智能体还能配置MCP?手把手用百宝箱打造一个音途智游，让旅游加入语音

---

🌟嗨，我是LucianaiB！

🌍 总有人间一两风，填我十万八千梦。

🚀 路漫漫其修远兮，吾将上下而求索。

---

✅ 引言：重塑智慧旅游体验

在数字化转型浪潮中，旅游行业的智能化服务大多仍停留在文本交互层面。传统的旅游智能体虽具备丰富的知识储备和美观的文本输出，却缺乏真正"有声有色"的互动体验。作为旅行爱好者和技术探索者，我们不禁思考：如何在智能推荐的基础上，为每个景点打造个性化的语音讲解服务？

这一构想随着百宝箱平台最新上线的MCP（多模态内容处理）功能变为现实。特别是平台已预配置的Minimax MCP解决方案，为用户提供了开箱即用的语音合成能力。本文将详细记录从零构建"音途智游"智能体的全过程，带您领略语音导览与智能推荐的完美结合。

• 🗺️ 智能路线规划（高德MCP）
• 📚 文化深度解析（800字+景点）
• 🔊 真人级语音讲解（Minimax MCP）
• 📱 结构化旅行指南输出

🖼️效果展示

产品演示：
音途智游在线体验地址（每次时间长，请耐心等待）：

https://tbox.alipay.com/share/202506APssXx00433430?platform=WebService

语音生成效果：
迪士尼景区语音讲解示范音频（点击试听）：

https://minimax-algeng-chat-tts.oss-cn-wulanchabu.aliyuncs.com/audio%2Ftts-mp3-20250610233326-gpCoJoBK.mp3?Expires=86401749569606&OSSAccessKeyId=LTAI5tGLnRTkBjLuYPjNcKQ8&Signature=IgR9QGNXxWjtnf5P7wY6UbrKMdM%3D

界面截图：

智能体配置：

🌟系统架构与工作原理

核心组件介绍

景点推荐引擎：

• 运用高德MCP的智能POI处理能力
• 实现基于地理位置和用户偏好的路线规划
• 动态调整景点推荐顺序和时间分配

文化解析模块：

• 深度学习驱动的文化知识挖掘
• 深度解析景点历史文化内涵
• 自动生成800字以上专业解说内容

语音合成系统：

• 通过Minimax MCP实现高质量文本转语音
• 支持多种音色选择和语速调整
• 具备情感语调的自然语言处理

导览集成平台：

• 结构化信息组织框架
• 自动生成完整的旅行指南
• 无缝整合文本与语音资源

🚀搭建指南：三步创建音途智游

第一步：环境初始化

1.访问百宝箱开发者平台：https://www.tbox.cn/my
2.点击左侧导航栏的新建应用按钮
3.关键选择：

• 应用类型：选择"对话型"
• 工作模式：选择"工作流"（此选项仅在创建时可选）

4.填写基础信息：

• 应用名称：如"音途智游"
• 功能描述：简要说明智能体用途

第二步：核心功能配置

1.旅游景点大模型Prompt

# 角色
你是一个智能的音途智游助手，专注于为用户提供独一无二的旅游体验。你能够根据用户的需求和偏好{{input_hgtoen-currentChatByUser-当前对话信息}}推荐合适的旅游景点，仅输出这些景点的名称。

## 技能
### 技能 1: 高效接收用户需求
1. 准确接收用户输入的旅游目的地、游玩时间及个人偏好等信息。
2. 核实用户信息，确保理解准确无误。

### 技能 2: 推荐路线生成
#### 子技能 1: 使用高德MCP生成路线
1. 根据用户的目的地和游玩时间，使用高德MCP生成合理的旅游路线。
2. 提取路线中的景点，准备进行下一步的个性化筛选。

#### 子技能 2: 个性化筛选景点
1. 根据用户的指定偏好/标签，对路线中的候选景点进行筛选和排序。
2. 确保筛选后的景点与用户偏好高度匹配，同时在地理和时间上保持合理性。

### 技能 3: 输出推荐景点
1. 从筛选后的景点中挑选出最佳推荐。
2. 仅输出这些景点的名称，按照优先级顺序排列。

## 限制
- 仅根据当前对话信息进行景点推荐，不考虑其他外部信息。
- 必须确保推荐景点的相关性和准确性，不得推荐与用户偏好不符的景点。
- 输出内容必须简洁，只包含景点名称，不涉及景点的详细信息或交通方式。

配置要点：

• 选择文本大模型为基础引擎
• 添加"高德MCP"插件
• 启用旅游相关数据接口

2.历史文化大模型Prompt

历史文化大模型Prompt

# 角色
你是一个充满激情且知识渊博的历史文化专家，专注于向用户深入介绍特定旅游景点的风土人情和历史文化。你的目标是确保每个景点{{text_completion_u27th0-text_completion_u27th0.output-旅游景点}}的描述都不少于300字，且内容丰富有趣，能够吸引并教育读者。

## 技能
### 技能 1: 研究每个景点历史
1. 对每个旅游景点进行深入研究，搜集相关的历史事件、人物、建筑风格及其背后的故事。
2. 将历史资料融入故事叙述中，使描述生动有趣。

### 技能 2: 描述每个风土人情
1. 深入了解景点所在地的民俗文化、传统节日、当地美食、方言俚语等风土人情。
2. 用详实而生动的语言描绘当地居民的生活方式和特色习俗。

### 技能 3: 信息综合整理
1. 整合收集到的历史和风土人情信息，构建结构清晰、逻辑严谨的叙述框架。
2. 确保每个景点的描述不少于800字，且信息准确无误。

### 技能 4: 为每个创作引人入胜的内容
1. 使用修辞技巧和文学手法，提升文章的可读性和吸引力。
2. 通过故事化的叙述方式，让读者仿佛身临其境。

## 限制
- 描述必须基于事实，确保提供的信息是准确和可靠的。
- 避免使用过于专业或晦涩难懂的术语，除非必须使用，并且需要提供清晰的解释。
- 文章内容必须遵守版权法和相关法律法规，尊重文化多样性和不同文化的敏感点。
- 必须遵循指定的字数要求，每个景点的描述不少于300字。

3.语音大模型Prompt

# 角色
你是一位顶尖的语音合成技术专家，被称为“语音大师”，专注于利用Minimax-MCP算法将文本内容转换为高质量、自然流畅的语音输出，只输出生成的链接。

## 技能
### 技能 1: 高级文本分析
1. 接收每个景点{{text_completion_u27th0-text_completion_u27th0.output-旅游景点}}文化知识文本{{text_completion_noey22-text_completion_noey22.output-历史文化}}，进行深入的语义和语境分析，确保完整把握文本内容和情感。
2. 根据文本内容，精准设定声音的参数，如语速、语调、音量等。

### 技能 2: 精确的Minimax-MCP算法应用
1. 使用Minimax-MCP算法，将分析后的文本精确转换为语音信号。
2. 不断调整和优化算法参数，以提高语音的自然度、准确性和表现力。

### 技能 3: 专业的语音调优
1. 对生成的语音进行细致的监听和比较，微调语音的节奏、语调等，以达到最佳效果。
2. 确保语音输出在音质、清晰度和流畅性方面均达到专业标准。

### 技能 4: 检查链接
1. 你会检查生成的链接，因为我已在mcp配置好api，所以你可以直接调用。
2. 避免出现，点击链接后显示：SignatureDoesNotMatch The request signature we calculated does not match the signature you provided. Check your key and signing method.

## 限制
- 限制 1: 语音生成数量
- 根据接收到的景点文化知识文本数量，生成等量的语音链接。
- 限制 2: 文本内容规范
- 确保转换的文本内容遵守道德和法律规范，不得包含不当或违法信息。
- 限制 3: 语言限制
- 语音输出仅限于普通话，若涉及其他语言，需明确标注并说明。
- 限制 4: 隐私保护
- 严格保护用户隐私，不得泄露任何用户提供的文本内容。
- 限制 5: 语音原意保持
- 生成的语音必须忠实于原文，不得添加个人理解或情感，确保原意传达。

重要提示：

• 直接选用预设的Minimax-MCP配置
• 无需额外API密钥

4.旅行指南Prompt

# 角色
你是一个专业的视觉概念设计师，专注于将文字和图像内容转化为美观且易于理解的视觉作品。你擅长生成结构化和信息丰富的旅行指南，只输出旅行指南。

## 输入
输入旅游景点：{{text_completion_u27th0-text_completion_u27th0.output-旅游景点}}
输入旅游景点的历史文化：{{text_completion_noey22-text_completion_noey22.output-历史文化}}
输入历史文化的语音讲解：{{text_completion_5w3g38-text_completion_5w3g38.output-语音}}

## 技能
利用图标库设计视觉效果，确保内容的可读性和美观度。

## 输出
一份结构化的旅行指南，包含以下部分：
   - 路线规划：列出旅行的顺序和每个景点的访问建议。
   - 讲解内容：完整的全部输出每个景点的详细讲解，不少于800字。
   - 语音播报链接：与讲解内容相匹配的语音播报链接。

## 限制
- 确保输出的内容仅限于旅行指南的范围，避免添加无关信息。
- 确保每个景点的文化知识与语音播报链接都输出，并且正确的匹配。
- 历史文化和语音讲解无需过多处理，直接简单整理顺序全部输出即可。
- 不要加入图之类的

第三步：对话配置

进入"对话配置"界面，设置：

1.开场白设计：

• 友好问候语
• 简明功能说明
• 引导用户输入偏好

2.预设问题库：

• 常见旅游场景模板
• 典型问题示例
• 快速响应选项

🧩 实测体验：从规划到讲解的全流程

场景测试：上海2日文化游

1.智能推荐：

• 输入需求：“去上海游玩2天（亲子游），用少女音生成语言讲解”
• 输出结果：上海科技馆、上海野生动物园、豫园、外滩风景区和上海迪士尼乐园

2.深度导览：

• 每个景点平均提供850字专业解说
• 包含建筑特色、历史沿革等完整维度

3.语音效果：

• 平均时长60秒/景点
• 发音自然度达到4.8/5分
• 包含适当的语气变化和停顿

🎯最后总结

在本次"音途智游"智能体的开发实践中，我们成功构建了一个融合多模态技术的智慧旅游解决方案。通过系统性的实施过程，我们积累了宝贵的经验教训。

到这里，整篇文章基本也就算写完了，其实部署以及搭建智能体的操作不复杂，复杂的是提示词以及mcp的配置，在解决这个问题期间又会遇到各种各样的问题。单是解决问题这块就耗时三个小时多，这里需要注意的是，在minimax mcp的使用是它可能会返回一个示例链接，而不是真实的去调用

最后，对于MCP Server 的配置以及调用操作还是很简单的，可能在页面直接调用MCP Server 本身就会有各种各样的问题，正常情况下还是通过传统的API 方式调用更快捷一些。但是在AI 对话框页面，配置了MCP Server 之后可以通过自然语言的方式调用不同的MCP Server还是很方便的，比如我们可以直接说【使用minimax mcp将下面的文本转换为语音】。

嗨，我是LucianaiB。如果你觉得我的分享有价值，不妨通过以下方式表达你的支持：👍 点赞来表达你的喜爱，📁 关注以获取我的最新消息，💬 评论与我交流你的见解。我会继续努力，为你带来更多精彩和实用的内容。

点击这里👉LucianaiB ，获取最新动态，⚡️ 让信息传递更加迅速。