引言：厨房小白的自救之路
作为对做饭既向往又恐惧的人，面对冰箱里一堆食材却不知如何下手的场景并不少见。更复杂的是，家庭成员往往有不同的饮食需求，比如海鲜过敏、控糖或减脂等，每次做饭都得在脑子里疯狂计算搭配禁忌。
近期接触到了 Nexent——一个开源智能体平台，主打零编排和自然语言驱动。这启发了一个想法：能否构建一个懂食材搭配、能根据季节推荐菜谱、还能照顾家人饮食禁忌的 AI 烹饪顾问？
于是决定尝试搭建一个名为"AI 大厨"的智能体。本文记录了从模型接入、知识库构建、MCP 工具配置到智能体开发调试的完整过程，以及关键的技术细节。
一、初识 Nexent：零编排智能体平台
Nexent 是一个开源智能体 SDK 和平台，核心理念是用自然语言描述需求，系统自动生成提示词和工作流程，无需复杂的编排或拖拉拽。它基于 MCP（Model Context Protocol）工具生态系统构建，提供灵活的模型集成、可扩展的数据处理和强大的知识库管理。
本次演示以 Web 端为主，注册即可在线使用。若需更高稳定性，支持 Docker Compose 一键本地部署。生产环境建议采用本地部署以保证数据安全和响应速度。
进入平台后，核心模块包括：
- 模型管理：接入各家 API，配置默认模型
- 知识库：上传文档，构建可检索的语料库
- MCP 工具：接入外部工具，赋予实时感知能力
- 智能体开发：描述需求 → 生成提示词 → 调试发布
- 记忆管理：配置跨对话记忆，保持上下文连贯
二、模型接入：配置与验证
2.1 单个模型添加
进入"模型管理"页面，点击"添加模型"。主对话模型选用阿里云百炼平台的 Qwen-Max。
需要填写四个字段：
- 模型名称：qwen-max
- API URL：
https://dashscope.aliyuncs.com/compatible-mode/v1 - API Key：从控制台复制
- 模型类型：大语言模型
填写完成后，务必先点击"连通性验证"。只有验证通过出现绿色"可用"字样后，才能点击"添加"。
2.2 批量导入
为提升效率，采用批量导入方式接入多个模型进行对比。例如 Qwen3.5-Plus 用于中文理解，Qwen2.5-Coder 处理结构化数据。
选择模型提供商为阿里灵积，输入 API Key 后点击"获取模型"，系统会自动枚举可用列表。通过搜索功能筛选目标模型，勾选后批量添加。
2.3 向量模型配置
知识库依赖 Embedding 模型。同样使用阿里云百炼平台，选用 Qwen-Embedding 处理中文资料。
注意：配置向量模型 URL 时，需在原有地址后添加
/embeddings后缀，否则无法对接。
三、知识库构建：让 AI 真正读懂资料
知识库是智能体的"味觉记忆"，将食谱、营养数据、饮食禁忌转化为可检索的上下文。
3.1 多格式文档解析
选取四种常见格式测试解析能力：
- PDF：家常菜谱合集（约 40 页），含分栏和多图
- Markdown：食材禁忌与营养对照表
- TXT：家人饮食需求说明
- DOCX：地中海饮食指南
上传后系统经历"解析中 → 入库中 → 已就绪"状态。不同格式处理速度差异明显，Markdown 和 TXT 最快，复杂 PDF 耗时较长。
3.2 自动总结质量
上传完成后，系统会为每份文档生成摘要，这直接影响多知识库场景下的检索路由精度。
- Markdown/TXT：结构清晰，关键词提取精准
- DOCX：信息完整，框架明确
- PDF：复杂排版可能导致文本碎片化，关键词偏泛化
四、MCP 工具接入：赋予实时感知能力
静态知识库无法覆盖实时信息，如天气、最新价格等。Nexent 支持三种 MCP 工具接入方式。
4.1 ModelScope URL 接入（HowToCook 菜谱）
打开 ModelScope MCP 广场，搜索"mcpdev/howtocook"。找到基于 MCP 协议的 AI 菜谱推荐服务器。
点进服务详情页，选择 Remote 传输类型。需登录 ModelScope 账号才能看到专属 SSE 地址。在 Nexent 的 MCP 配置弹窗中填入服务器名称和 URL。
注意：服务器名称只能包含英文字母、数字、下划线、空格、短横线，不可输入中文。
校验通过后，HowToCook 提供了查询菜谱列表、按食材搜索、随机推荐等工具。
4.2 高德地图 MCP：天气与应季推荐
来源为魔搭社区的高德地图 MCP 服务，支持天气查询、地理编码等功能。
接入步骤：
- 在 ModelScope 广场搜索"高德地图"或"amap"
- 查看工具列表，确认包含天气查询相关工具
- 切换到"服务配置"标签，选择 Remote 传输类型
- 前往高德开放平台注册并获取 API Key
- 在 Nexent 平台添加 MCP 服务，填入服务器名称
amap和 SSE 地址 - 等待同步完成，连通性校验通过即可使用
该 MCP 赋能的能力包括：
- 实时天气查询：判断适合推荐什么类型的菜品
- 季节感知：结合气温推荐应季食材
- 地理定位：推荐当地特色食材
| 工具名称 | 功能描述 | 核心输入参数 |
|---|---|---|
| maps_geocode | 地理编码 | address, city |
| maps_weather | 天气查询 | city, location |
| maps_text_search | POI 搜索 | keywords, city |
配置建议：天气查询通常需要城市名称。在智能体提示词中应引导用户说明所在城市。
4.3 Fetch MCP：动态信息抓取
Fetch MCP 支持抓取网页内容并提取结构化信息，用于查询营养成分、热量数据、当季价格等。
接入步骤：
- 在 ModelScope 广场搜索"Fetch"
- 确认工具功能包括网页抓取和文本提取
- 选择 Remote 传输类型，登录后复制 SSE 地址
- 在 Nexent 平台添加 MCP 服务，填入服务器名称
fetch和 URL - 进行连通性校验
该 MCP 赋能的能力包括：
- 营养成分查询：抓取权威数据库页面
- 食材价格参考：估算做菜成本
- 菜谱补充信息：补充知识库未覆盖的内容
注意：部分网站可能有反爬机制。提示词中可指定优先抓取的权威数据源以提高准确性。
4.4 工具选型对比
三款工具均通过 ModelScope 的 SSE URL 接入，无需本地部署，实现了即插即用。
| MCP 工具 | 核心能力 | 角色定位 | 接入方式 |
|---|---|---|---|
| HowToCook | 菜谱查询、分类筛选 | 主力菜谱引擎 | ModelScope URL (SSE) |
| 高德地图 | 天气查询、地理定位 | 天气感知、应季推荐 | ModelScope URL (SSE) |
| Fetch | 网页内容抓取 | 营养数据、价格参考 | ModelScope URL (SSE) |
五、智能体开发：从描述到发布
5.1 工具选配
创建新智能体"AI 大厨"，最终选定了三个 MCP 工具加内置能力：
- HowToCook — 查询菜谱、按食材搜索
- 高德地图 MCP — 天气查询与应季推荐
- Fetch MCP — 营养信息与食材知识查询
5.2 提示词生成与优化
在描述框中输入需求：
你是一个专业的家庭烹饪顾问，名叫"AI 大厨"。你的用户是一名厨艺初学者，家里有一位对海鲜和花生过敏的室友，一位需要控糖低油饮食的长辈。你需要根据用户冰箱里的现有食材推荐合适的菜谱，考虑季节因素推荐应季食材，兼顾所有家庭成员的饮食禁忌和营养需求。提供详细的烹饪步骤，用通俗易懂的语言讲解，避免专业烹饪术语。
选定 Qwen-Max 模型，点击"生成智能体"。系统会在几秒内生成完整的提示词结构，包括角色定义、工作流程、工具调用规则等。生成的内容针对烹饪场景定制，无需从零手写。
六、调试与验证
6.1 场景一：食材搜索 + 禁忌过滤
问："冰箱里有西红柿、鸡蛋、豆腐和虾仁，今晚能做什么菜？"
智能体成功识别了虾仁可能存在的过敏风险（视具体知识库设定），并给出了替代方案或提示。每道菜均附上清晰的食材清单和详细做法，兼顾口味与营养。
6.2 场景二：天气应季 + 营养研究
问："今天降温了，想喝点暖胃的汤，有什么推荐？要适合控糖的人喝。"
响应贴合"暖胃 + 控糖"的核心需求，区分基础版与升级版，标注营养优势，并主动提示过敏注意事项。
6.3 场景三：综合规划
问："帮我设计一顿三人晚餐，冰箱里有鸡胸肉、西兰花、胡萝卜、洋葱、豆腐。要求：一道菜不能有花生，一道菜要控糖低油，一道菜要高蛋白减脂，最好半小时内能做完。"
智能体进行了多步操作：
- HowToCook 搜索候选菜谱
- 知识库检索饮食约束
- 联网搜索季节价格
- 调度营养分析计算热量
- 综合筛选输出方案
最终推荐了三道菜，每道都有详细步骤、营养标签和时间预估，完美满足所有约束条件。
6.4 发布
调试通过后，点击发布。智能体正式投入使用，日常做饭前直接询问即可。
七、平台评估
实践周期显示，该智能体显著改变了做饭方式。传统搜索教程耗时且难以兼顾多人需求，而智能体可在 30 秒内给出结果并自带营养分析。
优势分析
- 提示词生成质量高：非填空模板，而是基于描述和工具组合生成有逻辑的工作流程。
- 工具生态完善：覆盖了烹饪场景的大部分需求，支持自定义扩展。
- 可追溯性：每道菜的推荐都有来源标注，涉及饮食安全尤为重要。
- 多智能体架构：主智能体负责推荐，子智能体负责分析，职责清晰。
- 版本控制：修改失败可回滚，降低了试错成本。
总结
Nexent 提供了一个骨骼清晰、核心能力扎实的平台。它将构建智能体的复杂过程简化成了"搭积木"——选模型、传文档、接工具、写描述。
当前版本仍有优化空间，例如 PDF 检索准确率、记忆系统的纠错能力等。但作为一个家庭烹饪顾问，它已经解决了"冰箱里有这些食材能做什么"的日常难题，并有效避开了食材搭配禁忌。未来计划投喂更多资料，如各地菜系经典菜谱、季节性指南等，使其成为真正的"家庭饮食数字伴侣"。
