基于 Nexent 打造 AI 烹饪顾问：知识库与 MCP 生态实战

填写完成后先点击'连通性验证'行的'点击验证'。这是添加模型前必须做的——只有验证通过才能添加。验证通过后旁边出现绿色'可用'字样，右下方'添加'按钮由蓝变灰。

2.2 批量导入

AI 大厨需要较强的中文理解和多轮对话能力，我想同时接入几个模型做横向对比。Qwen3.5-Plus 做中文菜谱理解补充，Qwen2.5-Coder 处理结构化的营养数据。逐个填写太低效，直接上批量导入。

点击'添加模型'后切换到批量添加页面，选择模型提供商为阿里灵积，模型类型为大语言模型，填写 API Key 后点击'获取模型'。系统自动枚举出该供应商下所有可用模型。

列表中模型很多，我用了搜索功能，输入'Qwen'快速筛选，勾选了 qwen3-MAX 和 qwen3-coder-Plus，点击'添加'。批量导入完成后展开列表，所有模型一目了然。

2.3 向量模型配置

知识库需要 Embedding 模型支持。我依然使用阿里云百炼平台 API，选用 Qwen-Embedding 处理中文菜谱和营养资料。添加方式与批量导入大语言模型类似，切换到向量模型类型。

**注意：**配置向量模型（Embedding）的 URL 时，需在原有大语言模型与视觉语言模型地址后添加 /embeddings 后缀，方可正常对接。首次配置项目模型的同学请特别注意。

三、知识库构建：让 AI 真正'读懂'菜谱和营养知识

知识库是 AI 大厨的'味觉记忆'——把提示词装不下的大量食谱、营养数据、饮食禁忌变成可检索的上下文，让智能体不是泛泛而谈，而是真正'读过'你的资料。

3.1 上传不同格式的文档

为了全面测试 Nexent 知识库的文档解析能力，我刻意准备了四种不同格式的文件：

1. 家常菜谱合集（PDF 格式，约 40 页）：从网上整理的 50 道家常菜做法，包含食材清单、步骤说明和烹饪技巧，排版比较复杂，有分栏和多张配图
2. 食材禁忌与营养对照表（Markdown 格式）：手动整理的常见食材搭配禁忌（如菠菜 + 豆腐、螃蟹 + 柿子）、每种食材的主要营养成分和适宜人群
3. 家人饮食需求说明（TXT 格式）：室友对海鲜和花生过敏、老妈需要控糖低油、我自己口味偏辣但最近在减脂
4. 地中海饮食指南（DOCX 格式）：一份从营养师朋友那里拿到的健康饮食参考文档，包含一周膳食建议和营养配比

上传后系统依次经历三个状态：解析中 → 入库中 → 已就绪。

不同格式的处理速度差异明显：Markdown 和 TXT 文件不到 5 秒就进入就绪；DOCX 大约 10 秒；40 页的 PDF 攻略等了将近 1 分钟。文档越大、排版越复杂，处理时间越长，这在预期之内。

3.2 知识库自动总结：质量差异与启示

上传完成后，我逐个查看了 Nexent 对每份文档自动生成的摘要。这个功能表面上看只是个辅助，但它直接影响了多知识库场景下的检索路由精度——智能体检索前会先根据总结判断'这个问题应该去哪个库找'。

对比四份文档的总结质量：

• Markdown 食材禁忌表：结构清晰，准确抓住了'食材搭配禁忌''营养成分''适宜人群'三个核心主题，关键词提取精准
• TXT 饮食需求说明：准确提取了'海鲜过敏''控糖''减脂'三个关键约束条件
• DOCX 地中海饮食指南：总结出了膳食建议框架和营养配比，信息完整
• PDF 菜谱合集：总结质量明显下降，多栏布局、配图和步骤编号导致文本提取碎片化，关键词偏泛化，只提取出'家常菜、烹饪、美食'这类大词

四、MCP 工具接入：赋予 AI 大厨'动手能力'

能读菜谱的 AI 很棒，但真正的烹饪顾问还需要实时查菜谱、看天气推荐应季食材、搜索营养研究——这些静态知识库覆盖不了。Nexent 基于 MCP 生态，支持三种工具接入方式，我全部体验了一遍。

4.1 工具一：ModelScope URL 接入（HowToCook 菜谱 MCP）

打开 ModelScope MCP 广场，搜索"mcpdev/howtocook"，找基于 MCP 协议的 AI 菜谱推荐服务器，提供菜谱查询、分类筛选、智能膳食规划和每日菜单推荐功能的 MCP。

点进服务详情页，找到'服务配置'标签，选择 Remote 传输类型。**必须登录 ModelScope 账号才能看到 URL。**登录后页面生成专属的 SSE 地址：

在 Nexent 的 MCP 配置弹窗中填入服务器名称"HowToCook"和该 URL。

这里要注意：服务器名称只能包含英文字母、数字，下划线、空格、短横线。不能输入中文字符。

点添加后等几秒，工具同步进来，点'连通性校验'确认绿灯。HowToCook MCP 提供了多个工具：查询菜谱列表、按食材搜索菜谱、按分类浏览、随机推荐等。

4.2 高德地图 MCP — 天气查询与应季食材推荐

工具来源：魔搭社区 MCP 广场提供的高德地图 MCP 服务，支持天气查询、地理编码、POI 搜索等功能。AI 大厨需要根据当前天气和季节推荐适合的食材与菜品——降温天推荐暖胃汤品，三伏天推荐消暑凉菜。

接入步骤：

1. 在 ModelScope MCP 广场搜索'高德地图'或'amap'，找到高德地图 MCP 服务

2. 点进服务详情页，查看该 MCP 提供的工具列表，确认包含天气查询相关工具（如 maps_weather、get_weather 等），切换到'服务配置'标签，选择 Remote 传输类型，然后从前往高德开放平台（lbs.amap.com）注册并获取 API Key

3. 回到 Nexent 平台 MCP 配置页面，添加 MCP 服务：
   1. 服务器名称：amap
   2. URL：粘贴高德地图 MCP 的 SSE 地址

4. 点击'添加'后等待同步，连通性校验通过即可使用

5. 该 MCP 为 AI 大厨赋能的能力：
   1. 实时天气查询：获取当前气温、天气状况，判断适合推荐什么类型的菜品
   2. 季节感知：结合气温数据判断季节，推荐应季食材（如冬季推荐根茎类蔬菜、夏季推荐瓜果类）
   3. 地理定位：根据用户位置推荐当地特色食材和菜品

使用提示：高德地图 MCP 的天气查询通常需要传入城市名称或区域编码。在智能体提示词中应引导用户在提问时说明所在城市，例如'我在北京，今天降温了想喝汤'。

4.3 Fetch MCP — 营养信息与食材知识实时查询

工具来源：魔搭社区 MCP 广场提供的 Fetch MCP 服务，支持抓取网页内容并提取结构化信息。AI 大厨用它来实时查询食材营养成分、热量数据、当季食材价格等动态信息。

接入步骤：

1. 在 ModelScope MCP 广场搜索"Fetch"，找到网页内容抓取类 MCP 服务

2. 点进服务详情页，确认工具功能包括网页内容抓取和文本提取，切换到'服务配置'标签，选择 Remote 传输类型，登录后复制 SSE 地址

3. 在 Nexent 平台添加 MCP 服务：
   1. 服务器名称：fetch
   2. URL：粘贴 Fetch MCP 的 SSE 地址

4. 添加完成后进行连通性校验

5. 该 MCP 为 AI 大厨赋能的能力：
   1. 营养成分查询：抓取权威营养数据库页面，获取食材的热量、蛋白质、脂肪、碳水等详细数据
   2. 食材价格参考：查询电商平台或生鲜平台的当季食材价格，帮助用户估算做菜成本
   3. 菜谱补充信息：当知识库和 HowToCook 都没有某道菜的信息时，通过 Fetch 抓取美食网站的相关内容

使用提示：Fetch MCP 抓取的是网页原始内容，部分网站可能有反爬机制。在智能体提示词中可以指定优先抓取的权威营养数据源（如中国食物成分表在线版、USDA 食物数据库等），提高数据准确性。

4.4 三款 MCP 工具对比总结

三款工具全部通过 ModelScope 的 SSE URL 接入，无需本地部署或安装任何依赖。在 Nexent 中配置完成后，后续创建智能体时可直接勾选使用，真正做到了'即插即用'。

五、智能体开发：从描述到可发布的完整流程

5.1 工具选配

创建新智能体"AI 大厨"，首先选工具。我最终选了三个 MCP 工具加一个内置能力：

1. HowToCook — 查询菜谱、按食材搜索、按分类浏览
2. 高德地图 MCP — 天气查询与应季食材推荐
3. Fetch MCP — 营养信息与食材知识实时查询

5.2 提示词自动生成与手动修改

工具选完进入描述环节，我在描述框里写了这段话：

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。

选择模型 Qwen-max，点击'生成智能体'。

大约 5 秒后，系统生成了完整的提示词结构，包括角色定义、工作流程说明、工具调用规则、输出格式规范、边界限制。生成的内容完整度让我意外——不是填空式模板，而是真的针对烹饪场景、饮食禁忌和我的工具组合定制了内容。

六、调试与发布：三轮实测验证

6.1 第一轮：测试食材搜索 + 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？"

整体推荐效果出色，实用性与贴心度兼备，充分体现了智能体在生活服务场景中的优质能力。每道菜均附上清晰的食材清单、详细分步做法，步骤简洁明了、易上手，兼顾不同口味与饮食偏好，荤素搭配合理，营养均衡。推荐菜品贴合家常食材，操作难度适中，出餐速度快，非常适配日常用餐需求。同时还主动给出过敏提示、控糖低油建议与季节饮食指引，细节考虑周全，服务体验完整且人性化。

6.2 第二轮：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。"

这里我们可以看到回答充分贴合用户'暖胃 + 控糖'的核心需求，菜品选择贴合现有食材，适配性很高。每道汤品都附带完整清晰的食材清单、分步做法，步骤细致易懂，还贴心区分基础版与升级版，兼顾不同饮食需求；同时详细标注营养与控糖优势，主动提示过敏注意事项，细节考虑周全。

6.3 第三轮：综合能力极限测试

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。"

这是最复杂的一轮。智能体进行了多步操作：

1. HowToCook 搜索鸡胸肉、西兰花、豆腐相关菜谱 → 获取 12 道候选
2. 知识库检索 → 提取三个人的饮食约束（花生过敏、控糖、减脂）
3. 联网搜索 → 确认当前季节西兰花和胡萝卜的市场价格
4. 调度'营养分析师' → 为每道菜计算热量和三大营养素配比
5. 综合筛选 → 推荐三道菜

最终推荐：

• 第一道：清炒豆腐蔬菜煲（无花生）
• 第二道：蒜蓉白灼西兰花（控糖低油）
• 第三道：香煎鸡胸肉配彩蔬（高蛋白减脂）

每道菜都有详细的分步做法、营养标签和'为什么推荐给你'的说明。并且末尾还有每个步骤的时间和总烹饪时间 25 分钟（可以两口锅同时操作），完美满足所有人的需求。

6.4 发布

三轮调试确认无误后，点击发布。"AI 大厨"正式出现在我的智能体选择里。以后做饭前直接问它就行。

七、个人感悟：客观评价一个正在成长中的平台

一个周末的投入，加上一周多的日常使用，AI 大厨已经实实在在地改变了我的做饭方式。以前每次做饭都要花 15 分钟搜教程，现在打开 Nexent 问一句'冰箱里有 XX，能做什么'就行，30 秒出结果，还自带营养分析和安全检查。

做得扎实的地方

**提示词自动生成的完成度超出预期。**它不是给你一个填空模板，而是真的根据你的描述和选的工具组合生成了有逻辑的工作流程。我只需要在上面做三处针对性修改就够了，而不是从零开始手写几百字的提示词。这大幅降低了高质量智能体的构建门槛。

**MCP 工具生态基本没有短板。**我找到了 HowToCook 菜谱 MCP，还能自己开发天气应季工具，组合起来覆盖了烹饪场景的绝大部分需求。

**知识溯源机制。**每道菜的推荐都有来源标注——菜谱来自 HowToCook MCP，禁忌过滤依据知识库文档，营养分析来自子智能体的计算。这不是"AI 随便说的"，而是可以追溯的。对于涉及饮食安全的场景，这种可追溯性尤其重要。

**多智能体协作。**主智能体做菜谱推荐，子智能体做营养分析，职责清晰、调试方便。改营养算法不用动菜谱推荐逻辑，反过来也一样。

**版本管理。**改坏了能回滚。有这个保障，修改提示词会更大胆——我可以放心尝试不同的工具调用顺序和输出格式，不满意就回退。

结语

Nexent 给我的感觉是一个骨骼清晰、核心能力扎实、细节正在打磨的平台。它把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，每一步都有明确的操作指引。

我的"AI 大厨"虽然还不完美——偶尔 PDF 里的菜谱检索不到、记忆系统可能记住错误信息——但已经是一个真正能用的家庭烹饪顾问了。它帮我解决了'冰箱里有这些食材能做什么'的日常难题，还帮我避开了好几次食材搭配禁忌。

接下来，我打算给它投喂更多资料——各地菜系的经典菜谱、季节性食材指南、超市促销信息——看看它能不能成为真正的'家庭饮食数字伴侣'。

如果你也想在厨房里有个懂你的 AI 助手，不妨来试试 Nexent。或许你会发现，做饭这件事，有想法就够了，剩下的交给 AI 大厨。