机器读取，人来决策：865,000 次 AI 智能体调用揭示的赌场 CRM 实况

为什么这很重要

Model Context Protocol（MCP）让 AI 助手能够使用另一个系统的工具。目前公开的 MCP 服务器已超过 10,000 个，主要 MCP 软件包每月的下载量约为 4.9 亿次。但对于 AI 智能体接入系统之后实际在做什么，几乎没有公开数据，而且大多数智能体研究都集中在编写代码上。

2026 年 7 月，我们开放了 Smartico MCP Server。现在，Claude、ChatGPT 或运营商自己的智能体都可以读取和修改赌场或体育博彩的 CRM：营销活动、用户旅程、消息、奖金和报表。本研究展示了最初四个月的使用情况。

16 周内从 4 个品牌增至 121 个

使用量呈阶梯式增长：品牌逐步从试用该服务器转向在日常工作中使用它。到 10 月中旬，AI 客户端每周发起近 200,000 次调用，许多品牌每周都在使用该服务器。

AI 做什么：先读取，再搭建

AI 先查看，再行动。十次调用中有六次只是读取：营销活动列表、某一条用户旅程、某个奖金模板、品牌的设置。八次调用中有一次是对品牌自有数据的分析。AI 最常查看的是消息投递、玩家资料、营销活动结果和奖金。

四分之一的调用会做出修改，其中大部分用于搭建用户旅程。添加、更新和复制营销活动流程中的步骤，占修改类调用的十分之六。其次是消息（邮件、推送、弹窗、站内信）和营销活动设置。

机器读取，人来决策

我们按行为方式对每个访问令牌进行了分组。调用占比和变更占比出现了明显分化：

• 脚本以机器的速度发起了一半的调用，其中大部分是为报表批量读取数据。它们完成的变更不到十分之一。
• 定时智能体按计划运行。其中一些是 AI 模型，每小时在同一分钟启动，执行同样的任务。
• 自建 AI 智能体是运营商自己编写的代码，内部嵌有语言模型，中间没有聊天应用。
• 使用 AI 助手的人在 Claude、ChatGPT 等聊天应用中工作。他们发起了约三分之一的调用，却完成了 78% 的变更。

运营商已经放手让机器替他们读取数据。但只要 CRM 中有内容发生变更，对话中几乎总有人在场。

时间分布也呈现出同样的分化。使用 AI 助手的人按办公时间工作，机器则全周无休：它们四分之一的调用发生在周末。

Claude 承担了大部分工作

浏览器版和移动应用版 Claude 发起了五分之一的调用，完成了一半以上的变更。Claude Code 和 Claude 桌面端智能体又贡献了四分之一的变更。合计来看，Smartico CRM 中至少四分之三的变更由 Claude 应用完成。ChatGPT、Codex、Cursor 和其他 AI 应用约占 4%。

按调用量计算，最大的群体根本不是聊天应用：40% 的调用来自运营商自己编写的代码，主要使用 Python 和 Node.js。

一条消息，五十个动作

在聊天中，用户写下消息，AI 开始工作，然后给出回复。大多数轮次的工作量都很小：一半以上只需要三次或更少的调用。

但有时一条消息会触发一段很长的运行。用户提出“搭建一个 7 天的欢迎流程，包含一封邮件、一条推送，并在第 3 天发放奖金”，AI 就会自行一步步把它建好。50 次及以上调用的轮次只占四十分之一，却完成了聊天应用中一半的变更。

规模最大的会话走得更远。产生 100 次及以上变更的会话，平均每个完成约 400 次变更：成套的用户旅程，以任何人都无法靠手动点击达到的速度搭建完成。典型的会话很短，约 5 分钟，但每 10 个会话中就有 1 个超过 45 分钟。

AI 会自己修正错误

AI 模型会犯错，但它们也会阅读错误信息。数据库查询失败时，AI 在三次尝试内写出可用查询的比例为 86%，其中三分之二在紧接着的下一次尝试中就已成功。当我们的服务器拒绝一次修改并说明缺少什么时，AI 有 69% 的情况能让这次修改顺利完成。

8 月初，每 100 次调用中有 3 到 4 次以错误告终；到 10 月中旬，降至约每 100 次中 1 次。有两个因素起了作用：一是品牌从初次尝试转向日常使用；二是我们一直在教服务器解释错误。现在，服务器不再只返回一个简单的错误，而是提出一个提问，例如“该字段必须为整小时数”，AI 随即修正这次调用。

哪些变更会触及玩家

大多数变更是草稿和设置。每 100 次变更中，直接作用于玩家的不到 1 次，例如启动营销活动或向玩家发放奖品。三道安全措施限制了 AI 能做的事：

• 访问配置。 每个令牌的权限分为查看者、分析师、编辑者或完全访问。AI 甚至看不到它无权使用的工具。
• 试运行。 AI 可以在保存之前先展示修改内容。近五分之一的新增或修改项在保存前经过了预览。
• 网络规则。 品牌可以只允许来自自己 IP 地址的 MCP 访问。

横向对比

• 人仍然掌控全局。 在 Anthropic 对近一百万次智能体工具调用的研究中（2026 年 2 月），最多约 73% 的调用看起来有人参与。在我们的 CRM 中，人只发起了三分之一的调用，却完成了近十分之八的变更。
• 不止于代码。 在 Anthropic 的数据中，软件工程约占全部智能体工具调用的一半，营销和销售等领域各只占几个百分点。我们还没有看到其他供应商公开过自家 MCP 服务器的使用数据。
• 调用失败不等于任务失败。 在 Scale 的 MCP Atlas 基准测试中，工具问题导致了约一半到三分之二的智能体任务失败。在真实的 CRM 工作中，每 100 次调用中失败或被拒绝的不到 3 次，而且 AI 自己修正了其中的大部分。

这对运营商意味着什么

• AI 已经在做真正的 CRM 工作。 它搭建用户旅程和消息，并在修改任何内容之前先核对数据。它做的远不止回答问题。
• 让 AI 来搭建，把决策留给人。 每个令牌只授予所需的最低权限，批量修改前先预览，凡是会触及玩家的操作都要有人参与。
• 脚本和 AI 各司其职。 重复读取和报表用脚本成本更低。当任务需要判断，或者需要在过程中修正错误时，AI 模型才物有所值。

常见问题

数据与方法

如何引用

Smartico (2026). 机器读取，人来决策：865,000 次 AI 智能体调用揭示的赌场 CRM 实况。 https://www.smartico.ai/resources/labs/ai-agents-casino-crm-mcp-usage

Smartico MCP Server 将 Claude、ChatGPT 和其他 AI 应用连接到您的 CRM。了解团队用它做什么、如何设置以及如何控制访问权限。