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

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。
    image.png
    image.png

  • 安装报错,提交给通义灵码来修复。
    image.png

  • 修复完成之后,重新添加。
    image.png

  • 完成MCP服务的添加。
    image.png

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。
    image.png

  • 开始自动进行创建。
    image.png

  • 在启动项目的时候,3000端口被占用,智能体自行修复为3001。
    image.png

  • 重启后在3001端口上运行。
    image.png

  • 打开网站页面没有正确显示。
    image.png

  • 将错误信息提交给智能体来进行修复。
    image.png

  • 修复完成之后,重新发布,可以看到网站就构建成功了。
    image.png

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。
    image.png
    image.png
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;

image.png

2、优化下背景,展现更美观;

image.png

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。

image.png

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。

相关文章:

  • t检验详解:原理、类型与应用指南
  • leetcode刷题日记——从前序与中序遍历序列构造二叉树
  • SOC-ESP32S3部分:2-2-VSCode进行编译烧录
  • Visual Studio Code 改成中文模式(汉化)
  • 【机器学习】logistic回归
  • 【C++算法】70.队列+宽搜_N 叉树的层序遍历
  • C++使用max_element()配合distance()求出vector中的最大值及其位置
  • Nvidia - NVLink Fusion
  • 代码随想录算法训练营
  • Vue响应式系统演进与实现解析
  • 集成思想在算法(目标检测)中的体现
  • Python入门手册:Python简介,什么是Python
  • 操作系统----软考中级软件工程师(自用学习笔记)
  • 使用 GitHub Pages 部署单页面应用教程
  • vue路由小案例
  • Failed to resolve import “echarts“ from “src/views/HistoricalData.vue“.
  • 第 4 章:网络与总线——CAN / Ethernet / USB-OTG
  • 国产视频转换LT6211UX:HDMI2.0转LVDS/MIPI芯片简介,支持4K60Hz
  • File的使用
  • 聚焦开放智能,抢占技术高地 | 2025 高通边缘智能创新应用大赛第五场公开课来袭!
  • 北证50年内涨超42%,创历史新高!后市机构怎么看?
  • 2025年新季夏粮收购量将达到2000亿斤左右
  • “高原笑匠”、西藏著名表演艺术家扎西顿珠去世
  • 上海将完善隔代照料支持措施:建设老幼共享设施、提高科学育儿指导力度
  • 国家统计局:1-4月份,全国固定资产投资同比增长4.0%
  • AI创业者聊大模型应用趋势:可用性和用户需求是关键