O2C Deployment Workbench

ERP 매출채권을 위한 완전하고 명백히 합성된 고객 구현: 소스 온보딩, 표준 데이터, 현금 배부, 공제, 회수, 통제, KPI 벤치마킹, MCP 접근, 멀티 에이전트 예외 검토, 옵저버빌리티, UAT, 컷오버, 하이퍼케어.

이 저장소의 모든 SAP S/4HANA 스타일, Oracle Fusion 스타일, NetSuite 스타일 파일은 생성된 시뮬레이션입니다. 실제 내보내기나 실시간 통합이 아닙니다. KPI 변동은 합성 데이터에 대한 통제된 구현 벤치마크이며, 고객 영향이 아닙니다.

구현 프로젝트인 이유

워크벤치는 깔끔한 분석 테이블이 아닌 고객 구성과 세 개의 비호환 소스 레이아웃에서 시작합니다. 검증 게이트를 적용하고, 결제 잔액을 보존하며, 예외를 라우팅하고, 회수 우선순위를 지정하고, 미달성 목표를 표시하며, 배포 팀이 발견부터 Go-Live까지 사용할 산출물을 생성합니다.

아키텍처는 의도적으로 금융 매칭을 결정론적이고 감사 가능하게 유지합니다. 에이전트는 판단이 많이 필요한 작업(예외 조사, 데이터 품질 진단, 회수 계획, Go-Live 모니터링)을 처리합니다. 에이전트는 ERP에 전기하거나, 환불을 발행하거나, 부채를 탕감하거나, 마스터 데이터를 변경할 수 없습니다.

flowchart LR
    A["Three simulated ERP export sets"] --> B["Configuration-driven adapters"]
    B --> C["Seven canonical receivables tables"]
    C --> D["Validation control gate"]
    D --> E["Deterministic cash matching"]
    E --> F["Exception and collections queues"]
    F --> G["MCP evidence tools"]
    G --> H["Supervisor agent"]
    H --> I["Cash Application Agent"]
    H --> J["Data Quality Agent"]
    H --> K["Collections Agent"]
    I --> L["Human approval gate"]
    J --> L
    K --> L
    E --> M["Controlled KPI benchmark"]
    M --> N["Go Live Monitor Agent"]
    O["OpenTelemetry traces"] -.-> B
    O -.-> E
    O -.-> H
    O -.-> N

실행

python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
o2c-workbench --project-root .
streamlit run app.py

재현 가능한 seed-42 실행은 1,908개의 표준 레코드를 생성하고, 의도적인 중복 은행 거래 18건을 경고로 감지하며, 검증 오류를 0개 남깁니다. 정적 대시보드를 열거나 Streamlit 앱을 사용하세요.

MCP 서버

서버는 현재 MCP Python SDK를 사용하며 구조화된 도구, 리소스, 프롬프트를 노출합니다. 로컬 클라이언트는 stdio를 사용해야 하며, 배포된 클라이언트는 Streamable HTTP를 사용할 수 있습니다.

o2c-mcp --transport stdio
o2c-mcp --transport streamable-http --port 8000

도구: get_implementation_summary, investigate_payment, get_collection_priority, run_controlled_benchmark. 리소스: o2c://configuration, o2c://benchmark, o2c://observability.

멀티 에이전트 경로

기본 경로는 오프라인이며 결정론적이므로 검토자는 계정이나 API 키 없이 핸드오프와 통제를 재현할 수 있습니다. 이 경로는 output/agent_decisions.csv, output/agent_control_summary.json, OpenTelemetry 스팬을 생성합니다.

선택적 모델 기반 검토는 전문가 핸드오프와 구조화된 출력을 갖춘 OpenAI Agents SDK를 사용합니다:

pip install -e ".[ai]"
export OPENAI_API_KEY="..."
o2c-agent-review SAP-P001-09 --project-root .

모델 경로는 벤치마크 KPI에 의도적으로 필요하지 않습니다. 권장할 수는 있지만 통제된 재무 작업을 실행할 수는 없습니다.

리포지토리 맵

• config/ — 구현 구성, 매핑, 허용 오차, 가중치, 라우팅, 통제, KPI 목표, 에이전트 한도.

• data/raw/ — 생성된, 시각적으로 라벨이 표시된 시뮬레이션 ERP 내보내기.

• data/canonical/ — 정규화된 고객, 송장, 결제, 송금, 공제, 약속, 활동.

• src/o2c_workbench/ — 어댑터, 매칭, 회수, 통제, 에이전트, MCP, 옵저버빌리티, KPI 로직.

• output/ — 벤치마크 증거, 대기열, 추적, 대시보드.

• docs/ — 프로세스 설계, 매핑, 통제, RTM, 28개 UAT 케이스, 컷오버, 모니터링, 교육, 연구 기반.

• deliverables/ — 구현 워크북.

• demo/ — 5분 분량의 내레이션 구현 워크스루 및 대본.

Seed-42 벤치마크

네 가지 스트레치 목표는 여전히 미달이며, 따라서 모니터는 승리 자축이 아닌 조건부 Go를 권장합니다. 이는 의도적인 구현 현실성입니다. 미배부 현금과 잔여 초과 지불에 대한 인간 승인 통제 및 집중 하이퍼케어가 있을 때만 진행하십시오.

검증

pytest -q

결제 사례, MCP 전송 선택, 에이전트 핸드오프, 텔레메트리 규칙에 참고한 주요 출처는 연구 기반을 참조하세요.