Relaticle：首个Agent优先架构的开源CRM系统

在CRM领域，多数产品只是简单地将AI功能「拼接」到现有系统上。而Relaticle则完全不同——它从底层架构就为AI Agent而设计，是一个真正意义上Agent优先的开源CRM系统，并在Product Hunt上获得了70票支持。

Agent优先的架构设计

Relaticle最核心的差异点在于其「Agent-first」的设计理念。系统通过OAuth为任何MCP（Model Context Protocol）客户端提供了37个原生工具，这些工具能够自动识别工作空间中的自定义字段，并将其纳入Agent的schema中。

这种设计带来的好处非常直接：开发者可以使用标准化的MCP协议接入Relaticle，无需为每个AI应用单独开发集成接口。工作空间中定义的任何自定义字段都会自动同步到Agent的上下文中，大幅降低了AI应用的开发门槛。

MCP（Model Context Protocol）是由Anthropic于2024年底提出并开源的一套标准化协议，旨在解决AI大模型与外部工具、数据源之间的互联互通问题。可以将其理解为AI领域的「USB接口」——无论是Claude、GPT还是其他兼容模型，都可以通过统一的MCP接口调用外部系统的能力，而无需为每个AI模型单独开发适配层。MCP采用客户端-服务器架构，MCP Server负责暴露工具和数据，MCP Client（通常是AI应用）负责发现和调用这些工具。Relaticle将自身实现为一个MCP Server，这意味着任何支持MCP协议的AI客户端（如Claude Desktop、Cursor等）都可以直接操作CRM中的联系人、商机、任务等数据，而开发者无需编写任何胶水代码。

审批门控：AI写入操作的安全机制

与完全自动化的AI操作不同，Relaticle在应用内助手中实施了更严格的控制策略。每一次AI发起的数据写入操作都会生成一个「提案」（proposal），清晰展示即将发生的具体变更，并要求用户逐条进行审批。

这种机制在AI自动化和人工监督之间找到了平衡点。它既保留了AI提升效率的优势，又通过人工审批环节避免了AI可能产生的误操作或不当修改。对于企业级CRM场景来说，这种审批门控提供了必要的数据安全保障。

完全开源与灵活部署方案

Relaticle采用AGPL开源协议，支持完全的自托管部署，甚至可以通过Ollama进行本地推理，无需依赖云端AI服务。这对数据敏感型企业来说意义重大——客户数据可以完全保留在企业内部，不必上传到第三方云服务。

在商业模式上，Relaticle提供了两种选择：

• 自托管版本：永久免费使用
• 云服务版本：按工作空间定价，而非传统的按用户席位收费

这种定价策略对团队规模较大的企业更具吸引力，避免了因用户数增长导致成本线性攀升的问题。

Ollama是一个允许用户在本地计算机上运行开源大语言模型的工具，支持Llama、Mistral、Qwen等主流开源模型，无需联网即可完成推理。对于CRM场景而言，结合Ollama意味着企业可以构建一条完全离线的AI链路：客户数据存储在本地数据库，AI推理在本地GPU或CPU上完成，中间不经过任何云端节点。AGPL（GNU Affero General Public License）协议则是一种「强Copyleft」开源协议，要求任何基于该代码提供网络服务的衍生产品也必须开源，这在保护开源作者权益的同时，也意味着企业若对Relaticle进行商业化二次开发并对外提供SaaS服务，需要同样遵循开源要求。

MCP协议支持与技术创新

Relaticle的出现代表了CRM行业对AI集成方式的重新思考。传统CRM产品往往是先构建完整系统，再考虑如何「加入」AI功能；而Relaticle则围绕AI Agent的工作方式来设计整个系统架构。

MCP协议的原生支持使其具备良好的互操作性，37个工具覆盖了CRM的核心操作场景，配合自动schema同步机制，开发者可以快速构建定制化的AI工作流。审批门控机制则在保持自动化效率的同时，满足了企业对数据操作安全性的严格要求。

对于开源社区而言，一个Agent优先的CRM参考实现具有重要价值。开发者可以基于Relaticle的架构设计，探索更多AI与业务系统深度结合的可能性。

适用场景

Relaticle特别适合以下几类用户：

• 需要深度定制CRM功能的技术团队
• 对客户数据安全有严格要求的企业
• 希望探索AI Agent在业务系统中落地的开发者
• 追求成本可控的中小型团队

作为Product Hunt上的新兴产品，Relaticle获得了社区的积极反馈。随着MCP协议生态的不断完善和AI Agent应用的持续普及，这类从底层为AI设计的业务系统很可能成为行业发展的新方向。