前言

随着大模型能力逐渐成熟，智能体（Agent）不再只是“能聊天”的 AI，而是开始真正参与到具体场景中，承担信息整合、决策辅助甚至自动执行的角色。出行场景，正是智能体非常适合落地的一类应用。

利用已有插件能力与 MCP 工具，快速构建一个可用的 出行助手智能体。

为什么选择“出行助手”这个场景？

出行类需求本身就具备几个典型特征：

• 信息来源多（天气、交通、地点、时间）
• 决策链条清晰（去哪 → 怎么去 → 注意什么）
• 非结构化与结构化信息并存
• 非一次性对话，而是连续交互

这类场景非常适合用 Agent + 工具调用 的方式来解决，而不仅仅是让模型“回答问题”。这个出行助手场景由于场景的复杂多样，可以让我们在使用系统插件时，能够测试它们能不能做到到联动

智能体创作入口

进入Nexent控制台

创建智能体时，是非常方便的，我们只需要登录账号，点击导航栏的AI软件栈->Nexent智能体即可，体验智能体创建过程，进入后直接在工作台创建空白引用即可

在进入Nexent智能体工作台之前，我们首先进入到首页操作很简单， 无需本地配置繁琐的运行环境，也不用自己管理 Docker 容器，我们可以直接点击一键试用就能直接进入工作台操作，如果您觉得功能非常不错，可以直接点击Star跳转支持！

完成注册之后，我们就可以使用Nexent的所有功能了

在Nexent接入模型

在做完上面的一切准备工作后，我们就可以开始重头戏了，使用Nexent来开发我们的智能体，在创建智能体之前，我们还需要最最最重要的一步，就是配置我们的模型，有了模型，我们的智能体才能够真正的拥有思考的能力，我们这次选择了强大的Qwen3

我们点击右侧 快速配置 ，在这个界面上添加我们准备好的模型，我们需要准备

1. 模型名称
2. 基础服务地址
3. API密钥

在填写完成后，我们还需要进行连通性的验证，我这次选择的模型时Qwen3-0.6B在我们的智能体创建中是完全够用的，实力也是非常强的，如果大家想和我使用一样的模型可以访问 https://moark.com/ 里面每天可以使用免费数次

这样我们的模型就已经成功接入，可以正式创建智能体了！！！

智能体创建与工具的添加

智能体描述：该智能体主要面向出行规划场景，能够根据用户提供的目的地、出行时间、预算范围以及个人偏好，生成一份完整且可执行的出行方案。

我们把智能体描述弄好之后，就可以直接使用AI帮我们自动生成智能体信息，智能体角色，使用要求：

• 智能体名称：出行规划助手

• 智能体描述：你是一个出行规划助手，能够根据用户提供的目的地、出行时间和预算，制定个性化的旅行方案。你可以分析用户的偏好，推荐合适的行程安排和活动。你还能提供实用的旅行建议，帮助用户更好地享受旅程。

• 智能体角色：你是一个出行规划助手，专注于为用户提供个性化的旅行方案。 你能够综合用户的需求与偏好，分析目的地和出行条件，制定合理的行程安排。 你擅长在有限预算内优化行程，确保方案既实用又符合用户的期望。

• 使用要求：

• • 1. 工具使用需基于用户提供的具体信息，如目的地、出行时间、预算范围和个人偏好等。
• • 2. 若用户未提供必要信息，智能体不得擅自假设或编造数据。
• • 3. 生成的出行方案必须符合用户设定的预算范围，不得超出限制。
• • 4. 智能体不得提供任何非法、不安全或不道德的出行建议。
• • 5. 出行方案应基于真实可行的资源和信息，不得虚构不存在的景点或服务。

• 示例部分：平台也会将部分示例展示给用户方便用户调研智能体是否是自己所需

• 

MCP的创建与添加

在完成这些后我们依然可以丰富我们的智能体，我们可以给我们的智能体添加上有用的MCP服务，当然这个需要我们自行去创建，

我们可以直接从魔搭社区的MCP广场上手动配置导入MCP服务，也是非常方便了

我们选择一手高德地图，

连接高德MCP服务还需要我们去高德官网上申请我们的API_KEY，高德开放平台控制台，在创建应用

获取API_KEY之后我们就可以连接服务获取所需要的URL了

一直下一步即可，完成MCP的导入

现在我们来使用下我们的智能体，看看能不能满足我们的需求

智能体调试

以一个简单需求为例：

“北京明天的天气怎么样？适合外出有完吗？”

智能体背后的实际流程是：

1. 理解出行时间与目的地
2. 通过 MCP 调用天气插件获取实时天气
3. 结合时间信息判断是否存在交通或天气风险
4. 整合信息，给出提醒和建议

到这里我们的出行助手智能体也是部署完成，圆满实现了我最初的目标，调试完成后，我们将智能体发布！

与智能体正式“聊天”

总结

通过 ModelEngine 与 Nexent 的组合，可以看到一种更偏向工程化落地的智能体构建方式：

• ModelEngine 负责智能体的稳定运行、模型承载与任务调度
• Nexent 提供智能体编排、知识接入、工具扩展、容器运行等能力支持
• MCP 则让外部工具接入方式更加标准化，便于持续扩展与复用

相比单纯停留在对话层面的应用，这种方式更强调智能体的实际执行能力和工程可落地性。
对于希望构建真正可用、可扩展、可持续演进的智能体应用团队来说，ModelEngine 与 Nexent 的组合，更接近一个完整的智能体开发与运行体系，而不只是一个简单的聊天入口。

出行助手只是一个起点，类似的方法同样适用于客服、办公、行业助手等更多场景，而 ModelEngine 在其中提供的，正是一套可靠的智能体运行基础，如果你也想来创建一个为你所用的智能体，赶紧来ModelEngine体验吧！