我目前在做的项目涉及酒旅方向的 AI Agent，所以最近花了不少时间研究 Travel MCP 这个赛道。过程里踩了很多坑，也整理了一些相对完整的东西，决定写成一个系列，供有同样需求的开发者参考。

---

先说个让我愣住的场景

上周调试一个行程规划 Agent，最开始它只能"聊天"——用户说「帮我订个酒店」，它回复一堆建议，但就是没法真的去查。

接了 RollingGo 的 Hotel MCP 之后，我把同一个对话扔给 Agent，它直接返回了一张表：

酒店名称	位置	含税价格	星级	距地铁站
大阪蒙特利格拉斯梅尔酒店	淀屋桥	¥687/晚	4星	步行3分钟
心斋桥微笑酒店	心斋桥	¥542/晚	3星	步行7分钟

这不是我让它搜的，是它自己判断「用户要去大阪看演唱会，场地在大阪城 Hall，预算600左右」，然后自动加的筛选条件。

给我一下子整不会了。

说实话，在这之前我一直觉得给 Agent 加 MCP 就是「多装个工具」的事情，跑完这个场景我才发现，工具接入的方式直接决定了 Agent 能做到什么level。

如果你是第一次接入，对接入方式不是很了解，可以参考这篇文档：5 分钟接入MCP — 快速开始指南

---

场景一：Agent 帮用户筛选酒店——不再只是「给建议」

传统做法是 Agent 调用一个搜索 API，返回一堆结果，然后自己读一遍再给建议。

问题是，通用大模型根本不知道实时价格和真实库存。

我接了 RollingGo Hotel MCP 之后，甩给 Agent 一句话：

「大阪，五晚预算500-700，希望离地铁站近，有免费取消政策」

Agent 自己拆解了需求，变成三个搜索条件：

• 价格区间：500-700
• 位置：地铁站500米内
• 取消政策：免费取消

然后调 MCP 查了大阪真实在售酒店，过滤掉不符合条件的，返回结果就三行，全是符合条件可以直接预定的。

这里有个细节很有意思：Agent 不只是「搜」，它还会理解需求再翻译成搜索参数。不用我告诉它「价格单位是人民币、日期要写成YYYY-MM-DD」这种技术细节，它自己就搞定了。

---

场景二：价格对比——Agent 帮我挑最优方案

这是让我觉得最值的地方。

我让 Agent 搜「杭州6月20日-22日，五星级，离西湖3公里内」，它调了 MCP 返回了一批酒店。但这不是终点——它还做了这么几件事：

1. 把所有结果按「含税总价」排序
2. 过滤出「免费取消」的选项（降低用户决策风险）
3. 标注了每个酒店的取消截止时间
4. 给出了推荐理由：「这家比同区域其他五星级便宜23%，且点评数量最高」

你要知道，这背后不是简单比价——它需要知道用户在决策链上的真实障碍是什么。免费取消、点评数量、位置距离，这些信息如果不是 MCP 直接返回，Agent 基本只能靠「猜」。

换句话说：接不到真实库存和价格数据，Agent 帮你做决策这件事就是空中楼阁。

---

场景三：多工具链组合——Agent 自动串起机票+酒店

这是我跑的最复杂的场景，也是感觉最接近「真 Agent」的一个。

我给 Agent 发了这么一段：

「下周三到周五去北京出差，帮我看看机票和CBD附近酒店，总预算控制在2000以内」

它分了三步走：

Step 1 — 调 Flight MCP 查杭州到北京6月17日的航班，过滤掉超过预算的
Step 2 — 调 Hotel MCP 查北京CBD区域酒店，看哪几家还在2000预算内
Step 3 — 综合两项，生成一个「机票+酒店」的最优组合方案

注意，Agent 在这整个过程里没有问过我任何确认。它自己判断：出差场景优先考虑地理位置，五星不是必须的，但位置必须近CBD。

普通大模型能做到吗？ 基本不行，因为机票价格和酒店实时库存是它不知道的信息。

---

为什么 MCP 让 Agent 从「聊天」进化到「办事」

聊到这里可能会有读者问：道理我都懂，但为什么非要是 MCP？

我自己的理解是这样的——

大模型本身是个「大脑」，它擅长推理和决策，但它不知道这个世界正在发生什么。MCP 做的事情，就是给这个大脑装上「手」和「眼睛」。

• 眼睛：实时看到全球200万+酒店的真实在售价格、库存状态
• 手：直接执行搜索、筛选、比较这些动作

没有 MCP，Agent 就是「空想家」——想得很美，但落地不了。

有了 MCP，Agent 才能变成「执行者」——知道现状、理解需求、拿出方案、直接执行。

---

踩过的坑，顺手提醒一下

配置过程不是一帆风顺的，有几个地方容易卡住：

坑1：配置完了 MCP 工具不出现
折腾了半天发现是客户端没重启，Agent 重启之后工具列表才刷新出来。

坑2：报 401 Unauthorized
Bearer 后面多了个空格，或者 Key 格式不对，检查一下是不是 Bearer mcp_xxx 这种格式。

坑3：搜索返回空
很可能是日期写成过去的了，MCP 校验比严格，日期参数要写成未来的。

---

什么人适合用这个组合

说实话，不是所有人都需要。

适合的场景：

• 自己在开发酒旅方向的 Agent，需要真实数据源
• 想让 AI 直接帮用户完成机票/酒店查询和推荐，不是只给建议
• 技术团队，接入门槛低，API Key 直接申请，不需要商务对接

如果你的 Agent 只是需要通用知识问答，不需要实时数据，那 MCP 对你来说确实用不上。

---

最后

这几个月跑下来，我最大的感受是：MCP 协议给 Agent 开发打开了一个新的可能性——不再只是「问答」，而是真正可以「办事」的 Agent。 Hotel MCP 和 Flight MCP这块可以试试rollinggo, 是我目前测下来数据覆盖完整、接入最简单的一套工具链，200万+酒店和500+航司的覆盖量，意味着库存是真实可订的，不是那种返回假数据的测试接口，对于酒旅 Agent 开发来说很够用了。

如果你也在做类似的事情，欢迎评论区交流。