当前位置：首页 > news >正文

构建AI智能体：四十六、Codebuddy MCP 实践：用高德地图搭建旅游攻略系统

news 2025/9/28 7:48:08

一、前情概要

前面有两篇文章分别讲了高德API的使用和MCP的详细说明，今天正好基于此做一个智能的旅游攻略助手，旅游是生活中习以为常的事情了，短期近程、长期远程，规划是个很重要的事情，我们或多或少的经历过旅游过程中的各种不好的体验，当前旅游信息市场也存在严重的碎片化问题，一般我们在规划行程时，需要同时查阅携程、美团、马蜂窝、小红书等多个平台，每个平台的信息维度各不相同，整合成本极高，往往我们在第一步在攻略的时候就要花费大量的时间。

同信息时效性是另一个核心痛点，景点的开放时间、门票价格、特殊活动等信息变更频繁，但传统攻略内容更新滞后。更重要的是，过时的攻略信息给我们参考时，特别容易碰到与实际不符，季节性的改变，临时的闭园等等都会影响我们当下的判断和出行。大众化的推荐也无法满足不同群体的需求，家庭游客需要婴儿车通道和休息区信息，商务旅客关注会议设施和交通效率，摄影爱好者则追求最佳拍摄时间和机位。

基于此，基于目前大模型的爆发趋势，基于MCP协议的开放，我们是否能整合一个方便的初筛系统，先满足我们的第一步，我们再去做进一步的筛选。

二、技术融合

Codebuddy MCP与高德地图的结合，为旅游攻略系统带来了革命性的改变。MCP协议的标准化接口能力，使得系统可以无缝集成多源数据，同时保持架构的简洁性。

实时数据优势体现在多个维度：高德地图提供的实时交通数据可以动态调整路线规划，天气API能够预警极端天气，POI更新确保商家信息的准确性。这种实时性将旅游规划从"静态参考"升级为"动态指导"。

个性化算法通过多维度用户画像实现。系统不仅考虑显性偏好（如用户输入的预算、时间），还分析隐性需求（如步行承受能力、餐饮偏好），甚至结合情境因素（如节假日拥挤度、季节性景观变化）。

整体架构图：

三、系统定位

本系统的核心价值在于打造智能旅游决策引擎，而非简单的信息聚合平台，体系三大差异化能力：

预测性规划基于历史数据和实时信息，预测景点拥挤度、排队时间，甚至推荐最佳游览时段。比如系统会建议用户早晨参观热门博物馆以避免人流高峰。
多模态交互支持自然语言对话、地图可视化、时间轴展示等多种交互方式。用户可以用"我想找个人少、适合拍照的地方"这样的自然语言表达需求。
连续性学习系统会从用户的反馈中不断优化推荐策略，形成个性化的旅游偏好模型，使推荐越来越精准。

数据流集成：

四、MCP协议的核心枢纽作用

Codebuddy MCP在架构中扮演智能路由层的角色，其核心价值在于标准化工具调用和统一错误处理。

协议适配层将不同数据源的API差异封装起来，对外提供统一的工具接口。无论是高德地图的REST API还是本地数据库查询，都通过相同的MCP工具格式暴露。
会话管理机制维护用户交互的上下文信息。当用户说"附近的餐厅"时，系统能自动关联之前的定位查询，无需用户重复输入位置信息。
工具组合能力支持复杂操作的原子化执行。例如"规划明天西湖一日游"的请求，会被分解为天气查询、景点推荐、路线规划、餐厅筛选等多个工具调用，但用户感知为单一连贯操作。

五、高德地图API集成

地理智能层在基础地理编码之上，增加了景点边界识别、游览区域划分、最佳观景点计算等高级功能。例如系统能自动识别西湖景区的核心游览区与周边辅助区域。

时空分析层结合时间维度进行空间分析。系统不仅能找到"附近的餐厅"，还能预测"一小时后行程终点附近的餐厅"，并考虑营业时间因素。

语义理解层将自然语言需求转化为地图查询参数。当用户搜索"适合看日落的地方"时，系统会自动计算西向视野开阔的观景点，并结合日落时间推荐。

1. 导航路径规划流程

流程说明：

第一步：需求接收与解析
- 用户通过自然语言或表单提交旅行需求，MCP网关负责解析和标准化请求参数，包括目的地定位、时间范围识别、偏好标签提取等。
第二步：数据准备
- 路线规划服务并行调用地理数据服务和景点数据库，获取基础地理信息和景点详情数据，为路线优化提供完整的输入数据支撑。
第三步：路线计算
- 基于获取的数据，执行多目标优化算法，平衡时间效率、体验价值、体力消耗等关键因素，生成最优路线方案。
第四步：结果展示
- 将优化结果以多模态形式展示给用户，包括可视化地图、详细时间轴、景点介绍等，提供完整的旅行规划解决方案。

2. 旅游攻略规划流程

流程说明：

第一步：需求理解与数据准备
- 输入接收与解析，系统接收用户输入的旅行需求，可能包含：
  - 目的地信息（城市、区域、具体景点）
  - 时间约束（旅行天数、具体日期）
  - 偏好标签（文化、美食、自然、购物等）
  - 特殊需求（家庭游、商务、摄影等）
- 数据获取阶段，基于解析出的需求，系统并行获取多维度数据：
  - 地理数据：景点坐标、区域边界、交通网络
  - 景点信息：开放时间、门票价格、游览时长
  - 环境因素：季节特性、天气预测、特殊事件
  - 用户画像：历史偏好、体力水平、兴趣标签
第二步：候选方案生成
- 景点筛选与评分，系统根据评分权重计算每个景点的适合度：
  - - 用户偏好匹配度：40%
  - - 季节适宜性：20%
  - - 地理位置集中度：15%
  - - 口碑评价：15%
  - - 特殊事件加成：10%
- 初始路线构建，采用贪心算法生成初始路线方案：
  - 选择评分最高的景点作为起点
  - 基于距离和时间成本选择下一个景点
  - 重复直到满足时间约束或景点数量限制
  - 生成3-5个差异化初始方案
第三步：路线优化与验证
- 多目标优化处理，系统平衡四个关键优化目标：
  - 时间效率：最小化交通时间，最大化游览时间
  - 体验价值：确保景点组合的多样性和吸引力
  - 体力合理：控制每日步行距离，安排合理休息
  - 成本控制：在预算范围内优化体验
- 约束条件检查，验证路线满足所有硬性约束：
  - 时间约束：总时长不超过用户指定
  - 开放时间：景点在计划时间确实开放
  - 体力限制：每日活动量在合理范围内
  - 顺序要求：某些景点必须按特定顺序游览
第四步：方案生成与展示
- 详细行程编排，将优化后的路线转化为可执行的每日日程安排：
  - - 早晨：精力充沛时段安排核心景点
  - - 中午：用餐休息，避开高温时段
  - - 下午：次要景点或室内活动
  - - 晚上：夜景或休闲活动
- 多模态展示优化，根据不同设备和使用场景优化展示方式：
  - 地图视图：空间关系的直观展示
  - 时间轴：每日行程的时间分配
  - 清单模式：关键信息的快速浏览
  - 打印版本：离线使用的简化版
第五步：反馈与迭代
- 用户反馈收集，系统提供多种反馈渠道：
  - explicit反馈：评分、点赞/点踩
  - implicit反馈：方案采纳率、修改行为
  - 结构化反馈：具体修改建议收集
- 模型持续优化，基于反馈数据更新推荐模型：
  - 短期优化：调整当前用户的偏好权重
  - 中期学习：更新景点评分和关联规则
  - 长期演进：优化算法参数和特征工程

六、系统初始化与构建

1. 申请高德API KEY

1.1 打开高德开放平台，注册后登录；

1.2 打开【应用管理】-> 【我的应用】-> 【创建新应用】，输入【应用名称】和【应用类型】-> 然后点击【新建】，即产生了我们要用的Key

2. CODEBUDDY配置高德MCP

打开左侧Codebuddy插件图标，在点击顶部右侧导航栏的“MCP Marketplace”图标，选择已安装tab，点击“配置MCP Server”按钮；

第一次打开时是空的配置：

讲高德地图的MCP直接复制进去即可，注意key要替换成我们自己申请的key，保存后左侧会生成高德的MCP服务，并展示工具集：

这样，Codebuddy的MCP服务就配置好了；

2.1 导航路线规划

我们尝试发送一个指令：“帮我查询，从武汉到杭州的行车路线，提供备选，生成到md中”；指令发送后，首先调用了高德MCP的驾车路径规划 API （maps_direction_driving），可以根据用户起终点经纬度坐标规划以小客车、轿车通勤出行的方案，并且返回通勤方案的数据。

这份路线指南包括了路线概览、主要道路、主要途径点、详细路线指引、注意事项以及备选路线建议；

2.2 旅游攻略规划

根据我的提示指令生成一个旅游攻略的页面，提示词“帮我规划一个杭州4日游的攻略的html，推荐美食、景点、住宿、以及各景点中间的接驳方案，界面风格采用江南水乡的风格、同时要有青春、旅行的元素，支持移动端观看”；

查看生成的界面图：

整体的感觉很清新，细节很明了，形成了一个初步的旅游攻略；

3. 临时的发布与共享

由于我们生成的是html文档，直接发送给同行伙伴属实会有点不上档次，我们可以短暂的发布到线上，发送一个临时的网络地址进行共享，这样就很高大上了；

接下来，我们将采用 EdgeOne Pages来进行简单部署；简单介绍EdgeOne Pages，它是基于 Tencent EdgeOne 基础设施打造的全栈开发部署平台，提供从前端页面到动态 API 的无服务器部署体验，适用于构建营销网站、AI 应用等现代 Web 项目。通过边缘网络全球加速，确保应用获得快速、稳定的访问体验。

3 打开EdgeOne Pages首页，进行登录