type
status
date
slug
summary
tags
category
icon
password
这个项目的第一版曾在 Trae 上实现，并获得了不少人的认可（https://www.cloudesx.com/article/mcp-server-home） 。为了让更多人能够使用这个 Agent，我决定在扣子空间上再实现一版，并在之前的基础上优化了提示词。
以下是页面的完整效果截图：
部署流程
为了获取路线信息，需要集成百度地图和高德地图的 MCP。
高德地图 MCP
在扣子空间中已经默认集成了许多 MCP，只需点击添加即可完成配置：
百度地图 MCP
如果 MCP 未被收录，可以通过“添加自定义扩展”功能完成配置
百度地图 MCP 配置如下
扣子空间支持从 PyPI 和 NPM 上直接添加 MCP。以下是百度地图 MCP 的配置代码：
安装 MCP 扩展
扣子空间应该是采用沙箱环境，支持现场安装 MCP 服务，操作简便：
Agent 设计思路
将出发点和目的地输入给大模型，同时提供沿途的路线信息、加油站分布以及相关服务器数据，让 AI 根据这些综合因素规划出最佳路线。AI 的优势在于能够快速处理大量信息，综合考虑时间、成本、距离等因素，为用户提供最优解。
提示词设计
执行流程
在对话框中发送提示词，让 Agent 理解需求：
Agent 思考后会给出总体规划：
这一过程与 sequentialthinking 的逻辑非常相似。
接着输入起始点和目的地以执行具体的路线规划：
网站执行效果展示
整个执行过程中发现，许多 Agent 平台在 MCP 方向进行了升级。原先只能通过远程调用（SSE 模式）的功能，现在通过沙箱环境（stdio 模式）直接运行在 Agent 中，大大降低了使用 MCP 的门槛。同时，扣子空间的运行流畅度也提升明显，执行速度较之前更快。
#扣子空间 #扣子空间的100种打开方式 #Agent #MCP
- Author:二师兄
- URL:https://cloudesx.com/article/coze-space-agent-mcp
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
