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!