Własny LLM w Odoo 20: Community, Enterprise i prywatność
Odoo 20 ma agentów AI i serwer MCP tylko w Enterprise; Community korzysta z modułów z GitHuba lub lokalnych LLM - zweryfikuj zgodność, uprawnienia
Co Odoo 20 daje w AI i czy działa to w Community?
Nie działa. Odoo 20 wprowadza agentów AI (AI agents) i wbudowany serwer MCP, ale obie funkcje są częścią edycji Enterprise. W kodzie Community tych modułów nie ma.
Przypisanie tych funkcji do Enterprise potwierdza przegląd kodu opublikowany przez CODEerts. Oficjalne Release Notes wymieniają AI w spisie aplikacji, ale nie opisują agentów ani serwera MCP. Kto planuje projekt AI na Odoo 20, powinien zacząć od tego ustalenia, bo od niego zależy cała architektura.
Agenci AI i serwer MCP w Enterprise
Według CODEerts agenci AI współpracują z aplikacjami Sales, Purchase, Inventory, Project, Helpdesk, Calendar, Timesheets, Email Marketing, Website i eCommerce. Agent to rekord, który konfigurujesz jak każdy inny obiekt w systemie: przypisujesz mu umiejętności, źródła i narzędzia. Serwer MCP obsługuje drugą stronę. Zewnętrzny asystent, na przykład Claude albo ChatGPT, łączy się przez niego z Odoo i może wyszukiwać dane, a przy odpowiednich uprawnieniach również je zmieniać.
Co zostaje w Community
Community dostaje te zmiany z wersji 20, które nie są zarezerwowane dla Enterprise, na przykład batch transfers w Inventory, oraz nowe wymagania techniczne platformy. Nie dostaje frameworku agentów ani serwera MCP. Jeśli chcesz korzystać z natywnego mechanizmu Odoo, potrzebujesz Enterprise. Bez tego zostają projekty społecznościowe.
Jakie są drogi podłączenia własnego LLM do Odoo 20?
Źródła wskazują dwie realne ścieżki. Pierwsza to natywny stos Enterprise, czyli agenci i MCP. Druga to moduły i serwery MCP rozwijane przez społeczność na GitHubie, które działają także z Community. Różnią się dojrzałością, odpowiedzialnością za kod i tym, ile pracy integracyjnej spada na ciebie.
Enterprise: agenci i MCP
Najbardziej przemyślanym elementem tego rozwiązania jest model uprawnień. Asystent podłączony przez MCP działa zawsze jako konkretny użytkownik Odoo i ma dokładnie jego prawa. Nie istnieje osobne „konto dla AI” z szerszym dostępem. Jeśli handlowiec nie widzi marż w zakupach, jego asystent też ich nie zobaczy.
To rozwiązanie istnieje tylko w kodzie Enterprise i nie da się go przenieść do Community.
Community: projekty z GitHuba
Wyszukiwanie „odoo llm” na GitHubie zwraca sporo repozytoriów. Poniżej te, których opisy mówią najwięcej:
- apexive/odoo-llm - zestaw dodatków „Apexive Odoo LLM addons”. W wynikach wyszukiwania widać tylko nazwę, bez szczegółów funkcji.
- ivnvxd/mcp-server-odoo - serwer MCP, który według opisu pozwala asystentom AI bezpiecznie pracować z systemem Odoo.
- pandeussilvae/mcp-odoo-panda - serwer MCP na licencji MIT. Obsługuje transport stdio i Streamable HTTP oraz operacje search, read, create, write, unlink i wywołania własnych metod.
- markusbegerow/local-llm-odoo - czat z modelem bezpośrednio w Odoo przez Ollama, LM Studio albo dowolne API zgodne z OpenAI. Opis wymienia Odoo 18.
- MFYDev/odoo-expert - asystent do dokumentacji Odoo oparty na RAG, z wyszukiwaniem semantycznym, embeddingami i OpenAI. Pomaga szukać w dokumentacji, a nie w danych firmy.
W wynikach są też mniejsze projekty, takie jak odoopilot, odoo_ai_chatbot i bazowe moduły integracji LLM.
Na papierze to dużo możliwości, ale są dwa zastrzeżenia. Żaden z tych projektów nie jest oficjalnym, wspólnym sposobem integracji z Odoo 20 Community. Ich dojrzałość i licencje różnią się mocno. Do tego local-llm-odoo deklaruje w opisie Odoo 18, więc zgodność z wersją 20 trzeba sprawdzić samemu. Druga sprawa dotyczy operacji unlink w mcp-odoo-panda, czyli usuwania rekordów. Jeśli asystent dostaje takie narzędzie, uprawnienia użytkownika, w którego imieniu działa, muszą być ustawione bardzo starannie.
Jak oceniać te repozytoria
Przed wdrożeniem na produkcję porównaj licencje i przejrzyj historię commitów. Projekt, w którym ostatnia zmiana pojawiła się przed premierą Odoo 20, najpewniej wymaga portingu. Opisy w wynikach wyszukiwania mówią, co projekt deklaruje. Nie mówią, jak działa na prawdziwej bazie.
Jak wygląda prywatność i hosting modelu przy integracji z Odoo?
Źródła potwierdzają dwie rzeczy. MCP działa z uprawnieniami konkretnego użytkownika, co ułatwia kontrolę dostępu. Część projektów społecznościowych deklaruje obsługę modeli uruchamianych lokalnie. Szczegółów wdrożeniowych i prawnych w Release Notes nie ma.
Uprawnienia użytkownika jako granica
To, że asystent działa „jako konkretny użytkownik Odoo”, sprawia, że polityka uprawnień, która dotąd chroniła dane przed ludźmi, chroni je teraz również przed modelem. Źródła nie wyjaśniają natomiast, czy i jak działania wykonane przez asystenta są rejestrowane. Jeśli w firmie od lat wszyscy pracują na rozbudowanych grupach dostępu „bo tak było prościej”, przed podłączeniem AI trzeba to uporządkować.
Model lokalny zamiast chmury
Repozytoria takie jak markusbegerow/local-llm-odoo wprost wymieniają Ollama i LM Studio, czyli narzędzia do uruchamiania modeli na własnym sprzęcie, a obok nich API zgodne z OpenAI. Taki układ pozwala ograniczyć wysyłanie danych do komercyjnych usług. Dla firm, które nie chcą, żeby dane klientów czy ceny zakupu opuszczały ich infrastrukturę, to najciekawsza opcja z całego zestawu. Pamiętaj tylko, że „API zgodne z OpenAI” może równie dobrze oznaczać model lokalny, jak i zewnętrzną chmurę. O tym, gdzie trafiają dane, decyduje konfiguracja, a nie sam moduł.
Czego źródła nie mówią
W dostępnych materiałach brakuje kilku istotnych rzeczy:
- konfiguracji sieci i sposobu tunelowania ruchu do modelu,
- informacji, jak logowane są żądania MCP,
- oceny prawnej przesyłania danych do zewnętrznych modeli.
Te elementy trzeba zaplanować osobno, bo ani Release Notes, ani opisy repozytoriów ich nie obejmują.
Co sprawdzić przed podłączeniem modelu do Odoo 20?
Najpierw stos technologiczny. Odoo 20 wymaga Pythona w wersji od 3.12 do 3.14 i PostgreSQL 16 lub nowszego, a frontend korzysta z Owl 3. Druga sprawa to edycja: agenci i MCP są tylko w Enterprise, więc w Community architekturę integracji projektujesz od zera.
Wymagania platformy
Nowe wersje Pythona i PostgreSQL dotyczą całego środowiska. Obejmują same moduły Odoo, ale też każdą bramkę integracyjną czy serwer MCP, który uruchomisz obok. Jeśli serwer stoi na starszej dystrybucji z Pythonem 3.10, aktualizacja systemu jest pierwszym zadaniem, jeszcze przed wyborem modelu.
Porting modułów i API
Wiele modułów z Odoo 19 połączono albo przebudowano. CODEerts podaje przykład Field Service, które trafiło do Planning. Moduły społecznościowe pisane pod starsze wersje mogą przez to wymagać przeróbek.
Z API jest podobnie. XML-RPC nadal działa, ale ma status przestarzałego, a obok jest dostępne JSON-2 API. Sprawdź, z którego interfejsu korzysta wybrany serwer MCP albo moduł. Integracja oparta na XML-RPC dziś zadziała, ale trudno na niej budować coś na lata.
Plan działania
Źródła nie zawierają gotowych poleceń Git, plików konfiguracyjnych ani skryptów instalacyjnych, więc ich tu nie podajemy. Kolejność działań da się jednak ułożyć:
- Wybierz ścieżkę: natywny stos Enterprise (agenci i MCP) albo Community z modułami społecznościowymi.
- Sprawdź serwer: Python od 3.12 do 3.14 i PostgreSQL 16 lub nowszy.
- Przy Enterprise poznaj działanie agentów i MCP, zwłaszcza to, z jakimi uprawnieniami będą działać podłączeni asystenci.
- Przy Community przejrzyj projekty z GitHuba pod kątem dojrzałości, zgodności z Odoo 20 i licencji.
- Ustal, gdzie mają trafiać dane: do modelu uruchamianego lokalnie, jak w projektach obsługujących Ollama i LM Studio, czy przez bramkę, która odfiltruje dane wrażliwe. Gotowych wytycznych na ten temat źródła nie podają.
- Przetestuj wszystko na osobnej instancji Odoo 20. Sprawdź, czy moduły społecznościowe się instalują, czy działają z bieżącą bazą i ile pracy wymaga porting.
Krok szósty łatwo pominąć, a właśnie w nim zwykle wychodzi, że moduł z opisem „for Odoo 18” nie zainstaluje się na wersji 20 bez zmian w kodzie.
Źródła
Chcesz sprawdzić, jak Odoo sprawdziłoby się w Twojej firmie?
Skontaktuj się z nami - przeanalizujemy Twoje obecne procesy i pokażemy, od których 2–3 obszarów warto zacząć, żeby możliwie szybko zobaczyć efekt wdrożenia.