我用 Nexent 做了个 AI 大厨：基于 Nexent 知识库与 MCP 生态打造智能烹饪顾问实战

引言厨房小白的自救之路说实话我是一个对做饭既向往又恐惧的人。向往的是那些短视频里色香味俱全的家常菜恐惧的是每次打开冰箱站在一堆食材面前完全不知道能做什么。我的做饭流程通常是这样的先在 B 站搜教程视频边看边暂停边做一顿饭下来手机屏幕被油溅得惨不忍睹。更糟糕的是我家还有一位对海鲜过敏的室友和一位需要控糖的老妈每次做饭都得在脑子里疯狂计算这个能不能放那个谁不能吃。上个月我在 GitHub 上看到了 Nexent——一个零编排的开源智能体平台主打一个提示词无限种可能。我当时脑子里就冒出一个想法能不能做一个懂食材搭配、会根据季节推荐菜谱、还能照顾家人饮食禁忌的 AI 烹饪顾问说干就干。我花了一个周末的时间在 Nexent 上亲手搭建了一个名叫AI 大厨的智能烹饪顾问。这篇文章记录了从模型接入、知识库构建、MCP 工具配置到智能体开发调试的完整过程以及踩过的每一个坑。一、初识 Nexent做饭这件事也能交给 AINexent 是一个开源智能体SDK和平台它的核心理念很直白你只需要用自然语言描述想要什么样的智能体系统自动生成完整的提示词和工作流程不需要编排不需要拖拉拽。基于 MCP 工具生态系统构建Nexent 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。让任何人都能轻松地将 Nexent 集成到项目中使日常工作流程更智能、更互联。本次给大家演示的是web端只需要注册就可以在线使用非常方便。当然如果你想部署一个本地端Nexent 支持 Docker Compose 一键拉起部署完成后访问localhost:3000即可。官方也有在线试用环境http://60.204.251.153:3000/zh注册即用。不过我建议认真使用的话直接本地部署——在线版偶尔数据丢失本地版稳定得多对话响应也快。进入平台后左侧导航模块一目了然模型管理接入各家 API配置系统默认模型知识库上传文档构建可检索的个人语料库MCP 工具接入外部工具赋予智能体实时感知能力智能体开发核心功能描述需求 → 自动生成提示词 → 调试发布智能体市场安装他人发布的现成智能体记忆管理配置跨对话记忆让智能体记住你的口味二、模型接入单个添加与批量导入的完整流程2.1 单个模型添加进入模型管理页面点击添加模型。我首先添加的是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模型名称qwen3-maxAPIURLhttps://dashscope.aliyuncs.com/compatible-mode/v1API Key从百炼平台控制台复制模型类型大语言模型填写完成后先点击连通性验证行的点击验证。这是添加模型前必须做的——只有验证通过才能添加。验证通过后旁边出现绿色可用字样右下方添加按钮由蓝变灰。2.2 批量导入AI 大厨需要较强的中文理解和多轮对话能力我想同时接入几个模型做横向对比Qwen3.5-Plus 做中文菜谱理解补充Qwen2.5-Coder 处理结构化的营养数据。逐个填写太低效直接上批量导入。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。列表中模型很多我用了搜索功能输入Qwen快速筛选勾选了 qwen3-MAX和 qwen3-coder-Plus点击添加。批量导入完成后展开列表所有模型一目了然。2.3 向量模型配置知识库需要 Embedding 模型支持。我依然使用阿里云百炼平台API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与视觉语言模型地址后添加/embeddings后缀方可正常对接。首次配置项目模型的同学请特别注意。三、知识库构建让 AI 真正读懂菜谱和营养知识知识库是 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让智能体不是泛泛而谈而是真正读过你的资料。3.1 上传不同格式的文档为了全面测试 Nexent 知识库的文档解析能力我刻意准备了四种不同格式的文件家常菜谱合集PDF 格式约 40 页从网上整理的 50 道家常菜做法包含食材清单、步骤说明和烹饪技巧排版比较复杂有分栏和多张配图食材禁忌与营养对照表Markdown 格式手动整理的常见食材搭配禁忌如菠菜豆腐、螃蟹柿子、每种食材的主要营养成分和适宜人群家人饮食需求说明TXT 格式室友对海鲜和花生过敏、老妈需要控糖低油、我自己口味偏辣但最近在减脂地中海饮食指南DOCX 格式一份从营养师朋友那里拿到的健康饮食参考文档包含一周膳食建议和营养配比上传后系统依次经历三个状态解析中 → 入库中 → 已就绪。不同格式的处理速度差异明显Markdown 和 TXT 文件不到 5 秒就进入就绪DOCX 大约 10 秒40 页的 PDF 攻略等了将近 1 分钟。文档越大、排版越复杂处理时间越长这在预期之内。3.2 知识库自动总结质量差异与启示上传完成后我逐个查看了 Nexent 对每份文档自动生成的摘要。这个功能表面上看只是个辅助但它直接影响了多知识库场景下的检索路由精度——智能体检索前会先根据总结判断这个问题应该去哪个库找。对比四份文档的总结质量Markdown 食材禁忌表结构清晰准确抓住了食材搭配禁忌营养成分适宜人群三个核心主题关键词提取精准TXT 饮食需求说明准确提取了海鲜过敏控糖减脂三个关键约束条件DOCX 地中海饮食指南总结出了膳食建议框架和营养配比信息完整PDF 菜谱合集总结质量明显下降多栏布局、配图和步骤编号导致文本提取碎片化关键词偏泛化只提取出家常菜、烹饪、美食这类大词四、MCP 工具接入赋予 AI 大厨动手能力能读菜谱的 AI 很棒但真正的烹饪顾问还需要实时查菜谱、看天气推荐应季食材、搜索营养研究——这些静态知识库覆盖不了。Nexent 基于 MCP 生态支持三种工具接入方式我全部体验了一遍。4.1 工具一ModelScope URL 接入HowToCook 菜谱 MCP打开 ModelScope MCP 广场modelscope.cn/mcp搜索mcpdev/howtocook找基于MCP协议的AI菜谱推荐服务器提供菜谱查询、分类筛选、智能膳食规划和每日菜单推荐功能的MCP.点进服务详情页找到服务配置标签选择 Remote 传输类型。必须登录 ModelScope 账号才能看到 URL。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。这里要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。不能输入中文字符。点添加后等几秒工具同步进来点连通性校验确认绿灯。HowToCook MCP 提供了多个工具查询菜谱列表、按食材搜索菜谱、按分类浏览、随机推荐等。4.2 高德地图 MCP — 天气查询与应季食材推荐工具来源魔搭社区 MCP 广场提供的高德地图 MCP 服务支持天气查询、地理编码、POI 搜索等功能。AI 大厨需要根据当前天气和季节推荐适合的食材与菜品——降温天推荐暖胃汤品三伏天推荐消暑凉菜。接入步骤在 ModelScope MCP 广场搜索高德地图或amap找到高德地图 MCP 服务点进服务详情页查看该 MCP 提供的工具列表确认包含天气查询相关工具如maps_weather、get_weather等切换到服务配置标签选择Remote传输类型然后从前往高德开放平台lbs.amap.com注册并获取 API Key回到 Nexent 平台 MCP 配置页面添加 MCP 服务服务器名称amapURL粘贴高德地图 MCP 的 SSE 地址点击添加后等待同步连通性校验通过即可使用该 MCP 为 AI 大厨赋能的能力实时天气查询获取当前气温、天气状况判断适合推荐什么类型的菜品季节感知结合气温数据判断季节推荐应季食材如冬季推荐根茎类蔬菜、夏季推荐瓜果类地理定位根据用户位置推荐当地特色食材和菜品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 locationmaps_regeocode逆地理编码将经纬度坐标解析为行政区划地址location经纬度省市区街道等结构化地址maps_ip_locationIP 定位根据 IP 地址定位到城市级位置ipIP 地址城市名称、经纬度等位置信息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maps_direction_bicycling骑行路径规划支持 500km 内骑行路线考虑天桥 / 封路等origin起点经纬度、destination终点经纬度路线距离、预计耗时、路径步骤maps_direction_walking步行路径规划支持 100km 内步行路线origin、destination步行距离、预计耗时、步行指引maps_direction_driving驾车路径规划计算最优驾车路线支持躲避拥堵origin、destination驾车距离、预计耗时、红绿灯数量等maps_direction_transit公交路径规划综合公交 / 地铁 / 火车等公共交通方案origin、destination、city起点城市、cityd终点城市换乘方案、总耗时、步行距离等maps_distance距离测量计算两点间直线距离与实际行驶距离origins多点坐标、destination直线距离、各交通方式行驶距离maps_text_search关键词搜索按关键词搜索兴趣点POIkeywords关键词、city城市POI 名称、地址、经纬度、类型等maps_around_search周边搜索在指定坐标周边搜索 POIlocation中心坐标、keywords、radius半径周边 POI 列表、距离排序maps_detail_search详情搜索根据 POI ID 获取详细信息poiidPOI IDPOI 完整详情地址、电话、评分、营业时间等使用提示高德地图 MCP 的天气查询通常需要传入城市名称或区域编码。在智能体提示词中应引导用户在提问时说明所在城市例如我在北京今天降温了想喝汤。4.3 Fetch MCP — 营养信息与食材知识实时查询工具来源魔搭社区 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。AI 大厨用它来实时查询食材营养成分、热量数据、当季食材价格等动态信息。接入步骤在 ModelScope MCP 广场搜索Fetch找到网页内容抓取类 MCP 服务点进服务详情页确认工具功能包括网页内容抓取和文本提取切换到服务配置标签选择Remote传输类型登录后复制 SSE 地址在 Nexent 平台添加 MCP 服务服务器名称fetchURL粘贴 Fetch MCP 的 SSE 地址添加完成后进行连通性校验该 MCP 为 AI 大厨赋能的能力营养成分查询抓取权威营养数据库页面获取食材的热量、蛋白质、脂肪、碳水等详细数据食材价格参考查询电商平台或生鲜平台的当季食材价格帮助用户估算做菜成本菜谱补充信息当知识库和 HowToCook 都没有某道菜的信息时通过 Fetch 抓取美食网站的相关内容使用提示Fetch MCP 抓取的是网页原始内容部分网站可能有反爬机制。在智能体提示词中可以指定优先抓取的权威营养数据源如中国食物成分表在线版、USDA 食物数据库等提高数据准确性。4.4 三款 MCP 工具对比总结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根据冰箱食材推荐菜品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和适合当天气候的菜品ModelScope URL (SSE)Fetch网页内容抓取营养数据查询、食材价格参考、菜谱信息补充ModelScope URL (SSE)三款工具全部通过 ModelScope 的 SSE URL 接入无需本地部署或安装任何依赖。在 Nexent 中配置完成后后续创建智能体时可直接勾选使用真正做到了即插即用。五、智能体开发从描述到可发布的完整流程5.1 工具选配创建新智能体AI 大厨首先选工具。我最终选了三个 MCP 工具加一个内置能力HowToCook— 查询菜谱、按食材搜索、按分类浏览高德地图 MCP —天气查询与应季食材推荐Fetch MCP —营养信息与食材知识实时查询5.2 提示词自动生成与手动修改工具选完进入描述环节我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。提供详细的烹饪步骤用通俗易懂的语言讲解避免专业烹饪术语。选择模型 Qwen-max点击生成智能体。大约 5 秒后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、输出格式规范、边界限制。生成的内容完整度让我意外——不是填空式模板而是真的针对烹饪场景、饮食禁忌和我的工具组合定制了内容。六、调试与发布三轮实测验证6.1 第一轮测试食材搜索 禁忌过滤问冰箱里有西红柿、鸡蛋、豆腐和虾仁今晚能做什么菜整体推荐效果出色实用性与贴心度兼备充分体现了智能体在生活服务场景中的优质能力。每道菜均附上清晰的食材清单、详细分步做法步骤简洁明了、易上手兼顾不同口味与饮食偏好荤素搭配合理营养均衡。推荐菜品贴合家常食材操作难度适中出餐速度快非常适配日常用餐需求。同时还主动给出过敏提示、控糖低油建议与季节饮食指引细节考虑周全服务体验完整且人性化。6.2 第二轮天气应季 营养研究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。这里我们可以看到回答充分贴合用户 “暖胃 控糖” 的核心需求菜品选择贴合现有食材适配性很高。每道汤品都附带完整清晰的食材清单、分步做法步骤细致易懂还贴心区分基础版与升级版兼顾不同饮食需求同时详细标注营养与控糖优势主动提示过敏注意事项细节考虑周全。6.3 第三轮综合能力极限测试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。这是最复杂的一轮。智能体进行了多步操作HowToCook 搜索鸡胸肉、西兰花、豆腐相关菜谱 → 获取 12 道候选知识库检索 → 提取三个人的饮食约束花生过敏、控糖、减脂联网搜索 → 确认当前季节西兰花和胡萝卜的市场价格调度营养分析师 → 为每道菜计算热量和三大营养素配比综合筛选 → 推荐三道菜最终推荐第一道清炒豆腐蔬菜煲无花生第二道蒜蓉白灼西兰花控糖低油第三道香煎鸡胸肉配彩蔬高蛋白减脂每道菜都有详细的分步做法、营养标签和为什么推荐给你的说明。并且末尾还有每个步骤的时间和总烹饪时间 25 分钟可以两口锅同时操作完美满足所有人的需求。6.4 发布三轮调试确认无误后点击发布。AI 大厨正式出现在我的智能体选择里。以后做饭前直接问它就行。七、个人感悟客观评价一个正在成长中的平台一个周末的投入加上一周多的日常使用AI 大厨已经实实在在地改变了我的做饭方式。以前每次做饭都要花 15 分钟搜教程现在打开 Nexent 问一句冰箱里有 XX能做什么就行30 秒出结果还自带营养分析和安全检查。做得扎实的地方提示词自动生成的完成度超出预期。它不是给你一个填空模板而是真的根据你的描述和选的工具组合生成了有逻辑的工作流程。我只需要在上面做三处针对性修改就够了而不是从零开始手写几百字的提示词。这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。我找到了 HowToCook 菜谱 MCP还能自己开发天气应季工具组合起来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——菜谱来自 HowToCook MCP禁忌过滤依据知识库文档营养分析来自子智能体的计算。这不是AI 随便说的而是可以追溯的。对于涉及饮食安全的场景这种可追溯性尤其重要。多智能体协作。主智能体做菜谱推荐子智能体做营养分析职责清晰、调试方便。改营养算法不用动菜谱推荐逻辑反过来也一样。版本管理。改坏了能回滚。有这个保障修改提示词会更大胆——我可以放心尝试不同的工具调用顺序和输出格式不满意就回退。结语Nexent 给我的感觉是一个骨骼清晰、核心能力扎实、细节正在打磨的平台。它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、写描述每一步都有明确的操作指引。我的AI 大厨虽然还不完美——偶尔 PDF 里的菜谱检索不到、记忆系统可能记住错误信息——但已经是一个真正能用的家庭烹饪顾问了。它帮我解决了冰箱里有这些食材能做什么的日常难题还帮我避开了好几次食材搭配禁忌。接下来我打算给它投喂更多资料——各地菜系的经典菜谱、季节性食材指南、超市促销信息——看看它能不能成为真正的家庭饮食数字伴侣。如果你也想在厨房里有个懂你的 AI 助手不妨来试试 Nexent。或许你会发现做饭这件事有想法就够了剩下的交给 AI 大厨。