旅行规划太难做?5 分钟构建智能Agent,集成地图 MCP Server

简介: MCP(Model Coordination Protocol)是由Anthropic公司提出的开源协议,旨在通过标准化交互方式解决AI大模型与外部数据源、工具的集成难题。阿里云百炼平台上线了业界首个全生命周期MCP服务,大幅降低Agent开发门槛,实现5分钟快速搭建智能体应用。本文介绍基于百炼平台“模型即选即用+MCP服务”模式,详细展示了如何通过集成高德地图MCP Server为智能体添加地图信息与天气查询能力,构建全面的旅行规划助手。方案涵盖智能体创建、模型配置、指令与技能设置等步骤,并提供清理资源的指导以避免费用产生。

本方案现在支持免费试用,点击https://www.aliyun.com/solution/tech-solution-deploy/2880695方案链接即可体验


MCP 是 Anthropic 公司提出的开源协议,旨在通过标准化交互方式解决AI大模型与外部数据源、工具的集成难题,阿里云百炼上线了业界首个的全生命周期 MCP 服务,大幅降低了 Agent 的开发门槛。本文介绍基于百炼平台"模型即选即用 + MCP 服务"模式,5 分钟即可完成搭建。


MCP 让 AI 应用开发产生“革命性突破”


传统 AI 应用的“孤立困境”

当 AI 应用仅依赖大模型自身能力,无法调用工具时,如同“断臂的工人”,其局限性将直接制约商业价值,比如:无法获取天气、新闻等实时动态数据。


Function Call 的成本与效率无法平衡

行业曾普遍采用 Function Call 技术,来实现 AI 应用的工具调用问题,但其开发模式存在显著瓶颈,每个 API 都需要硬编码,为不同平台反复适配,开发和维护成本极高。


MCP 让工具调用像“插拔U盘”一样高效

MCP 将 AI 模型与数据/工具服务的关系从“硬编码依赖”转变为“协议驱动”、降低 AI 应用开发中的技术门槛,可跨平台操作,将工具对接耗时缩短至 5-10 分钟。


实践教程

通过阿里云百炼,以零代码方式快速构建基于大模型的智能体应用。进一步可以自主选择大模型来完成任务规划、工具选择与调用,并为智能体灵活添加各类技能。接下来将详细展示如何通过集成官方的高德地图 MCP Server,为智能体添加详尽的地图信息与天气查询能力,从而构建一个功能全面的旅行规划智能助手。


方案架构

配置完成后,会在本地搭建一个如下图所示的运行环境。


创建智能体

1. 访问百炼应用管理[1],按照下图所示单击新增应用。

2. 在弹框中,按照下图所示,选择智能体应用,然后单击立即创建

3. 应用创建成功后如下图所示。


配置智能体

模型配置

说明:配置基础模型,实现任务规划与工具的选择及调用,本方案以通义千问-Max为例。

1. 如下图所示,选择模型。

2. 在弹出的看板中按照下图所示,选择模型,然后单击确认

3. 如下图所示,模型配置为通义千问-Max

指令配置

说明:系统提示词,包括角色设定、任务目标、具备的能力及回复的要求与限制等,好的提示词会直接影响智能体效果。

1. 复制以下提示词。

# 角色
你是一位经验丰富的旅游规划专家,擅长使用MCP工具为用户提供全面的旅行规划服务。你对全球各地的旅游景点、文化习俗和交通住宿信息了如指掌,能够根据用户的需求提供个性化的旅行建议。

## 技能
### 技能 1:理解客户需求
- 详细了解用户的旅行偏好,包括目的地、预算、出行日期、活动偏好等信息。
- 使用MCP工具收集并分析相关信息,确保准确把握用户需求。

### 技能 2:制定旅行计划
- 根据用户的需求,使用MCP工具生成详细的旅行计划,包括但不限于:
  - 行程安排:推荐的游览路线、活动安排、时间分配等。
  - 住宿建议:根据预算和偏好推荐合适的酒店或民宿。
  - 交通指南:提供从出发地到目的地及各个景点之间的交通方式和路线建议。
  - 餐饮推荐:介绍当地的特色美食和餐厅。
  - 注意事项:提醒用户需要注意的文化差异、安全提示等。

### 技能 3:优化旅行计划
- 根据用户的反馈调整旅行计划,确保最终方案满足用户的所有需求。
- 提供备用方案以应对可能的变化,如天气变化、交通延误等。

### 技能 4:解答旅行相关问题
- 回答用户关于旅行的各种问题,例如签证、保险、货币兑换等。
- 如果遇到不确定的问题,可以使用MCP工具或其他搜索工具查找相关信息。

## 限制
- 只提供旅行相关的建议和信息,不提供预订服务。
- 所有价格均为预估,可能会受到季节等因素的影响。
- 使用MCP工具时,必须遵循其使用规范,确保数据的安全性和准确性。
- 所输出的内容必须按照给定的格式进行组织,不能偏离框架要求。


2. 按照下图所示,填写提示词。

知识配置

说明:开启联网搜索,可以实时获取互联网上最新的数据信息。

按照下图所示,开启联网搜索。

技能配置

说明:配置技能,使智能体能够支持 MCP 服务调用,并可根据需求自行选择相应功能。

使用官方 MCP Server。

(1)按照下图所示,添加 MCP 服务(本方案以 Amap Maps 为例)。

(2)在弹出的看板中按照下图所示,选择Amap Maps,单击立即开通,请根据提示完成服务开通。

(3)Amap Maps 服务开通后,选中Amap Maps,然后单击确认。


体验智能体

1. 在对话框输入以下提示词,然后单击发送按钮。

帮我制定未来几天,杭州5日游计划,请包含吃住行,天气,酒店(凤起路附近),餐饮美食。

2. 输出示例如下图所示。


清理资源

测试完方案后,记得删除智能体应用,避免继续产生费用,访问 应用管理[1]页面,找到目标应用单击更多,然后再单击删除应用,最后按照提示完成删除。

快点击阅读原文体验搭建吧~


参考链接:

[1]百炼应用管理:

https://bailian.console.aliyun.com/?tab=app#/app-center?utm_content=g_1000403543



来源  |  阿里云开发者公众号


目录
打赏
0
102
104
11
2938
分享
相关文章
Dify开发者必看:如何破解MCP集成与Prompt迭代难题?
Dify 是一个面向AI时代的开源大语言模型(LLM)应用开发平台,致力于让复杂的人工智能应用构建变得简单高效,目前已在全球范围内形成显著影响力,其 GitHub 仓库 Star 数截至 2025 年 6 月已突破 100,000+,目前,Dify 已经成为 LLMOps 领域增长最快的开源项目之一。
Dify 开发者必看:如何破解 MCP 集成与 Prompt 迭代难题?
Dify 是面向 AI 时代的开源大语言模型应用开发平台,GitHub Star 数超 10 万,为 LLMOps 领域增长最快项目之一。然而其在 MCP 协议集成、Prompt 敏捷调整及运维配置管理上存在短板。Nacos 3.0 作为阿里巴巴开源的注册配置中心,升级支持 MCP 动态管理、Prompt 实时变更与 Dify 环境变量托管,显著提升 Dify 应用的灵活性与运维效率。通过 Nacos,Dify 可动态发现 MCP 服务、按需路由调用,实现 Prompt 无感更新和配置白屏化运维,大幅降低 AI 应用开发门槛与复杂度。
302 20
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
217 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
掌握Multi-Agent实践(三):ReAct Agent集成Bing和Google搜索功能,采用推理与执行交替策略,增强处理复杂任务能力
掌握Multi-Agent实践(三):ReAct Agent集成Bing和Google搜索功能,采用推理与执行交替策略,增强处理复杂任务能力
176 23
云服务API与MCP深度集成,RDS MCP最佳实践
近日,阿里云数据库RDS发布开源RDS MCP Server,将复杂的技术操作转化为自然语言交互,实现"对话即运维"的流畅体验。通过将RDS OpenAPI能力封装为MCP协议工具,用户只需像聊天一样描述需求,即可完成数据库实例创建、性能调优、故障排查等专业操作。本文介绍了RDS MCP(Model Context Protocol)的最佳实践及其应用,0代码,两步即可轻松完成RDS实例选型与创建,快来体验!
云服务API与MCP深度集成,RDS MCP最佳实践
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
Agent TARS 是一款开源的多模态AI助手,能够通过视觉解析网页并无缝集成命令行和文件系统,帮助用户高效完成复杂任务。
3161 13
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
M3T联邦基础模型用于具身智能:边缘集成的潜力与挑战
随着具身智能系统日益变得多模态、个性化和交互式,它们必须能够从多样化的感官输入中有效学习,持续适应用户偏好,并在资源和隐私约束下安全运行。这些挑战凸显了对能够在模型泛化与个性化之间取得平衡的同时实现快速、情境感知自适应能力的机器学习模型的迫切需求。在此背景下,两种方法脱颖而出,各自提供了部分所需能力:FMs为跨任务和跨模态的泛化提供了一条路径,FL)则为分布式、隐私保护的模型更新和用户级模型个性化提供了基础设施。然而,单独使用时,这两种方法都无法满足现实世界中具身环境复杂且多样化的能力要求。
56 0
MCP 实战:用配置与真实代码玩转 GitHub 集成
MCP 实战:用配置与真实代码玩转 GitHub 集成
943 4
GitHub官方开源MCP服务!GitHub MCP Server:无缝集成GitHub API,实现Git流程完全自动化
GitHub MCP Server是基于Model Context Protocol的服务器工具,提供与GitHub API的无缝集成,支持自动化处理问题、Pull Request和仓库管理等功能。
808 2
GitHub官方开源MCP服务!GitHub MCP Server:无缝集成GitHub API,实现Git流程完全自动化
|
4月前
|
Tablestore集成MCP协议: 标量与向量混合检索的新范式
基于表格存储(Tablestore)实现的MCP(Model Context Protocol)服务,支持文档存储与混合检索工具两大功能。通过Cherry-Studio界面和通义千问qwen-max模型进行演示,展示了文本数据上传、向量嵌入及查询过程。此外,详细说明了Python和Java版本的本地运行步骤、环境配置及二次开发方法,并提供了集成三方工具如Cherry Studio的应用示例。Tablestore凭借混合查询、Serverless低成本、弹性扩展等优势,为MCP场景提供高效解决方案。
658 3
登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问