2025年12月，一起案件入选了人民法院案例库。

案件本身不复杂——北京市通州区人民法院审理的一起商事纠纷。但让人意外的是，原告代理律师庭后提交的书面意见中，援引了"上海一中院(2022)沪01民终12345号"案件作为参考案例。法官一查，这个案号对应的其实是一起民间借贷纠纷，和书面意见里描述的事实八竿子打不着。

在法官的追问下，代理人承认了：这些案例，是AI大模型生成的。

这不是孤例。

视线放到全球，问题更加触目惊心。据环球时报报道，截至2026年，全球已记录超过1600起AI法律幻觉事件。2026年，美国俄勒冈联邦法院对两名律师开出了11万美元的罚单——23个虚假引用、8处虚构引文，创下了AI幻觉制裁金额纪录。同年6月，密西西比州一起案件中，原被告双方的4名律师全部被处罚，因为他们提交的法律文书里都塞满了AI编造的假案例。

这就是"AI幻觉"在法律领域制造的真实麻烦：大模型会一本正经地编造出看起来逻辑通顺、格式规范，但根本不存在的法条、案例和裁判要旨。而律师如果直接采信、不加核实，轻则代理意见被法院驳回，重则面临罚款、纪律处分甚至吊销执照。

问题的根源不在AI不够聪明，而在于通用大模型的法律知识没有"锚点"——它没有连接到权威的法律数据库，所有"法条"和"案例"都是基于语言概率生成的，不是检索回来的。

这恰恰是企查查法律数据MCP要解决的问题。

不是再做一个法律知识库，是给AI装上"法律事实核查器"

企查查智能体数据平台（agent.qcc.com/legal）最近上线了一套完整的“法律数据MCP”能力矩阵：10 个工具覆盖检索、详情、溯源，支撑类案检索、法律研究、文书生成等专业任务。

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、1.6亿+裁判文书（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），加上企查查自身4亿+企业的工商、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。

这意味着什么？意味着AI说的每一句"根据《民法典》第X条""参照指导案例X号"，都不是凭空生成的，而是从这三个库里实打实检索出来的。每条法规有明确的条号和原文，每个案例有真实的案号和裁判文书全文，每个企业数据点都有工商登记底档支撑。

四个核心能力

① 法律检索+引用溯源

一句话描述法律问题，语义检索召回相关法条，附带条号和时效性标注。更关键的是引用溯源——写完文书后，一句话让MCP自动核验全部法条引用和案号，逐条标注是否真实存在、是否现行有效。开头那些案例，如果有这层核验，虚假引用在提交前就会被拦下。

② 法律研究与分析

描述研究问题，Agent自动跨库检索、识别争议焦点、归纳裁判规则，输出带引用的结构化研究意见。覆盖诉讼分析、非诉分析、合规分析三个方向，所有结论附带出处，每条法规和案例可点击跳转原文验证。

③ 合同审查与尽调

法律数据和企业数据同时工作——一段对话里，查对方公司工商底档和股权穿透，检索违约金条款的现行法条和类案裁判倾向，最后整合成带风险等级评估的审核意见。从"只能看法条怎么说"变成"知道对方是谁、再看法条怎么判"。

④ 支撑文书生成

分析结论一键转为起诉状、律师函、法律意见书等7类文书草稿。框架和引用AI已备好，论证取舍仍由律师把关。交付前可用引用溯源逐条核验——这是防范AI幻觉的最后一道关卡。

怎么接入打开 企查查智能体数据平台官网agent.qcc.com，注册登录获取API Key；将配置信息填入支持MCP协议的AI工具，保存重启；老客户重新复制JSON替换旧配置即可。

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。

把"查"的时间压短，把精力还给研判

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MCP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。

回到开头的问题：AI幻觉为什么可怕？因为法律领域容不得"编造"。一个不存在的案号、一条已废止的法条，可能导致整份法律文书失去效力，甚至让律师面临执业处分。

解决幻觉的办法不是让AI变得更"聪明"，而是让它有据可查。把"查"的时间压短，把精力还给案件研判、策略推演、庭审准备——省出来的精力，自然会流向那些AI替代不了的事情。