作者:key_3_feng
项目背景与目标
随着人工智能技术的快速发展,AI 辅助开发工具正在改变传统的软件开发模式。通义灵码新版本的发布,通过 Qwen3 模型和编程智能体模式的结合,实现了从需求描述到代码生成的全流程自动化。同时,其对魔搭 MCP 广场的深度集成,为开发者提供了丰富的工具生态支持。
本方案旨在利用通义灵码编程智能体模式和 “今天吃什么” 和“EdgeOne”MCP 服务,构建一个在线菜品推荐网站,帮助用户快速决策“今天吃什么”。该网站将支持个性化推荐、用户偏好管理、营养分析等功能,并通过 MCP 服务实现灵活的功能扩展。
功能需求分析
1、核心功能
- 个性化推荐:根据用户人数、过敏、忌口等条件推荐菜品。
- 实时推荐生成:用户输入需求后,系统立即生成推荐列表。
- 用户偏好管理:用户可设置饮食偏好(如素食、甜品)并保存。
- 推荐历史记录:展示用户过去的推荐记录,支持再次选择或重置。
2、扩展功能
- 营养分析:对推荐的菜品进行卡路里等营养成分分析。
技术架构设计
1、开发工具与平台
- IDE:Visual Studio Code(集成通义灵码插件)。
- 前端框架:Vue.js(通义灵码可自动生成组件代码)。
- 后端服务:Node.js (通义灵码智能体模式可自动生成 API 接口)。
2、MCP 服务集成
- “今天吃什么” MCP 服务:提供菜品推荐、营养分析等功能。
- EdgeOne MCP 服务:快速部署网站,支持在线访问。
3、通义灵码核心能力
智能体模式:自主决策、工程感知、工具调用。
Qwen3 模型:支持长上下文理解,生成高质量代码和推荐逻辑。
MCP 工具链:一键集成 3000+ 工具,简化开发流程。
开发流程与实现步骤
1、MCP 服务集成
- 配置 MCP 服务:在 MCP 广场选择要安装的 MCP 服务,点击安装即可。
- 安装报错,提交给通义灵码来修复。
- 修复完成之后,重新添加。
- 完成 MCP 服务的添加。
2、需求描述与智能体任务规划
- 输入需求:
在 VS Code 中通过通义灵码插件输入需求:
构建一个在线菜品推荐网站,支持用户输入偏好并生成推荐结果。需要集成‘今天吃什么’MCP服务,并支持用户保存历史记录,同时在代码构建完成之后,集成‘edgeone’MCP服务进行部署。”
- 智能体任务拆解:
通义灵码智能体自动规划以下步骤:
我们需要创建基本的前端和后端架构,包括:
前端:用于用户交互(输入偏好、查看推荐、保存历史记录等)。
后端:处理与 MCP 服务的通信,并管理用户的推荐历史。
部署:使用 edgeone MCP 服务部署网站。
推荐目录结构
eat/
│
├── public/ # 静态文件(HTML, CSS, JS)
│ ├── index.html # 主页
│ └── style.css # 样式表
│
├── server.js # Node.js 后端逻辑
├── package.json # 项目依赖配置
└── README.md # 项目说明文档
3、智能体自动生成代码
- 选择智能体和Qwen3,在对话中输入:直接创建这些文件。
- 开始自动进行创建。
- 在启动项目的时候,3000 端口被占用,智能体自行修复为 3001。
- 重启后在3001端口上运行。
- 打开网站页面没有正确显示。
- 将错误信息提交给智能体来进行修复。
- 修复完成之后,重新发布,可以看到网站就构建成功了。
4、优化网站
在智能体的对话框输入如下指令:
1、修复下每次推荐内容都是固定的;
2、增加重置功能;
3、增加菜谱分类;
4、增加过敏原和忌口食材列表。
- 智能体自己经过一系列的反复调整,终于实现了想呈现的页面。
5、扩展功能开发
- 在智能体的对话框输入如下指令:
1、增加推荐菜谱的营养分析;
2、优化下背景,展现更美观;
测试与部署
1、功能测试
智能体按照以下计划生成测试用例并进行自动化测试:
- 后端 API 接口测试
- /recommend:推荐菜品接口(支持人数、分类、过敏原、忌口参数)
- /nutrition/:recipeName:营养分析接口
- /categories:获取菜谱分类接口
- /reset:清空历史记录接口
- /history:获取历史记录接口
- 测试框架与工具
- 使用 Jest 作为测试框架。
- 使用 supertest 模拟 HTTP 请求。
- 测试目录结构
test/
├── server.test.js # 所有 API 接口的测试用例
└── utils.js # 测试辅助函数
- 测试覆盖率
- 每个接口至少覆盖以下情况:
-
- 正常请求返回正确状态码和响应数据。
-
- 参数缺失或错误时返回合适的错误信息。
-
- 边界条件测试(如人数为 0 或超过上限)。
- 实施步骤
- 创建 test/ 目录。
- 编写 server.test.js 测试用例。
- 添加 [utils.js](file://c:\Users\Administrator\Desktop\eat\node_modules\qs\lib\utils.js) 提供测试辅助函数(如创建测试服务器实例)。
- 更新 [package.json](file://c:\Users\Administrator\Desktop\eat\package.json) 添加测试脚本。
2、部署上线
在智能体中输入指令:调用 edgeone MCP 服务,将所有代码部署到 EdgeOne 上。
未来扩展方向
1、餐厅推荐支持: 集成地图 MCP 服务,可以针对菜谱进行附近餐厅推荐。
2、AI 语音交互: 调用语音识别和合成 MCP 服务,实现语音输入和反馈。
3、社区功能: 用户可分享推荐结果,形成美食社区并支持点赞评论。
通过通义灵码编程智能体模式和 MCP 的集成,开发者可以高效构建在线菜品推荐网站。智能体模式大幅提升了开发效率,MCP 服务则为功能扩展提供了无限可能。