当前位置：首页 > news >正文

通义灵码2.5智能体模式联合MCP：打造自动化菜品推荐平台，实现从需求到部署的全流程创新

news 来源：原创 2025/7/18 4:51:57

一、项目背景与目标

随着人工智能技术的快速发展，AI 辅助开发工具正在改变传统的软件开发模式。通义灵码 2.5 版本的发布，通过 Qwen3 模型 和 编程智能体模式 的结合，实现了从需求描述到代码生成的全流程自动化。同时，其对 魔搭MCP 广场 的深度集成，为开发者提供了丰富的工具生态支持。

本方案旨在利用通义灵码 2.5 的智能体模式和 “今天吃什么” 和“EdgeOne”MCP 服务，构建一个 在线菜品推荐网站，帮助用户快速决策“今天吃什么”。该网站将支持个性化推荐、用户偏好管理、营养分析等功能，并通过 MCP 服务实现灵活的功能扩展。

二、功能需求分析

1、核心功能

个性化推荐：根据用户人数、过敏、忌口等条件推荐菜品。
实时推荐生成：用户输入需求后，系统立即生成推荐列表。
用户偏好管理：用户可设置饮食偏好（如素食、甜品）并保存。
推荐历史记录：展示用户过去的推荐记录，支持再次选择或重置。

2、 扩展功能

营养分析：对推荐的菜品进行卡路里等营养成分分析。

三、技术架构设计

1、 开发工具与平台

IDE：Visual Studio Code（集成通义灵码 2.5 插件）。
前端框架：Vue.js（通义灵码可自动生成组件代码）。
后端服务：Node.js （通义灵码智能体模式可自动生成 API 接口）。

2、 MCP 服务集成

“今天吃什么” MCP 服务：提供菜品推荐、营养分析等功能。
EdgeOne MCP 服务：快速部署网站，支持在线访问。

3、 通义灵码 2.5 核心能力

智能体模式：自主决策、工程感知、工具调用。
Qwen3 模型：支持长上下文理解，生成高质量代码和推荐逻辑。
MCP 工具链：一键集成 3000+ 工具，简化开发流程。

四、开发流程与实现步骤

1、 MCP服务集成

配置 MCP 服务：在MCP广场选择要安装的MCP服务，点击安装即可。
安装报错，提交给通义灵码来修复。
修复完成之后，重新添加。
完成MCP服务的添加。

2、需求描述与智能体任务规划

输入需求：
在 VS Code 中通过通义灵码插件输入需求：

构建一个在线菜品推荐网站，支持用户输入偏好并生成推荐结果。需要集成‘今天吃什么’MCP服务，并支持用户保存历史记录，同时在代码构建完成之后，集成‘edgeone’MCP服务进行部署。”

智能体任务拆解：

通义灵码智能体自动规划以下步骤：

 我们需要创建基本的前端和后端架构，包括：前端：用于用户交互（输入偏好、查看推荐、保存历史记录等）。后端：处理与 MCP 服务的通信，并管理用户的推荐历史。部署：使用 edgeone MCP 服务部署网站。

推荐目录结构

eat/
│
├── public/                  # 静态文件（HTML, CSS, JS）
│   ├── index.html             # 主页
│   └── style.css              # 样式表
│
├── server.js                # Node.js 后端逻辑
├── package.json             # 项目依赖配置
└── README.md                # 项目说明文档

3、智能体自动生成代码

选择智能体和Qwen3，在对话中输入：直接创建这些文件。
开始自动进行创建。
在启动项目的时候，3000端口被占用，智能体自行修复为3001。
重启后在3001端口上运行。
打开网站页面没有正确显示。
将错误信息提交给智能体来进行修复。
修复完成之后，重新发布，可以看到网站就构建成功了。

4、优化网站

在智能体的对话框输入如下指令：

1、修复下每次推荐内容都是固定的；
2、增加重置功能；
3、增加菜谱分类；
4、增加过敏原和忌口食材列表。

智能体自己经过一系列的反复调整，终于实现了想呈现的页面。

5、扩展功能开发

在智能体的对话框输入如下指令：

1、增加推荐菜谱的营养分析；

2、优化下背景，展现更美观；

五、测试与部署

1、功能测试

智能体按照以下计划生成测试用例并进行自动化测试：

1） 后端 API 接口测试

/recommend：推荐菜品接口（支持人数、分类、过敏原、忌口参数）
/nutrition/:recipeName：营养分析接口
/categories：获取菜谱分类接口
/reset：清空历史记录接口
/history：获取历史记录接口

2） 测试框架与工具

使用 Jest 作为测试框架。
使用 supertest 模拟 HTTP 请求。

3）测试目录结构

test/
├── server.test.js      # 所有 API 接口的测试用例
└── utils.js            # 测试辅助函数

4）测试覆盖率

每个接口至少覆盖以下情况：
- 正常请求返回正确状态码和响应数据。
- 参数缺失或错误时返回合适的错误信息。
- 边界条件测试（如人数为 0 或超过上限）。

5）实施步骤

创建 test/ 目录。
编写 server.test.js 测试用例。
添加 [utils.js](file://c:\Users\Administrator\Desktop\eat\node_modules\qs\lib\utils.js) 提供测试辅助函数（如创建测试服务器实例）。
更新 [package.json](file://c:\Users\Administrator\Desktop\eat\package.json) 添加测试脚本。

2、部署上线

在智能体中输入指令：调用edgeone MCP服务，将所有代码部署到EdgeOne上。

六、未来扩展方向

1、 餐厅推荐支持：集成地图 MCP 服务，可以针对菜谱进行附近餐厅推荐。
2、 AI 语音交互：调用语音识别和合成 MCP 服务，实现语音输入和反馈。
3、 社区功能：用户可分享推荐结果，形成美食社区并支持点赞评论。

七、总结

通过通义灵码 2.5 的智能体模式和MCP广场的集成，开发者可以高效构建在线菜品推荐网站。智能体模式大幅提升了开发效率，MCP服务则为功能扩展提供了无限可能。