 的真实工作过程——它查阅了 Dana 的日历和消息，随后录入了可计费工时条目，每条都关联到对应事项，等待 Dana 次日审核。

每一次运行都被记录，并附带了极低的成本标注。这意味着企业可以追溯每个 Agent 会话的输入、输出和费用，对合规要求高的专业服务行业来说，这种可审计性是不可或缺的。

为什么这个案例值得关注

这个案例的价值不在于技术复杂度，而在于它示范了一种 Agent 的部署范式：无对话界面、系统间自动触发、只做草稿不做终审。

对于咨询、律所、会计事务所等按小时计费的专业服务机构来说，工时漏报是直接的收入损失。而这个 Agent 的定位恰好卡在"自动化"和"人工审核"之间——它承担了最繁琐的回忆和录入工作，但最终决策权仍然保留在人手中。

Snyder 在视频结尾强调，整个流程"全部在一块画布上完成，没有写一行代码"。这也暗示了当前 Agent 构建工具的一个趋势：将 Webhook 触发、MCP 工具连接、LLM 推理和输出写入整合到可视化编排界面中，降低企业落地门槛。

当 Agent 能够被企业现有系统自动唤起，并且在真实的数据源上工作时，它才真正从"演示品"变成了"基础设施"。工时草拟只是一个切口，同样的模式可以复用到费用报销、客户跟进记录、项目进度更新等一切"人人都讨厌做但不得不做"的行政事务上。

「无代码画布（no-code canvas）」指以可视化节点连线方式搭建自动化流程的工具形态，典型代表包括 n8n、Zapier、Make 以及各类 Agent 编排平台。其核心价值在于把触发条件、数据转换、模型调用、外部 API 写入等步骤抽象为可拖拽的节点，业务人员无需编写代码即可串联完整链路。这种模式降低了企业验证 AI 场景的门槛，但也带来版本管理、权限控制、可观测性等治理挑战，因此节点级日志、运行成本标注和审计追踪往往成为此类平台能否进入生产环境的决定性因素。

背景补充

在专业服务行业中，「可计费工时（billable hours）」是收入核算的基本单位：顾问、律师、会计师按为客户事项投入的时间计费，通常以 6 分钟（0.1 小时）为最小计量粒度，并需绑定具体案件或项目编号（matter number）。工时漏报、晚报和归类错误会直接造成收入流失和客户对账纠纷。正因如此，这一场景对自动化的要求很特殊——需要足够准确以可信，又必须保留人工复核环节以满足计费和合规责任。理解这一业务背景，才能看清文中 Agent 为何被刻意设计为「只草拟、不终审」：它替代的是记忆与录入这类低价值劳动，而非专业判断本身。