法律人工作久了，会有一种很具体的时间感——「忙着切换」。
帮客户审一份并购协议，需要确认几件事：协议引用的公司法条款是否现行有效、被收购方有没有未披露的涉诉记录、对方提供的公司章程关键条款有没有改动痕迹。
三件事，三套检索逻辑。
法条去法规库翻，涉诉信息去裁判文书网查，最后整合结论写审查意见时，还得逐条复核：案号对不对、法条废止了没有、条文原文是不是这么写的。
这些事情跟法律判断没关系——判断在查之前就已经形成了，查只是核对。但核对占掉的时间，远远超过判断。
🔗企查查MCP最近上线了一套完整的能力矩阵：法律检索与溯源、法律研究与分析、文书生成，加上企业数据底座的全面升级。不少内测的同行把模块串起来跑了一遍，也在交流各自使用心得，我们总结了一下，说说实际能用在哪。
值得一提的是，企查查MCP法律数据能力的底层，是三库跨源检索——全量现行法律法规、2.5万+权威案例（实际覆盖公报案例、最高法/最高检指导性案例、典型案例、入库案例、参考性案例）、1.6亿+裁判文书，加上企查查自身的企业工商、股权、关联关系与风险数据。法条、案例、企业底档，在同一个检索入口里打通。
01
法律检索逐条翻、逐篇核对
企查查MCP一句话搜+自动溯源
先说一个再常见不过的场景，代理一个股权纠纷，需要查「股东代表诉讼的前置条件」。
以前的操作路径大概是：“打开法规库→输入关键词→在一堆结果里翻→找到相关条文→打开另一部司法解释→交叉核对→确认现行有效→手动记录条号和原文”
一部法一部法地翻，一部司法解释接一部司法解释地对，一趟下来十几二十分钟是常有的事。写完文书，还得把每条引用的法条单独核一遍——这条废止了吗？原文是这么写的吗？
现在有了企查查法律数据MCP，这条路径被压缩成了一段对话。
场景一
不知道在哪部法里，直接问
💬你正在写一份关于股权代持纠纷的法律意见书，需要检索相关的法律依据，试着直接在Agent对话框里说：
帮我检索与“隐名股东要求显名化的法定条件”相关的现行有效法条。按相关度排序，列出法规名称、条号和条文原文。
企查查法律数据MCP会通过法规语义检索get_legal_article_semantic_search按语义召回相关条文——不只是关键词匹配，而是理解法律问题本身。民法典合同编、公司法司法解释的相关条款会按相关度排好，附带法规名称和条号。
💬拿到条文列表后，下一步是确认原文细节，继续追问：
把《公司法司法解释（三）》第24条的逐字原文调出来，标注时效性
按法规名称与条号定位（民法典、民诉法等简称自动归一），返回逐字条文原文及可溯源出处标识，可直接援引。
场景二
引用溯源，自动揪出虚假引用和废止法条
这个功能是我觉得最能直接降低执业风险的。
写完一份法律文书后，通常需要人工逐条核对法条引用和案号，一条一条回溯，确认没有废止条款、没有拼写错误、没有虚构案号。大家知道的，这份工作又繁琐又容易出纰漏。
💬这时候你只需要继续发一句：
核验这份法律意见书中的全部法条引用和案号，逐条标注权威出处
企查查法律数据MCP的法规溯源get_legal_citation_verify会自动扫描文书中的法条引用，回库对比——这条法条是否真实存在？现行有效还是已废止？原文用词是否一致？
场景三
类案检索不只搜案例，还要权威案例
做类案检索报告的时候，检索相关案例和检索能拿去法院引用的权威案例是两个完全不同的需求。
💬比如你在代理一起建设工程施工合同纠纷，承包方主张建设工程价款优先受偿权，需要同时查普通裁判文书和指导性案例：
检索案由为「建设工程施工合同纠纷」涉及「建设工程价款优先受偿权」的案例，另外再在权威案例库里搜一遍，看有没有指导性案例或公报案例。结果案例各自输出1个。
企查查法律数据MCP对这两类需求分别做了工具：
普通案例关键词检索 get_judicial_case_search 覆盖普通裁判文书库权威案例关键词检索 get_judicial_authoritative_case_search 专查指导性案例、公报案例、典型案例等6类案例。
两者返回的字段不同，权威案例会附带裁判要旨，可以直接引用。
拿到案例列表后，再用案例详情工具 get_judicial_case_detail 调取文书全文——将当事人的主张、法院查明的事实、裁判理由、判决结果，完整呈现。
💡背后支撑的是企查查法律数据MCP，10个工具覆盖法规法条检索（关键词+语义）、全文调取、条文详情、普通案例与权威案例检索、案例全文，以及法条引用溯源和案号引用溯源两类防幻觉核验工具。
02
法律研究与法律分析，从自己归纳自己翻
到企查查MCP拆解+结构化交付
检索做完之后，真正拉开法律人效率差距的环节在后面——怎么把零散的法条和判例串成一条完整的论证线。
说一个大家都很熟悉的场景：你在处理一起「建设工程价款优先受偿权」的案件，查到了民法典第807条、建设工程司法解释、指导案例73号、150号、171号、250号，还有一大堆各地中院的裁判文书。
下一步法律研究得把上百条检索结果搜罗一遍，从中梳理法律关系，归纳出裁判规则——优先受偿权的主体范围怎么界定？承包人放弃优先受偿权的承诺是否有效？与抵押权竞合时谁优先？各级法院的裁判倾向有没有分歧？正向观点是什么，反向观点又是什么？
以前这些全靠人力归纳。一份有深度的法律研究，从检索到成文，几个小时是起步价……而且每个人梳理的框架不一样，成果结构不统一，团队里很难复用。
企查查法律数据MCP在这一步的解法是：MCP提供数据与核验能力，Agent完成研究分析与文书生成——用户可用自然语言描述研究问题，自动拆解、跨库检索、归纳裁判规则，直接交付一份带引用的结构化研究意见。
场景一
法律研究，系统化梳理裁判规则
💬一个基础的效力认定规则：
帮我研究建设工程价款优先受偿权的行使规则与裁判趋势。检索相关法条、司法解释和近三年类案，梳理优先受偿权的主体范围、行使期限、放弃效力、与抵押权竞合等核心争议，归纳各级法院的裁判倾向，区分正向观点和反向观点，输出一份结构化的研究意见。
AI会自动走完整条链路：并行检索法条、司法解释与类案→识别争议焦点→归纳裁判规则→区分正反观点→输出带引用出处的研究报告。
场景二
法律分析，从研究成果到可执行建议
法律研究的成果是“裁判规则是什么”，但律师拿着规则回去见客户的时候，客户问的是：“我们这个案子，有多大把握？应该怎么打？”
这就需要法律分析——把研究成果落到具体案件上，做胜诉研判、条款效力审查、合规风险排查：
①诉讼分析：提炼争议焦点、对照类案裁判规则，形成支持与不支持因素清单。
🔗比如你代理一起建设工程施工合同纠纷：
帮我分析我方当事人（施工方）主张的建设工程价款优先受偿权是否成立。结合民法典的构成要件和类案裁判规则，评估行权期限是否届满、是否存在放弃优先受偿权的承诺、发包人破产时如何主张，标注潜在的法律风险点。
②非诉分析：分析特定条款的法律效力和潜在风险。
🔗比如审一份股权转让协议：
帮我分析我方当事人是否需要对这家子公司的债务承担连带责任。结合新公司法第二十三条第三款的构成要件和类案裁判规则，评估风险等级，标注潜在的法律风险点。
③合规分析：排查特定业务场景下的合规风险。
🔗比如企业出海业务：
我们公司计划在东南亚开展跨境电商业务，帮我排查涉及的国内合规要求，列出关键法规和合规风险清单。
💡法律研究和法律分析，底层依赖的同样是法律数据MCP的三库跨源检索和企查查企业数据。你跟Agent描述的越具体，它拆解得越精准，所有分析结论都附带引用出处，每条法规和案例都可以点击跳转原文验证。
03
合同审查与尽调
一手查对方底细，一手查法律依据
法律分析兜底输出审核报告
单独查法律数据或单独查企业数据，都不难，难的是两个东西一起查、交叉用。
说一个很典型的场景：审一份采购合同，对方声称是某集团「全资子公司」。
合同条款本身没有大问题，但你怎么确认对方的身份属实？它有没有隐藏的诉讼风险？违约责任条款约定的违约金比例，法院实际判下来会不会支持？
这三件事，以前要分三个窗口分别完成，现在可以在一段对话里全部搞定。
完整操作流程
💬第一步：企业身份与风险快速摸底：
帮我核查XX公司的工商底细：1、查工商登记信息——注册资本、成立日期、登记状态、法定代表人；2、穿透股权结构，识别实际控制人和受益所有人；3、做一次风险快速扫描——有没有失信、被执行、行政处罚、股权冻结；结果输出一份一页纸的企业画像，标注重点关注项。
企查查MCP会同时调动企业基座、风控大脑Server——拉工商底档、穿透实控人、按央行3号令识别UBO，一次性扫完几十个风险因子。
💬第二步：合同条款的法律背景核查：
该公司合同中约定违约金为合同总金额的50%，请帮我检索：1、关于"违约金过高调整"的现行有效法条；2、近三年案由为买卖合同纠纷、涉及违约金调减的类案，优先权威案例，输出1-2个。请分析法院在类似案件中的裁判倾向。
这里企查查法律数据MCP的语义检索工具派上了用场，不是检索「违约金」这个关键词（那会出来大几千条），而是理解「违约金过高调整」这个法律问题，召回民法典第585条、相关司法解释，以及同类案件的裁判文书。
💬第三步：法律分析把检索结果转化为审核意见：
把上面的企业画像、风险扫描结果、法律依据整合，做一份法律分析：包括合同主体身份核验结论、企业风险等级评估、关键条款的法律合规性分析、修改建议及法律依据。
这一步背后调用的正是法律分析能力——不是简单地把数据堆在一起，而是按法律逻辑形成风险等级评估和条款分析意见：对方的身份核验结论配什么风险等级？违约金50%在当前法院裁判倾向下有多大可能被调减？合同里哪些条款在现有的法律框架下存在可执行风险？
分析结论确认之后，还可以直接生成审核意见书或律师函——这就是法律分析到文书生成的自然衔接。
💡这个场景里，法律数据MCP和企业数据MCP是同时工作的。单查法条和案例只能解决法律论证，但法律工作的大量决策依据来自企业工商、股权、诉讼、经营等商业数据——两个数据库打通之后，法律分析从「只能看法条怎么说」变成了「知道对方是谁、再看法条怎么判」，覆盖的工作链路更完整。
04
文书生成
分析结论一键转为法律文书
法律分析出结论之后，下一步是文书起草。
从分析结论到落笔成文，中间还有一大段距离。起诉状的事实与理由怎么组织、代理词的论证逻辑怎么安排、律师函的措辞分寸怎么把握——每一步都耗时间，而且新人写的初稿，律师还要花不少精力去改。
💬如果你需要生成法律文书，比如前面已经完成了股权纠纷的法律分析，你直接说：
帮我把刚才的法律分析结论转换成一份律师函，收函方是XX公司，要求其在7个工作日内履行合同义务。
律师函样例 在具备文档生成能力的Agent或工作流中，可将分析结论整理为DOCX草稿；企查查MCP负责提供可溯源的法条、案例与企业数据依据。
目前支持的文书类型：起诉状、答辩状、代理词、律师函、法律意见书、法律风险分析备忘录、劳动仲裁申请书。
生成的是草稿：框架和引用AI已备好，论证取舍与最终判断仍由律师把关。
💡文书生成由用户自有Agent完成：文书中援引的法条、案例来自企查查法律数据MCP的检索与溯源工具，交付前可用引用溯源逐条核验，帮助核验事实陈述和法律依据来源。
05
手把手接入
把这些模块串起来
前面提到的模块，不是独立的工具，它们可以在同一个Agent对话里一起跑。
一个完整的法律任务，往往同时需要查法律、查企业、做分析、出文书。你不需要分别打开多个入口，只需要跟Agent描述一次需求，它会自己判断该调哪个Server。
审一份企业合同，从查对方公司的工商背景、股权穿透和诉讼风险；检索合同中违约责任条款相关的现行法条和类案；基于以上信息做法律分析，输出一份包含风险等级评估和修改建议的审核意见。
Agent会自动走完这个流程：企业尽调→法律检索→法律分析→输出报告这一整条链路，在支持MCP协议的AI工具中，添加企查查MCP Server：
如何接入
①获取API Key
打开企查查智能体数据平台agent.qcc.com，注册并登录，在个人中心获取API Key。
②配置企查查MCP
将企查查提供的配置信息填入，保存后重启生效。
Ps：老客户请重新复制JSON替换AI应用中的旧配置，即可完成更新。
③验证接入是否成功
在对话框里问一句：「数据出境相关的部门规章有哪些？」
返回结果中出现工具运行结果，即提示配置完成。
这些事，过去是几条独立的劳动链——人工搜法条、人工查企业、人工归纳裁判规则、人工起草文书。现在被接在一起之后，Agent负责跑数据，你负责做判断。
这不是再做一个法律知识库，而是让法律检索、法律研究、法律分析、文书生成和企业数据在同一个Agent里协同工作。切换的时间省掉了，检查的维度不会漏了，查过的内容可以存下来下次复用。
你可以调一份企业股权穿透，顺手查这个案由下近三年的裁判倾向，再从法律检索直接跳到法律研究，再跳到文书生成，一句话把分析结论落成起诉状。
企查查法律数据能力的底层，是全量现行法规、2.5万+权威案例和1.6亿+裁判文书的三库跨源，叠加企查查4亿+企业的工商、股权、风险数据。
这一次，我们希望把「查」的时间压得越短越好，把工作还给案件研判、策略推演、庭审准备……省出来的精力，自然会流向那些机器替代不了的事情。
喜欢今天的内容就关注我们吧👇
后续还有更多实用干货持续更新～
企查查MCP官网：agent.qcc.com/legal
#类案检索 #裁判文书参考 #合规风险 #诉讼 #非诉 #律师 #企查查MCP
阅读提示本文中所有法律检索、研究分析、文书生成的对话示例，均基于 Kimi-K2.5 模型输出。以下场景均在我司内部私有化API端点部署，模拟律师日常工作流——法律检索、类案检索、法律研究与分析、合同审查、文书起草等数据不走公网，不出公司管控，用户实际使用以agent.qcc.com/legal平台为准，示例 prompt 可作参考，实际效果以接入环境、模型和已开通服务为准。
免责声明：企查查MCP提供法律法规、司法案例、引用溯源及企业数据查询能力；法律研究、法律分析与文书草稿生成由用户所使用的AI Agent/工作流完成。相关输出仅供辅助参考，不构成法律意见，交付前应由专业人员复核。
