AI实战22｜客户给了案情和底稿，让Agent通过法律数据库MCP直接做类案检索报告
律师做案件研究时，经常会遇到这样的任务：
客户已经提供了基本案情；
手里也有起诉状、答辩状、合同、证据材料或者前期分析底稿；
现在需要进一步回答：
司法实践中有没有类似案件？法院通常怎么认定？哪些事实会影响裁判结果？
以前做这项工作，通常需要律师自己打开法律数据库：
输入关键词；
调整案由；
筛法院；
筛年份；
打开案例；
一篇一篇阅读；
最后再整理成检索报告。
如果Agent已经通过MCP接入北大法宝、元典等专业法律数据库，这套工作就可以换一种方式：
把客户材料交给Agent，让它理解案件以后，自己去数据库里检索、筛选、阅读案例，最后形成一份完整的类案检索报告。
一、不要直接告诉Agent一个关键词就开始搜
这是类案检索和普通搜索最大的区别。
比如客户的问题是：
股权转让以后，受让方认为目标公司实际资产与原来披露不一致，要求解除合同并返还股权转让款。
如果只是让Agent搜索：
“股权转让合同解除”
结果可能有几千个案件。
真正开始检索以前，应该先让Agent阅读：
客户提供的案件材料；
合同；
诉状；
证据；
已有分析底稿。
先回答：
这个案件真正的争议点是什么？
比如可能拆成：
是否构成欺诈；
是否存在重大误解；
是否构成根本违约；
合同解除条件是否成就；
受让方是否已经实际参与经营；
是否超过解除权行使期限；
股权是否能够恢复原状。
先把争议点拆出来，再进入数据库检索。
二、让Agent先形成“检索问题”
专业类案检索最好不是一个关键词，而是一组问题。
例如：
- 股权转让方隐瞒目标公司重大债务，是否足以支持解除合同？
- 受让方已经完成工商变更并参与经营后，还能否要求解除股权转让合同？
- 股权已经发生后续变化时，是否影响合同解除后的恢复原状？
- 法院判断相关违约是否达到“不能实现合同目的”，通常考虑哪些因素？
这样Agent进入数据库以后，不是在漫无目的地搜索。
而是在寻找：
能够回答这些具体法律问题的案例。
三、MCP真正解决的是“让Agent自己调用法律数据库”
传统方式是：
律师在数据库里搜索；
找到案例以后复制出来；
再交给AI分析。
接入法律数据库MCP以后，可以变成：
律师交代研究任务；
Agent读取客户材料；
Agent提炼争议焦点；
Agent调用案例数据库；
Agent调整检索条件；
Agent打开候选案例；
Agent阅读裁判文书；
Agent筛选真正相关的案例；
最后形成报告。
也就是说，律师不再需要在：
法律数据库 ↔ AI ↔ Word
之间不停复制粘贴。
四、第一次检索不要追求“直接命中答案”
案例检索通常需要多轮。
第一轮可以比较宽：
案由 + 核心法律关系 + 主要争议。
找到一批候选案例以后，再观察法院常用什么表达。
比如你原来搜：
“隐瞒债务 股权转让 解除合同”。
但阅读案例以后发现法院经常使用：
“影响合同目的实现”；
“交易基础发生重大变化”；
“重大事项未如实披露”；
“缔约信息披露义务”。
那么Agent就应该继续用这些司法裁判中的表达扩展检索。
好的类案检索应该是：
检索 → 阅读 → 发现新关键词 → 再检索。
五、一定要让Agent真正阅读裁判文书
搜索结果里显示：
“本案涉及股权转让合同解除……”
不代表这个案件真的有参考价值。
Agent应该继续打开裁判文书，至少核查：
案号；
法院；
审级；
裁判日期；
基本事实；
争议焦点；
法院观点；
最终裁判结果。
尤其要区分：
一审；
二审；
再审。
如果同一个案件有多个审级，最好把裁判链条对应起来。
六、筛案例时，最重要的不是“法律问题一样”，而是事实够不够像
两个案件可能都叫：
股权转让合同纠纷。
但事实可能完全不同。
例如：
A案是隐瞒重大债务；
B案是目标公司经营亏损；
C案是股权存在代持；
D案是没有办理工商变更；
E案是受让方已经控制公司三年后才要求解除。
这些事实差异会直接影响裁判结果。
所以Agent筛选案例时，最好增加一个非常重要的字段：
与本案的相似点 / 差异点。
七、不要只挑“支持我方”的案例
类案检索如果只搜索：
“支持解除的案例”
很容易产生确认偏误。
更好的方式是同时要求Agent寻找：
支持我方观点的案例；
不支持我方观点的案例；
事实相似但结果不同的案例。
然后比较：
为什么法院结果不同。
案例检索的目的不是数票。
而是理解：
法院为什么这样判。
八、如果接入多个法律数据库，可以交叉检索
如果Agent同时能够调用两个法律数据库，还可以让它做第二轮补充检索。
例如：
先在一个数据库完成主要检索；
再用另一个数据库针对关键争议点进行补充。
目的不是机械地把两个数据库的案例全部加起来。
而是检查：
有没有重要案例遗漏；
同一案件的信息是否一致；
有没有更完整的审级材料。
九、最终不要只交付“案例列表”
真正有用的成果应该是一份：
案例检索报告。
至少包括：
1. 本案基本情况
根据客户材料，简要说明案件背景、法律关系、主要事实、当前争议。
2. 核心检索问题
明确这次案例研究到底要回答哪些问题。
3. 检索范围和方法
说明使用的数据库、核心关键词、相关案由、时间范围、法院层级、主要扩展检索词。
4. 重点案例
每个重点案例统一整理：
案号；
法院；
审级；
裁判时间；
基本案情；
争议焦点；
法院观点；
裁判结果；
与本案相似点；
与本案差异点；
参考价值。
5. 横向比较
把案例放在一起比较：
什么情况下法院支持；
什么情况下法院不支持；
哪些事实是裁判中的关键变量。
6. 对本案的启示
最后再结合客户案件判断：
哪些案例最值得参考；
我方有哪些有利事实；
有哪些不利事实；
还需要补充哪些证据或事实。
十、案例检索报告一定要保留原始出处
每一个被正式引用的案例，都应该能够回到原始数据库。
至少保留：
案号；
法院；
裁判日期；
审级；
数据库来源。
如果Agent无法核实案号或者原文，就不要把它作为正式案例写进报告。
十一、客户提供的材料还可以反过来帮助Agent继续检索
比如Agent读客户证据时发现：
双方曾经签署一份《补充协议》，里面写：
“受让方已经充分了解目标公司经营情况。”
这句话可能直接影响欺诈、重大误解或者信息披露义务的判断。
那么Agent就可以继续针对：
“股权受让方确认知悉公司经营状况后又主张欺诈”
做一轮新的类案检索。
所以最好的研究过程不是：
先读客户材料，然后搜一次数据库。
而是：
客户材料和案例检索互相推动。
十二、最后还是要由律师判断“这个案例到底能不能用”
Agent可以快速找到几十个案例。
但案例有没有真正参考价值，最终仍然取决于：
事实是否相似；
审级如何；
裁判时间；
法院层级；
裁判观点是否稳定；
案件有没有特殊背景。
所以最终不要简单写：
“检索到10个支持我方的案例，因此我方胜诉概率较高。”
更专业的结果应该是：
目前检索到的裁判实践呈现什么倾向，以及这种倾向在什么事实条件下成立。
直接复制的实战提示词
请先阅读【客户案例材料/诉状/证据/已有分析底稿路径】，提炼本案基本事实、争议焦点和需要通过类案解决的核心法律问题。随后调用【北大法宝/元典等法律数据库MCP名称】开展多轮案例检索，不要只按单一关键词搜索；请逐案打开裁判文书，核验案号、法院、审级、裁判时间、基本事实、法院观点和裁判结果，并比较与本案的相似点及差异点。同时检索支持和不支持我方观点的案例。最终生成【类案检索报告.docx】，包括本案概况、检索问题、检索方法、重点案例、案例横向比较及对本案的启示，并保留每个案例的原始出处。无法核实原文的案例不得作为正式依据。
最后记住一句话
接入法律数据库MCP以后，
不要只是让AI：
“帮我查几个案例。”
更完整的任务应该是：
“先读懂我的案件，再自己设计检索路径，到专业法律数据库里反复检索和核验，最后把裁判规律整理成一份可以直接复核的案例检索报告。”
