通義靈碼 Agent+MCP：打造自動化菜品推薦平臺，從需求到部署實現全流程創新
作者：key_3_feng
項目背景與目標
隨著人工智能技術的快速發展，AI 輔助開發工具正在改變傳統的軟件開發模式。通義靈碼新版本的發布，通過 Qwen3 模型和編程智能體模式的結合，實現了從需求描述到代碼生成的全流程自動化。同時，其對魔搭 MCP 廣場的深度集成，為開發者提供了豐富的工具生態支持。
本方案旨在利用通義靈碼編程智能體模式和 “今天吃什么” 和“EdgeOne”MCP 服務，構建一個在線菜品推薦網站，幫助用戶快速決策“今天吃什么”。該網站將支持個性化推薦、用戶偏好管理、營養分析等功能，并通過 MCP 服務實現靈活的功能擴展。
功能需求分析
1、核心功能
- 個性化推薦：根據用戶人數、過敏、忌口等條件推薦菜品。
- 實時推薦生成：用戶輸入需求后，系統立即生成推薦列表。
- 用戶偏好管理：用戶可設置飲食偏好（如素食、甜品）并保存。
- 推薦歷史記錄：展示用戶過去的推薦記錄，支持再次選擇或重置。
2、擴展功能
- 營養分析：對推薦的菜品進行卡路里等營養成分分析。
技術架構設計
1、開發工具與平臺
- IDE：Visual Studio Code（集成通義靈碼插件）。
- 前端框架：Vue.js（通義靈碼可自動生成組件代碼）。
- 后端服務：Node.js （通義靈碼智能體模式可自動生成 API 接口）。
2、MCP 服務集成
- “今天吃什么” MCP 服務：提供菜品推薦、營養分析等功能。
- EdgeOne MCP 服務：快速部署網站，支持在線訪問。
3、通義靈碼核心能力
智能體模式：自主決策、工程感知、工具調用。
Qwen3 模型：支持長上下文理解，生成高質量代碼和推薦邏輯。
MCP 工具鏈：一鍵集成 3000+ 工具，簡化開發流程。
開發流程與實現步驟
1、MCP 服務集成
- 配置 MCP 服務：在 MCP 廣場選擇要安裝的 MCP 服務，點擊安裝即可。
- 安裝報錯，提交給通義靈碼來修復。
- 修復完成之后，重新添加。
- 完成 MCP 服務的添加。
2、需求描述與智能體任務規劃
- 輸入需求：
在 VS Code 中通過通義靈碼插件輸入需求：
構建一個在線菜品推薦網站，支持用戶輸入偏好并生成推薦結果。需要集成‘今天吃什么’MCP服務，并支持用戶保存歷史記錄，同時在代碼構建完成之后，集成‘edgeone’MCP服務進行部署。”
- 智能體任務拆解：
通義靈碼智能體自動規劃以下步驟：
我們需要創建基本的前端和后端架構，包括：
前端：用于用戶交互（輸入偏好、查看推薦、保存歷史記錄等）。
后端：處理與 MCP 服務的通信，并管理用戶的推薦歷史。
部署：使用 edgeone MCP 服務部署網站。
推薦目錄結構
eat/
│
├── public/ # 靜態文件（HTML, CSS, JS）
│ ├── index.html # 主頁
│ └── style.css # 樣式表
│
├── server.js # Node.js 后端邏輯
├── package.json # 項目依賴配置
└── README.md # 項目說明文檔
3、智能體自動生成代碼
- 選擇智能體和Qwen3，在對話中輸入：直接創建這些文件。
- 開始自動進行創建。
- 在啟動項目的時候，3000 端口被占用，智能體自行修復為 3001。
- 重啟后在3001端口上運行。
- 打開網站頁面沒有正確顯示。
- 將錯誤信息提交給智能體來進行修復。
- 修復完成之后，重新發布，可以看到網站就構建成功了。
4、優化網站
在智能體的對話框輸入如下指令：
1、修復下每次推薦內容都是固定的；
2、增加重置功能；
3、增加菜譜分類；
4、增加過敏原和忌口食材列表。
- 智能體自己經過一系列的反復調整，終于實現了想呈現的頁面。
5、擴展功能開發
- 在智能體的對話框輸入如下指令：
1、增加推薦菜譜的營養分析；
2、優化下背景，展現更美觀；
測試與部署
1、功能測試
智能體按照以下計劃生成測試用例并進行自動化測試：
- 后端 API 接口測試
- /recommend：推薦菜品接口（支持人數、分類、過敏原、忌口參數）
- /nutrition/:recipeName：營養分析接口
- /categories：獲取菜譜分類接口
- /reset：清空歷史記錄接口
- /history：獲取歷史記錄接口
- 測試框架與工具
- 使用 Jest 作為測試框架。
- 使用 supertest 模擬 HTTP 請求。
- 測試目錄結構
test/
├── server.test.js # 所有 API 接口的測試用例
└── utils.js # 測試輔助函數
- 測試覆蓋率
- 每個接口至少覆蓋以下情況：
-
- 正常請求返回正確狀態碼和響應數據。
-
- 參數缺失或錯誤時返回合適的錯誤信息。
-
- 邊界條件測試（如人數為 0 或超過上限）。
- 實施步驟
- 創建 test/ 目錄。
- 編寫 server.test.js 測試用例。
- 添加 [utils.js](file://c:\Users\Administrator\Desktop\eat\node_modules\qs\lib\utils.js) 提供測試輔助函數（如創建測試服務器實例）。
- 更新 [package.json](file://c:\Users\Administrator\Desktop\eat\package.json) 添加測試腳本。
2、部署上線
在智能體中輸入指令：調用 edgeone MCP 服務，將所有代碼部署到 EdgeOne 上。
未來擴展方向
1、餐廳推薦支持： 集成地圖 MCP 服務，可以針對菜譜進行附近餐廳推薦。
2、AI 語音交互： 調用語音識別和合成 MCP 服務，實現語音輸入和反饋。
3、社區功能： 用戶可分享推薦結果，形成美食社區并支持點贊評論。
通過通義靈碼編程智能體模式和 MCP 的集成，開發者可以高效構建在線菜品推薦網站。智能體模式大幅提升了開發效率，MCP 服務則為功能擴展提供了無限可能。
浙公網安備 33010602011771號