编程语言AI算法
基于 Nexent 构建智能烹饪顾问：知识库与 MCP 工具实战
介绍利用开源智能体平台 Nexent 搭建 AI 烹饪顾问的实战过程。内容包括模型接入配置、多格式知识库构建、MCP 工具集成（菜谱、天气、网络抓取）及智能体调试发布。通过实测验证了系统在食材推荐、饮食禁忌过滤及营养分析方面的能力，展示了低代码开发智能体的可行方案。
介绍利用开源智能体平台 Nexent 搭建 AI 烹饪顾问的实战过程。内容包括模型接入配置、多格式知识库构建、MCP 工具集成（菜谱、天气、网络抓取）及智能体调试发布。通过实测验证了系统在食材推荐、饮食禁忌过滤及营养分析方面的能力，展示了低代码开发智能体的可行方案。
作为烹饪初学者，常面临食材搭配与饮食禁忌管理的难题。本项目基于开源智能体平台 Nexent 实现，旨在打造懂食材搭配、根据季节推荐菜谱并照顾家人饮食禁忌的 AI 烹饪顾问。
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，无需编排。基于 MCP 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。
支持 Docker Compose 本地部署，访问 localhost:3000 即可。
进入平台后，左侧导航模块包括：
进入"模型管理"页面，点击"添加模型"。首先添加大语言模型，使用阿里云百炼平台的 qwen3-max 作为主对话模型。 需要填写的字段有四个：
填写完成后先点击"连通性验证"行的"点击验证"。只有验证通过才能添加。
AI 大厨需要较强的中文理解和多轮对话能力，可同时接入几个模型做横向对比。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，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"。
知识库需要 Embedding 模型支持。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。
**温馨提示：**配置向量模型（Embedding）的 URL 时，需在原有大语言模型地址后添加
/embeddings后缀，方可正常对接。
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。
为测试知识库解析能力，准备了四种格式的文件：
上传后系统依次经历三个状态：解析中 → 入库中 → 已就绪。
上传完成后，查看每份文档自动生成的摘要。这影响了多知识库场景下的检索路由精度。
静态知识库覆盖有限，需结合实时工具。Nexent 基于 MCP 生态，支持三种工具接入方式。
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。 点进服务详情页，找到"服务配置"标签，选择 Remote 传输类型。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。 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。
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、地理编码等功能。 接入步骤：
amap，URL 粘贴 SSE 地址该 MCP 赋能的能力：
工具名称 | 功能描述 | 核心输入参数 | 典型输出 |
maps_geocode | 地理编码：将结构化地址 / 地标名称转换为经纬度坐标 | address（地址）、city（城市，可选） | 经纬度坐标 location |
maps_weather | 天气查询：查询指定城市 / 坐标的实时天气与预报 | city（城市名）或 location（经纬度） | 温度、天气状况、风力、预报等 |
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。 接入步骤：
fetch，URL 粘贴 SSE 地址该 MCP 赋能的能力：
MCP 工具 | 核心能力 | 在 AI 大厨中的角色 | 接入方式 |
HowToCook | 菜谱查询、按食材搜索 | 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，推荐应季食材 | ModelScope URL (SSE) |
Fetch | 网页内容抓取 | 营养数据查询、食材价格参考 | ModelScope URL (SSE) |
创建新智能体"AI 大厨"，首先选工具。最终选了三个 MCP 工具加一个内置能力：
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。
选择模型 Qwen-max，点击"生成智能体"。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。
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，每道菜均附上清晰的食材清单、详细分步做法，同时主动给出过敏提示、控糖低油建议。
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。" 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，还贴心区分基础版与升级版。
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、知识库检索约束、联网搜索价格、调度营养分析、综合筛选。 最终推荐三道菜，每道菜都有详细的分步做法、营养标签和说明，总烹饪时间 25 分钟。
三轮调试确认无误后，点击发布。"AI 大厨"正式出现在智能体选择里。
**提示词自动生成的完成度超出预期。**它根据你的描述和选的工具组合生成了有逻辑的工作流程，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。**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，对于涉及饮食安全的场景，这种可追溯性尤其重要。
**版本管理。**改坏了能回滚，修改提示词会更大胆。
Nexent 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。虽然还不完美，但已经是一个真正能用的家庭烹饪顾问。接下来，打算给它投喂更多资料，看看它能不能成为真正的"家庭饮食数字伴侣"。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online