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。通义灵码新版本的发布，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编程智能体模式和 “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。
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。
技术架构设计
1、开发工具与平台
- IDE：Visual Studio Code（集成通义灵码插件）。
- 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。
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；
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。
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。
通过通义灵码编程智能体模式和 MCP 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。
