TeGo-AI 智能体管理平台 POC 体验手册

本手册专为非技术背景的产品经理和项目管理者设计，通过全功能体验流程，帮助您深入了解 TeGo-AI 平台的核心价值。重点体验智能体引擎（工作流）、智能体创建配置以及 MCP 服务管理三大核心功能。

POC 体验目标

核心体验目标：

• 智能体引擎体验：通过可视化工作流创建智能体，理解平台的核心能力
• 智能体生成体验：体验从零开始创建、配置、测试智能体的完整流程
• MCP 服务管理：了解如何创建和管理 MCP 服务，实现服务集成
• 私有化部署：了解如何服务的私有化部署过程
• 全平台功能验证：体验平台的完整功能生态

体验成果：

• 掌握智能体引擎的使用方法
• 能够独立创建和配置智能体
• 了解 MCP 服务的创建和管理
• 形成对平台价值的全面认知

环境准备

您可以选择以下任一种方式进行体验或者并行体验，我们推荐您优先在我们的体验环境进行体验。

演示环境准备

• 账号获取：联系 zhama@zhama.com 或者 商务 获取体验账号
• 登录操作：访问 TeGo-AI 演示环境，输入账号、密码后点击登录。

私有环境准备

• 访问 部署文档，快速部署环境

全功能体验流程

阶段一 平台基础体验

• 目标：熟悉平台界面，体验基础功能
• 内容：登录平台 → 浏览功能模块 → 体验操练场 → 了解智能体市场
• 体验标准：对平台有基本认识，能够导航使用
• 建议时长：10 分钟

阶段二 智能体引擎体验

• 目标：深入体验智能体引擎（工作流）的核心能力
• 内容：创建工作流 → 配置节点 → 连接流程 → 测试执行
• 体验标准：掌握工作流创建方法，理解节点配置逻辑
• 建议时长：60 分钟

阶段三 MCP 服务创建

• 目标：体验 MCP 服务的创建和管理
• 内容：创建 MCP 服务 → 配置工具 → 测试服务 → 集成到智能体
• 体验标准：能够创建 MCP 服务，实现服务集成
• 建议时长：120 分钟

阶段四 智能体创建

• 目标：创建功能完整的智能体
• 内容：设计智能体 → 配置工作流 → 集成 MCP 服务 → 测试验证
• 体验标准：创建出可用的智能体，实现端到端功能
• 建议时长：180 分钟

阶段五 平台价值评估

• 目标：全面评估平台价值
• 内容：功能总结 → 易用性评估 → 业务价值分析 → 决策建议
• 体验标准：形成完整的平台评估报告
• 建议时长：180 分钟

产品体验指南

本指南旨在用最简单的方式，了解整个平台的相关功能

1. 平台基础体验

1.1 登录平台并熟悉界面

• 操作步骤：

  • 打开浏览器，访问 TeGo-AI 体验环境 或者登录您的私有化环境，http://ip:26000
  • 输入体验账号和密码
  • 点击登录，进入平台主界面
  • 浏览左侧菜单，了解主要功能模块：
    • 智能体引擎：核心工作流功能
    • 智能体市场：智能体展示和管理
    • MCP - MCP 服务：了解 MCP 服务管理
    • MCP - MCP 令牌：了解 MCP 令牌管理功能
    • 模型网关：查看网关的信息和数据
    • 系统 - 系统设置：配置 LDAP 信息，了解系统信息和 LDAP 的配置
    • 系统 - 角色管理：添加一个角色，如何新增角色以及配置角色权限
    • 系统 - 用户管理：添加一位用户，了解如何新增和添加用户

• 验证标准：

  • 成功登录并看到主界面
  • 能够识别主要功能模块
  • 界面布局清晰直观

1.2 浏览智能体市场
注：私有化环境部署后由于预设智能体，无法体验，可访问演示环境进行体验

• 操作步骤：

  • 点击左侧菜单「智能体市场」→「智能体列表」
  • 浏览平台提供的预设智能体
  • 选择一个感兴趣的智能体，点击智能体卡片，"打开交互页面"
  • 体验智能体的对话功能

• 验证标准：

  • 能够找到并使用预设智能体
  • 智能体功能正常
  • 了解智能体的基本概念

2. 配置凭证

2.1 获取 AI 密钥（Key）

• 必读：由于平台跟 AI 是强相关的，所以在体验之前，您需要准备一个大模型的 Key，才能完成后续的体验。以下我们提供几种大模型的 Key 的申请方式供您选择：

模型名称	申请步骤	注意事项
通义千问（阿里云）	1. 注册 阿里云账号 2. 完成实名认证后进入 百炼控制台 开通模型服务 3. 点击控制台右上角「API-KEY」→ 选择主账号空间创建密钥 4. 配置环境变量存储密钥	• 子账号需主账号单独授权才能获取密钥 • 密钥生成后仅显示一次，需立即保存至安全位置 • 免费额度耗尽后需通过企业账号充值续用，支持按调用量计费
文心一言（百度）	1. 注册 百度智能云账号 2. 登录 千帆控制台 创建应用 3. 申请模型权限后获取 AppID、API Key 和 Secret Key 4. 通过官方接口获取 access_token	• access_token 有效期为 30 天，需定期刷新 • 企业用户需提交额外材料申请高权限模型访问资格 • 不同模型的调用配额独立计算，超额后按阶梯费率收费
豆包（字节跳动）	1. 注册 火山引擎账号 2. 完成实名认证后进入 火山方舟控制台 3. 开通豆包模型服务后，在「密钥管理」页面创建 API Key 4. 绑定请求头参数完成配置	• 密钥需严格保密，泄露后需立即在控制台重置 • 免费额度有限（约 5000 次基础调用），超额需通过企业账户充值 • 接口调用频率限制为 100 次/分钟，高并发场景需申请扩容
DeepSeek（深度求索）	1. 通过 DeepSeek 平台 注册账号 2. 登录后进入左侧「API keys」菜单 3. 点击「创建 API KEY」并输入自定义名称 4. 立即复制生成的密钥并保存	• 新用户注册即赠 10 元体验额度，有效期为 30 天 • 无永久免费额度，额度耗尽后需充值才能继续使用 • 密钥删除后无法恢复，建议创建多个密钥区分不同应用场景
OpenAI	1. 通过 OpenAI 注册页面 创建账号（需海外网络环境） 2. 完成邮箱验证和海外手机号验证（可使用接码平台如 sms-activate.org ） 3. 进入 API 密钥管理页面 点击「+ Create new secret key 」生成密钥 4. 绑定国际信用卡激活服务	• 中国大陆地区需通过合规渠道访问，建议使用企业合规服务 • 免费用户提供 100 美元试用额度，有效期 3 个月 • 账号按消费分级，更高层级可获得更高调用速率（最高 Tier 5 支持每月 5 万美元额度） • 禁止使用虚拟手机号注册，可能导致账号封禁
智谱AI（智谱华章）	1. 注册 智谱开放平台账号 2. 完成实名认证后进入 API 密钥管理页面 3. 点击「新建密钥」并选择关联模型 4. 设置密钥权限范围后保存	• 个人用户免费额度每月重置，支持基础模型调用 • 企业用户可申请专属密钥池，支持按部门分配调用配额 • 兼容 Claude 协议，迁移用户可获 2000 万 Tokens 免费额度

2.2 获取令牌
此步骤的配置是通过模型网关，管理原始的 AI 凭证，记录凭证的使用记录和过程，注：如果您没有大模型的密钥（ Key ） ，您可以联系我们获得一个临时的 Key 用于您的测试体验

• 目标：创建 AI 访问凭证，并测试连接通过
• 操作步骤：
  • 步骤一：添加渠道
    • 进入「模型网关」→「渠道管理」页面
    • 点击「添加渠道」按钮
    • 类型选择模型厂商（如： OpenAI 、通义千问、文心一言等，如使用 zhama 提供的 Key ，则选择： OpenAI ）
    • 填写渠道信息：
      • 渠道名称：自定义名称（如： OpenAI-GPT4、 zhama 等）
      • 密钥：输入您的大模型密钥
      • API 配置： API 接口地址（通常使用默认值，不需要填写，如使用 zhama 提供的 Key ，则必须填写： https://llm.zhama.com.cn ）
      • 模型配置：点击获取模型列表，选择可用的模型（如： gpt-4、 gpt-3.5-turbo ）
    • 点击「提交」保存渠道配置
    • 在列表中，点击「测试」，测试渠道添加是否成功
  • 步骤二：创建令牌：
    • 进入「模型网关」→「令牌管理」页面
    • 点击「添加令牌」按钮
    • 填写令牌信息：
      • 令牌名称：自定义名称（如：测试令牌）
      • 令牌分组：选择令牌分组，不选则默认
      • 过期时间：设置令牌有效期（如：30 天）
      • 新建数量：创建 1 个或多个令牌，默认即可
      • 额度设置：设置该令牌可以使用的额度，或者不限制额度
      • 模型列表限制：限制该令牌可以访问哪些模型，为空则不限制
      • IP 白名单：限制那些 IP 可以访问这个模型，为空则不限制
    • 点击「提交」保存渠道配置
    • 在令牌列表中找到刚刚创建的令牌，点击「复制」按钮，保存令牌密钥在下述操作中使用

2.3 创建 AI 访问凭证
此步骤的配置是为了让智能体能够访问到 AI 大模型

• 步骤：创建凭证：
  • 进入「智能体」→「智能体引擎」页面
  • 点击右上角「更多按钮」→「创建凭证」
  • 选择凭证类型：拉下选择或者直接输入「 OpenAi 」，点击继续，弹出凭证创建页面
  • 填写凭证信息：
    • 凭证名称：点击弹窗左上角修改名称，输入自定义名称（如： AI 模型访问凭证）
    • API Key：填写上2.2 述步骤复制的令牌密钥
    • Base URL：如果是私有化部署环境，则填写私有化部署的网关访问 ip 或者域名，如 http://ip:31000；如果是体验环境，则填写：https://llm.zhama.com.cn/v1
    • Add Custom Header：是否添加请求头，默认关闭
    • Allowed HTTP Request Domains：凭证白名单限制，默认 All
  • 点击右上角「保存」按钮，会自动测试连接，连接成功，表示验证凭证可用

2.4 创建邮箱凭证（可选，场景化体验时需要）
此步骤的配置是为了让智能体能够向邮箱发送邮件，用于后续章节的场景体验使用。

• 步骤：创建邮箱凭证：
  • 进入「智能体」→「智能体引擎」页面
  • 点击右上角「更多按钮」→「创建凭证」
  • 选择凭证类型：拉下选择或者直接输入「 SMTP 」，点击继续，弹出凭证创建页面
  • 按下面的配置填写凭证信息：
    • 凭证名称：点击弹窗左上角修改名称，输入自定义名称（如： STMP 凭证）
    • User：794373158@qq.com
    • Password：pxkhyeymctkbbcba
    • Host：smtp.qq.com
    • Port：456
    • SSL：ON
    • 点击右上角「保存」按钮，会自动测试连接，连接成功，表示验证凭证可用

2.5 创建 Postgres 凭证（可选，招聘助理场景需要）
此步骤的配置是为了让智能体能够连接 PostgreSQL 数据库，用于存储和检索简历向量数据。

• 步骤：创建 Postgres 凭证：
  • 进入「智能体」→「智能体引擎」页面
  • 点击右上角「更多按钮」→「创建凭证」
  • 选择凭证类型：拉下选择或者直接输入「 Postgres 」，点击继续，弹出凭证创建页面
  • 按下面的配置填写凭证信息：
    • 凭证名称：点击弹窗左上角修改名称，输入自定义名称（如： Postgres 凭证）
    • Host：your-postgres-host.com（替换为您的 PostgreSQL 服务器地址，一般为内网 IP ，体验服务为：172.18.10.49）
    • Database：postgres（数据库名称，固定值）
    • User：zhama（ PostgreSQL 的访问名）
    • Password：zhama123321（ PostgreSQL 的密码）
    • 点击右上角「保存」按钮，会自动测试连接，连接成功，表示验证凭证可用

3. 智能体引擎体验

3.1 创建工作流结构

• 目标：体验智能体引擎的核心功能，理解工作流的基本概念

• 操作步骤：

  • 步骤一：进入智能体引擎
    • 点击左侧菜单「智能体」→「智能体引擎」→ 点击右上角「创建工作流」按钮，进入工作流编辑页面
    • 点击左上角「 My workflow 」，输入智能体名称：我的智能体
  • 步骤二：添加 Chat Trigger 节点（接收用户输入）
  • 点击页面「添加第一步」按钮，从左侧节点库搜索 Chat Trigger 节点，并拖拽节点到画布
  • 配置 Chat Trigger 参数：
    • Make Chat Publicly Available：ON
  • 点击页面空白处，即可自动保存该节点
  • 步骤三：添加 AI Agent 节点（智能体核心）
    • 点击页面「+」按钮，从左侧节点库搜索 AI Agent 节点，并拖拽节点到画布，连接到 Chat Trigger 节点。
    • 配置 Agent 参数：
      • Source for Prompt (User Message)：Connected Chat Trigger Node
      • Prompt (User Message)：{{ $json.chatInput }}
      • Require Specific Output Format：OFF
      • Enable Fallback Model：OFF
      • 点击页面空白处，即可自动保存该节点
  • 步骤四：为 Agent 添加 Chat Model 节点
    • 点击页面 「 Chat Molde 」下面的 「+」号，从左侧节点库中搜索「 OpenAI Chat Model 」节点，选择拖拽「 OpenAl Chat Model 」节点到画布。注：也可以根据需要选择您的模型，比如 Deepseek 、 Google 或者 OpenAI 的模型
    • 配置 Chat Model 参数：
      • 用于连接的凭证：选择 2.2 配置模型网关 配置的凭证
      • Model：下拉选择一个分析模型
      • 点击页面空白处，即可自动保存该节点。
  • 步骤五：体验智能体
    • 在页面左下方，点击聊天输入框，即可跟智能体进行聊天。
    • 您可以测试输入 你是谁来观察整个 AI 的响应流。
    • 您可以复制一段文本，让 AI 帮助您总结 或者 输入让 AI 来背诵一首古诗，比如 背诵咏鹅

• 验证标准：

  • 工作流结构创建成功
  • 节点连接关系正确
  • 配置参数完整
  • 可以正常与 AI 进行沟通通话

3.2 限定工作流的职能

• 目标：上述的工作流没有限定范围，可以回答很多的文档，现在我们限定一下他的职能，确保他只能干某一件事，通过这个验证工作流功能，体验工作流的职能限定。
• 操作步骤：
  • 步骤一：添加角色限定
    • 双击工作流页面中 「 AI Agent 」节点，打开 Agent 参数配置页面。
    • 点击「 Options 」→ 「 Add Options 」添加参数，下拉选择 System Message。
    • 输入如下的信息，限定职责范围

{
"role": "诗人",
"content": "你是一个诗人，熟读唐诗三百首。但是你只会背古诗，当用户询问其他任何问题时，你只能回答：我不知道。"
}

• 步骤二：测试基础对话

  • 输入：你是谁?
  • 观察智能体的回复
  • 测试：背诵李百的诗

• 验证标准：

  • 智能体智能体只会倍古诗，其他的都只回答我不知道
  • 理解工作流的基本执行逻辑

3.3 生成智能体

• 目标：发布上述的工作流，并通过智能体市场，发布智能体，对外提供访问。

• 操作步骤：

  • 步骤一：保存并发布工作流
    • 点击页面顶部的 「保存」 按钮 ，保存智能体。
    • 点击「非活动」开关 ，完成智能体的发布
    • 进入 「智能体」 → 「智能体市场」，点击搜索，输入上述工作流名称，可查看智能体。
  • 步骤二：体验智能体
    • 点击智能体，进入到对应的智能体交互页面，可进行智能体交互。
    • 复制智能体的访问链接，即可分发给任意用户使用和访问。

• 验证标准：

  • 能够使用智能体
  • 分发的其他用户可以正常访问和使用智能体。

4. MCP 服务体验

经过上述的体验，您已经完成了工作流的创建和智能体的生成。现在，让我们删除上述对智能体诗人的职能限制。您体验会发现，上述的智能体，所有的知识储备，都是基于大模型训练的截止时间的，比如您输入今天日期是多少，智能体会返回一个过去的已经过去的时间：

因此我们需要给智能体添加一些能力，让智能体能够拥有最新的知识。而 MCP 服务刚好可以提供这样的能力，我们接下通过 MCP 的服务能力，来给智能体添加 “知识”。

4.1 创建 MCP 服务

• 目标：体验 MCP 服务的创建过程，理解如何将外部 API 转换为智能体可调用的服务

• 操作步骤：

  • 步骤一：进入 MCP 市场
    • 点击左侧菜单「 MCP 」→「 MCP 服务」
    • 点击页面右上角 「添加服务器」按钮进入添加服务器页面,配置服务信息
      • 服务名称：day（必须为英文，用于生成服务器端点）
      • 服务器分类：实用工具（自定义分类，便于管理）
      • 版本号：1.0.0（格式 x.y.z ，可选）
      • 服务器描述：用于查询当前日期
      • 标签管理：mcp-server、utility（自定义标签，方便分类管理）
  • 步骤三：保存服务器
    • 点击页面底部「创建服务器」按钮
    • 验证服务器创建成功

• 验证标准：

  • 服务器成功创建并显示在列表中
  • 服务器状态为"正常"
  • 能够进入服务器详情页面

4.2 配置工具：日期查询

• 目标：配置第一个工具，实现日期的查询

• 操作步骤：

  • 步骤一：进入工具配置
    • 点击左侧菜单「 MCP 」→「 MCP 服务」→ 「 day 」进入服务器详情页面点击「编辑」
    • 找到「工具配置」，点击「添加工具」， 添加第一个工具，配置参数如下
  • 步骤二：配置工具参数
    • 工具名称：get_day（英文标识符）
    • 工具描述：获取当前日期（清晰描述功能）
  • 步骤三：配置远程服务器
    • Endpoint URL：https://cn.apihz.cn/api/time/getapi.php?id=10008216&key=3c074d9304001048c17d2ed59809c037&type=2 注：该接口为开放接口，可能存在频率限制，注意访问频率
    • HTTP Method：GET
    • Timeout （ ms ）：30000
    • 认证类型：None
  • 步骤四：保存配置
    • 点击页面底部「更新服务器」按钮，保存工具配置
  • 步骤五：启动 MCP 服务
    • 在 MCP 服务详情页面，点击右上角「启动」按钮，启动服务器。

• 验证标准：

  • 工具配置保存成功
  • MCP 服务器正常启动并处于运行中
  • 保存 MCP 服务的 Endpoint (固定值： http://ip:27000/{$MCP 服务名称}/mcp)

4.3 在智能体中接入 MCP 服务

• 目标：在智能体中，接入 MCP 服务，让智能体能够具备查询当前日期的能力。

• 操作步骤：

  • 步骤一：进入智能体引擎编辑页面
    • 点击左侧菜单「智能体」→「智能体引擎」→「工作流」，搜索 「 我的智能体」找到前述步骤创建的工作流，点击进入编辑页面
  • 步骤二：为 Agent 添加 Tool 节点
    • 点击页面 「 Tool 」下面的 「+」号，从左侧节点库中搜索「 MCP Client Tool 」节点，选择拖拽「 MCP Client Tool 」节点到画布。
    • 配置 MCP Client Tool 参数：
      • Endpoint：体验环境：https://mcp.zhama.com.cn/day/mcp，私有化部署环境：http://ip:27000/day/mcp
      • Server Transport：下拉选择HTTP Streamable
      • 点击页面空白处，即可自动保存该节点。
  • 步骤二：测试对话
    • 在输入框中输入：今天是什么日期
    • 观察智能体的回复

• 验证标准：

  • 智能体能够正确的去查询 day - MCP 服务
  • 智能体能够正确返回日期

5. 模型网关体验

• 目标：在模型网关中，可以查看到本次体验的所有的 Token 使用详情。
• 查看整体消耗数据：
  • 点击左侧菜单「模型网关」→「模型网关」→「数据看板」，可以分类浏览本体验所消耗的所有的 Token 数量和金额。
• 查看使用日志：
  • 点击左侧菜单「模型网关」→「模型网关」→「使用日志」，可以查看到详细的数据请求信息

6. 日志与调试

• 目标：在「智能体」模块中，可以查看到所有的智能体运行的日志，点击可以查看详细的日志信息。
• 日志与调试：
  • 点击左侧菜单「智能体」→「智能体引擎」→「执行」，可以查看到所有的工作流的运行日志和状态
  • 点击工作流的 「 名称」 ，可以进入该工作流查看所有的运行记录，点击记录可以查看工作流的运行日志和状态
  • 在详情中点击工作流顶部的 「编辑器」按钮，可以快速进入编辑调整工作流。

总结

通过上述的体验，您可以感受到 TeGo-AI 智能体平台的强大之处：

可视化零代码开发

• 可视化工作流编排：通过拖拽式节点连接，无需编程基础即可构建复杂的智能体工作流
• 可视化 UI 动态生成：支持 MCP Elicitation 机制， JSON-Schema 秒变交互表单，5秒响应需求变更
• 可视化服务器创建：通过图形化界面快速创建和配置 MCP 服务，无需编写代码

极速部署与集成

• 30分钟快速上线：基于 OpenAPI/Swagger 自动封装现有 REST 服务为 MCP Server
• 零代码接入企业系统：无需修改现有系统，即可将企业接口转换为智能体可调用的服务
• 一键智能体发布：工作流创建完成后，一键发布到智能体市场，立即可用

灵活定制与管理

• 任意定制智能体：通过系统提示词和工具配置，可创建专用于任何业务场景的智能体
• 统一模型管理：支持50+主流 AI 模型，提供统一的 API 接口和智能路由
• 企业级权限管控：完整的 LDAP 认证、角色管理、权限分配体系

强大的扩展能力

• 350+开箱即用节点：覆盖 AI 、应用集成、通信、数据库等全场景
• 智能工具集成：通过 MCP 协议，智能体可自动调用外部 API 和工具，扩展能力边界
• 灵活服务编排：支持多种部署模式，从单节点到企业集群，满足不同规模需求

完善的监控体系

• 实时数据看板： Token 使用量、成本统计一目了然
• 详细使用日志：完整的 API 调用记录和审计追踪
• 智能成本控制：支持按用户、按模型、按时间维度的精细化配额管理

这些特性让 TeGo-AI 成为真正意义上的企业级 AI 基础设施平台，让 AI 应用的开发、部署和运维变得前所未有的简单高效！

场景化体验指南

在您了解了以上的产品功能后，接下来我们来应用一些实际的场景，来体验平台更强到的功能。

资讯推送

场景描述：
定时任务，固定时间查询最新的头条资讯，然后按照一定的规则进行筛选，自动给推送给指定用户。

• 目标：创建一个定时任务，每天自动获取当日的头条财经资讯
• 操作步骤：
  • 步骤一：创建 MCP 服务
    • 点击左侧菜单「 MCP 」→「 MCP 服务」→「添加服务器」，配置服务信息
      • 服务名称：hotnews（必须为英文，用于生成服务器端点）
      • 服务器分类：实用工具（自定义分类，便于管理）
      • 版本号：1.0.0（格式 x.y.z ，可选）
      • 服务器描述：获取热点资讯
      • 标签管理：mcp-server、utility（自定义标签，方便分类管理）
      • 工具名称：点击添加工具，填写工具名称：get_hotnews（英文标识符）
      • 工具描述：获取热点资讯（清晰描述功能）
      • Endpoint URL：点击 「远程服务配置」 → 添加配置 ，输入http://v.juhe.cn/toutiao/index?type=caijing&key=d268884b9b07c0eb9d6093dc54116018&pageSize=10 注：该接口为开放接口，可能存在频率限制
      • HTTP Method：GET
      • Timeout （ ms ）：30000
      • 认证类型：None
    • 点击页面底部「创建服务器」，完成服务器的创建，回到 MCP 服务详情页面，点击 「启动」将服务器部署启动，使其处于运行状态
  • 步骤二：创建智能体
    • 从节点库搜索「 Schedule Trigger 」节点，拖拽到画布
    • 配置定时参数：
      • Trigger Interval：定时器的频率，可自定义时间，此处我们选择 Minutes
      • Between Triggers：1，表示每一分钟执行一次
    • 继续从节点库搜索「 AI Agent 」节点，拖拽到画布，添加至「 Schedule Trigger 」节点之后
    • 配置 Agent 参数：
      • Source for Prompt (User Message)：Define below
      • Prompt (User Message)：{}，传空串即可
      • Require Specific Output Format：OFF
      • Enable Fallback Model：OFF
      • Options： Add Option → SystemMessage,输入 AI 的限定 你是一个资讯专家，你将获取到的咨询，整理成一个 HTML 的文本，返回给用户。
      • 点击页面空白处，即可自动保存该节点
    • 继续从节点库搜索「 OpenAI Chat Model 」节点，拖拽到画布， 添加至 Agent 节点下的 Chat Model 节点
    • 配置 Chat Model 参数：
      • 用于连接的凭证：选择 2.2 配置模型网关 配置的凭证
      • Model：下拉选择一个分析模型
      • 点击页面空白处，即可自动保存该节点。
    • 继续从节点库搜索「 MCP Client Tool 」节点，拖拽到画布， 添加至 Agent 节点下的 Tool 节点
    • 配置 MCP Client Tool 参数：
      • Endpoint：配置上述 MCP 服务的地址：https://mcp.zhama.com.cn/hotnews/mcp
      • Server Transport：下拉选择HTTP Streamable
      • 点击页面空白处，即可自动保存该节点。
    • 继续从节点库搜索「 Send email 」节点，拖拽到画布， 添加至 Agent 节点之后
    • 配置 Send email 参数：
      • 用于连接的凭证：选择2.4章节配置的「 STMP 凭证」
      • Operation：下拉选择 Send
      • From Email：发件邮件，填写 794373158@qq.com
      • To Email：收件邮件，填写您的任意 个人邮箱
      • Subject：邮箱标题，自定义，如 每日财经新闻摘要
      • Email Format：邮件内容格式，选择 HTML
      • HTML：{{ $json.output }},表示 AI 整理后的内容
  • 步骤三：保存并发布工作流
    • 点击页面顶部的 「保存」 按钮 ，保存智能体。
    • 点击「非活动」开关 ，完成智能体的发布
    • 等待到达预设时间，登录您的个人邮箱，查看信息
    • 提示：您验证完成请及时下架，设置为非活动状态，以免接口频率超限制。
  • 验证标准：
    • 个人邮箱可以正常收到热点信息。

适用场景

招聘助理

场景描述：
智能招聘助手，通过 Webhook 接收客户上传的简历， AI 自动分析简历与岗位的匹配度，根据匹配度自动发送不同等级的邮件通知。

• 目标：创建一个智能招聘系统，自动处理简历筛选和邮件通知

• 操作步骤：

  • 步骤一：创建 MCP 服务
    • 点击左侧菜单「 MCP 」→「 MCP 服务」→「添加服务器」，配置服务信息
      • 服务名称：jd-info（必须为英文，用于生成服务器端点）
      • 服务器分类：实用工具（自定义分类，便于管理）
      • 版本号：1.0.0（格式 x.y.z ，可选）
      • 服务器描述：获取招聘岗位信息
      • 标签管理：mcp-server、hr、recruitment（自定义标签，方便分类管理）
      • 工具名称：点击添加工具，填写工具名称：get_job_positions（英文标识符）
      • 工具描述：获取所有招聘岗位信息（清晰描述功能）
      • 实现代码：点击 实现代码切换到代码实现的目录，输入岗位招聘要求，比如

      const jdInfo = {
        "positions": [
          {
            "title": "高级前端架构师",
            "department": "技术部",
            "level": "专家级",
            "location": "北京/上海/深圳",
            "salary_range": "40-60K",
            "requirements": {
              "education": "本科及以上学历，计算机相关专业",
              "experience": "8-12年前端开发经验，3年以上架构设计经验",
              "skills": [
                "精通 React 、 Vue3、 Angular 等主流框架源码原理",
                "深度掌握 TypeScript 、 WebAssembly 、 WebGL 等前沿技术",
                "具备微前端架构设计经验（ qiankun 、 single-spa 等）",
                "熟悉前端工程化体系（ Webpack5、 Vite 、 Rollup 、 esbuild ）",
                "掌握前端性能优化和监控体系搭建",
                "具备大型项目重构和迁移经验"
              ],
              "preferred": [
                "有开源项目维护经验， GitHub Star 1000+",
                "熟悉 Node.js 全栈开发",
                "具备前端团队管理经验",
                "有技术分享和培训经验"
              ]
            },
            "responsibilities": [
              "负责前端技术架构设计和演进",
              "制定前端开发规范和最佳实践",
              "指导团队进行复杂前端项目开发",
              "解决前端技术难题和性能瓶颈",
              "参与产品技术决策和规划"
            ],
            "benefits": "五险一金、年终奖、股权激励、弹性工作、技术培训"
          }
        ],
        "company_info": {
          "name": "TeGo-AI",
          "industry": "人工智能",
          "scale": "50-200人",
          "stage": "B 轮",
          "culture": "技术驱动、开放包容、持续学习",
          "contact": {
            "email": "hr@tego-ai.com",
            "phone": "400-888-8888",
            "website": "https://www.tego-ai.com"
          }
        }
      };
      // 返回这个对象
      return jdInfo;
      

    • 点击页面底部「创建服务器」，完成服务器的创建，回到 MCP 服务详情页面，点击 「启动」将服务器部署启动，使其处于运行状态
  • 步骤二：创建工作流
    • 点击左侧菜单相关入口，进入工作流编辑页面
    • 从节点库搜索「 n8n form 」→ 选择触发器节点「 On form submission 」，拖拽到画布
    • 配置「 On form submission 」参数：
      • Form Title：简历投递
      • Form Description：请上传简历
      • Form Fields：点击添加字段
        • Field Label：Resume
        • Field Type：file
        • Accept File Types：.pdf
      • responseMode：lastNode
    • 继续从节点库搜索「 Extract from File 」→ 「 Extract from FDF 」节点，拖拽到画布，添加至「 On form submission 」节点之后
    • 配置参数：
      • operation：.pdf
      • binaryPropertyName：Resume
    • 继续从节点库搜索「 AI Agent 」节点，拖拽到画布，添加至「 Postgres PGVector Store 」节点之后
    • 配置 Agent 参数：
      • Source for Prompt (User Message)：Define below
      • Prompt (User Message)：{{ $json.text }}
      • Require Specific Output Format：OFF
      • Enable Fallback Model：OFF
      • Options： Add Option → SystemMessage,输入 AI 的限定：

      你是一名专业的 HR 招聘专家。请先获取所有招聘岗位信息，然后根据简历内容与岗位要求进行匹配度分析，并给出客观、专业的评估结果。评估结果需包含以下字段（以 JSON 格式返回，不要包含其他内容）：
      - match_position （匹配岗位，若无匹配则为 null ）
      - match_score （匹配度分数，0-100）
      - match_analysis （匹配分析）
      - strengths （优势）
      - weaknesses （不足）
      - recommendation （推荐建议）
      - report （候选人评估报告，使用 HTML 格式）
      返回结果必须为合法 JSON ，无需额外说明
      

    • 继续从节点库搜索「 OpenAI Chat Model 」节点，拖拽到画布， 添加至 Agent 节点下的 Chat Model 节点
    • 配置 Chat Model 参数：
      • 用于连接的凭证：选择 2.2 配置模型网关 配置的凭证
      • Model：下拉选择一个分析模型
      • 点击页面空白处，即可自动保存该节点。
    • 继续从节点库搜索「 MCP Client Tool 」节点，拖拽到画布， 添加至 Agent 节点下的 Tool 节点
    • 配置 MCP Client Tool 参数：
      • Endpoint：配置上述 MCP 服务的地址：https://mcp.zhama.com.cn/jd-info/mcp
      • Server Transport：下拉选择HTTP Streamable
      • 点击页面空白处，即可自动保存该节点。
    • 继续从节点库搜索「 code 」节点，拖拽到画布，添加至「 AI Agent 」节点之后
    • 配置代码参数：
      • Model： Run Once for All Items
      • Language： JavaScript
      • ： JavaScript：

      const aiResponse = $input.first().json.output;
      // 使用正则表达式提取 JSON 部分
      const jsonMatch = aiResponse.match(/```json\n([\s\S]*?)\n```/);
      
      if (jsonMatch && jsonMatch[1]) {
        try {
          const parsedData = JSON.parse(jsonMatch[1].trim());
          return parsedData;
        } catch (error) {
          throw new Error(`JSON 解析错误: ${error.message}`);
        }
      } else {
        throw new Error('未找到有效的 JSON 数据');
      }
      

    • 继续从节点库搜索「 IF 」节点，拖拽到画布，添加至「 Code in JavaScript 」节点之后
    • 配置 IF 条件判断：
      • 值1：{{ $json.match_score >= 75 }}
      • AB：大于或者等于
      • 值2：75
    • 继续从节点库搜索「 Send Email 」节点，拖拽到画布，添加至 IF 节点的 True 分支
    • 配置邮件参数：
      • 用于连接的凭证：选择「 STMP 凭证」
      • fromEmail：794373158@qq.com
      • toEmail：xuguoyong@finogeeks.com
      • subject：您有一份新的简历待处理
      • html：{{ $json.report }}
    • 继续从节点库搜索「 n8n Form 」→ 「 Form Ending 」节点，拖拽到画布，添加至「 Send email 」节点之后
    • 配置 Form 参数：
      • completionTitle：恭喜您，简历投递成功！
      • completionMessage：您的简历与我们的岗位要求非常匹配，我们将在24小时内与您取得联系~
    • 继续从节点库搜索「 n8n Form 」→ 「 Form Ending 」节点，拖拽到画布，添加至 IF 节点的 False 分支
    • 配置 Form 参数：
      • completionTitle：非常遗憾，简历不匹配！
      • completionMessage：您的简历与我们的要求不符，我们已经将您的简历存放至我们的人才库。
  • 步骤三：保存并发布工作流
    • 点击页面的执行工作流，即可体验该智能体。
    • 提示：请确保 Webhook URL 可以被外部访问，用于接收简历上传请求。

• 验证标准：

  • 通过 Webhook 上传简历数据，能够自动分析匹配度
  • 匹配度 ≥ 75 分时，发送高匹配度邮件通知
  • 匹配度 < 75 分时，发送感谢邮件和评估建议
  • 邮件内容包含详细的匹配分析和改进建议

适用场景

天气助理

场景描述
天气助手，通过 Webhook 接收用户的天气查询请求， AI 自动分析查询内容中的城市信息，调用天气 API 获取实时天气数据，整理后返回给用户，并在极端天气时自动发送预警通知。

• 目标：创建一个智能天气查询系统，自动处理天气查询请求并提供个性化反馈

• 操作步骤：

  • 步骤一：创建 MCP 服务
    • 点击左侧菜单「 MCP 」→「 MCP 服务」→「添加服务器」，配置服务信息
      • 服务名称：weather-service（必须为英文，用于生成服务器端点）
      • 服务器分类：实用工具（自定义分类，便于管理）
      • 版本号：1.0.0（格式 x.y.z ，可选）
      • 服务器描述：获取城市天气信息：1. 根据城市名查 adcode ；2. 根据 adcode 查天气
      • 标签管理：mcp-server、weather、utility（自定义标签，方便分类管理）
      • 添加工具，工具一： get_city_adcode （根据城市名称获取编码）
        • 工具名称：get_city_adcode
        • 工具描述：根据城市中文名称获取对应的城市编码 adcode
        • 参数列表：
          • 参数名称：address
          • 参数类型：string
          • 是否必填：是
          • 参数描述：城市名称（如"北京"）
        • 远程服务器配置：
          • Endpoint URL：https://restapi.amap.com/v3/geocode/geo?address={address}&output=JSON&key=6379976a9bc049d53bfc456716b09abe
          • HTTP Method：GET
          • Timeout （ ms ）：30000
          • 认证类型：None
      • 添加工具，工具二： get_weather_info （根据城市编码获取天气）
        • 工具名称：get_weather_info
        • 工具描述：根据城市编码 adcode 获取实时天气信息
        • 参数列表：
          • 参数名称：city
          • 参数类型：string
          • 是否必填：是
          • 参数描述：城市编码 adcode （如"110000"）
        • 远程服务器配置：
          • Endpoint URL：https://restapi.amap.com/v3/weather/weatherInfo?key=6379976a9bc049d53bfc456716b09abe&city={city}
          • HTTP Method：GET
          • Timeout （ ms ）：30000
          • 认证类型：None
        • 点击页面底部「创建服务器」，完成服务器的创建，回到 MCP 服务详情页面，点击「启动」将服务器部署启动，使其处于运行状态
  • 步骤二：创建工作流
    • 点击左侧菜单「智能体引擎」→「工作流列表」→「创建工作流」，进入工作流编辑页面
    • 从节点库搜索「 Webhook 」节点，拖拽到画布作为触发节点
    • 配置「 Webhook 」参数：
      • 参数名称：query
      • 类型：String
      • 是否必填：是
      • 描述：用户的天气查询内容（如"北京今天天气如何"）
    • 继续从节点库搜索「 AI Agent 」节点，拖拽到画布，添加至「 Webhook 」节点之后
    • 配置 Agent 参数：
      • Source for Prompt (User Message)：Define below
      • Prompt (User Message)：{{ $json.query }}
      • Require Specific Output Format：OFF
      • Enable Fallback Model：OFF
      • Options： Add Option → SystemMessage ，输入 AI 的限定：

      你是一名专业的天气查询助手。请按以下流程处理用户请求：
      1. 分析用户输入，提取城市信息（若未明确指定，询问用户或默认使用北京市）
      2. 调用 get_city_adcode 工具获取对应城市的 adcode
      3. 使用获取到的 adcode 调用 get_weather_info 工具获取天气数据
      4. 整理天气信息（包含城市、天气状况、温度、风向等），以自然语言友好呈现
      5. 若天气为暴雨、台风等极端天气，需添加安全提示
      返回结果无需使用任何格式标记，直接输出自然语言
      

    • 继续从节点库搜索「 OpenAI Chat Model 」节点，拖拽到画布，添加至「 AI Agent 」节点下的 Chat Model 节点
    • 配置 Chat Model 参数：
      • 用于连接的凭证：选择已配置的模型网关凭证
      • Model：下拉选择合适的分析模型（如 gpt-3.5-turbo ）
      • 点击页面空白处自动保存该节点
    • 继续从节点库搜索「 MCP Client Tool 」节点，拖拽到画布，添加至「 AI Agent 」节点下的 Tool 节点
    • 配置 MCP Client Tool 参数：
      • Endpoint：https://mcp.zhama.com.cn/weather-service/mcp
      • Server Transport：HTTP Streamable
      • 点击页面空白处自动保存该节点
    • 继续从节点库搜索「 IF 」节点，拖拽到画布，添加至「 AI Agent 」节点之后
    • 配置 IF 条件判断：
      • 值1：{{ $json.weather.includes("暴雨") || $json.weather.includes("台风") || $json.weather.includes("雷暴") }}
      • AB：等于
      • 值2：true
      • 继续从节点库搜索「 Send Email 」节点，拖拽到画布，添加至 IF 节点的 True 分支（极端天气时）
    • 配置邮件参数：
      • 用于连接的凭证：选择 STMP 凭证
      • fromEmail：794373158@qq.com
      • toEmail：user@example.com
      • subject：极端天气预警通知
      • html：{{ "【紧急通知】"+$json.city+"当前天气为"+$json.weather+",请注意防范安全风险！" }}
    • 继续从节点库搜索「 Respond to Webhook 」节点，拖拽到画布，分别添加至 IF 节点的 True 分支（邮件节点后）和 False 分支
    • 配置响应参数：
      • Response Body：{{ $json.response }}
      • Response Code：200
  • 步骤三：保存并发布工作流
    • 点击页面顶部的「保存」按钮，保存工作流
    • 点击「 active 」开关，将其从「 false 」切换为「 true 」，完成工作流的发布
    • 获取 Webhook URL （可在「 Webhook 」节点的配置中查看）
    • 提示：确保 Webhook URL 可被外部访问，用于接收用户的天气查询请求

• 验证标准：

  • 通过 Webhook 发送城市天气查询，能正确返回包含温度、天气状况的信息
  • 未指定城市时，默认返回北京市天气并提示用户
  • 遇到暴雨、台风等极端天气时，自动发送预警邮件
  • 响应格式为自然语言，包含必要的天气细节和安全提示。

适用场景

场景体验总结

通过上述的体验，您可以感受到 TeGo-AI 智能体平台在实际业务场景中的强大应用能力：

资讯推送场景

• 自动化资讯收集：通过 MCP 服务集成外部资讯 API，实现定时自动获取最新资讯
• 智能内容整理：AI 自动分析、筛选、格式化资讯内容，生成结构化报告
• 精准推送分发：基于用户画像和内容标签，实现个性化资讯推送

招聘助理场景

• 智能简历解析：自动提取 PDF 简历中的关键信息，结构化存储候选人数据
• AI 匹配分析：基于岗位要求和简历内容，智能计算匹配度并生成详细分析报告
• 自动化通知反馈：根据匹配度自动发送不同等级的邮件通知，提升候选人体验

天气助手场景

• 实时天气查询：集成天气 API，支持多城市天气信息查询和预警
• 智能预警机制：自动识别极端天气，触发预警通知和业务决策建议
• 业务决策支持：为物流、农业、旅游等行业提供天气相关的业务决策依据

强大的场景扩展能力

• 多行业适配：支持金融、传媒、政府、企业、物流、农业等各行业场景
• 灵活业务逻辑：通过条件分支、循环控制等节点，实现复杂的业务逻辑编排
• 无缝系统集成：支持 Webhook、API、数据库等多种集成方式，快速对接现有系统

企业级场景保障

• 高并发处理：支持大规模用户同时使用，确保服务稳定性
• 数据安全保障：完整的数据加密、权限控制、审计日志体系
• 成本效益优化：通过智能调度和资源优化，降低运营成本 30-50%

场景快速落地

• 30分钟场景搭建：从需求分析到场景上线，最快 30 分钟完成
• 零代码场景配置：通过可视化界面配置业务逻辑，无需编程基础
• 一键场景发布：场景配置完成后，一键发布到生产环境，立即可用

这些场景体验让 TeGo-AI 成为真正意义上的企业级 AI 应用平台，让复杂业务场景的自动化实现变得前所未有的简单高效！

MCP 动态服务发现

功能背景

体验到这里，您会发现一个关键问题：企业通常拥有大量的 MCP 服务（如 1000+ 个），但传统方式下每次只能对接一个服务，效率极低。如果为每个 MCP 服务都创建对应的智能体，不仅管理复杂，而且资源浪费严重。

核心功能

智能服务发现

• 语义理解：通过自然语言描述，智能识别用户需要的服务类型
• 自动匹配：基于服务描述和功能标签，自动匹配最合适的 MCP 服务
• 动态调用：无需预先配置，实时发现并调用相关服务

多服务协同

• 服务组合：自动组合多个相关服务，提供完整的解决方案
• 智能路由：根据用户需求，智能选择最优的服务组合路径
• 统一接口：通过单一入口访问所有 MCP 服务，简化调用流程

企业级管理

• 服务注册：支持批量注册和管理大量 MCP 服务
• 权限控制：基于用户角色和部门，控制服务访问权限
• 使用统计：实时监控服务调用情况，优化资源配置

使用场景

智能客服场景

• 用户询问："今天天气如何？" → 自动调用天气服务
• 用户询问："我想找工作" → 自动调用招聘服务
• 用户询问："最新新闻" → 自动调用资讯服务

企业服务集成

• 财务查询：自动调用财务系统服务
• 人事管理：自动调用 HR 系统服务
• 项目管理：自动调用项目管理服务

跨部门协作

• 销售部门：自动调用客户管理、订单处理等服务
• 技术部门：自动调用代码管理、部署监控等服务
• 运营部门：自动调用数据分析、报表生成等服务

技术优势

零配置调用

• 无需预先创建智能体，直接通过自然语言调用服务
• 支持动态服务发现，新服务上线即可自动识别
• 智能参数映射，自动处理不同服务的参数格式

高性能处理

• 支持并发调用多个服务，提升处理效率
• 智能缓存机制，减少重复调用，提升响应速度
• 负载均衡，确保服务调用的稳定性和可靠性

灵活扩展

• 支持自定义服务描述和标签，提升匹配准确性
• 支持服务版本管理，确保向后兼容性
• 支持服务降级和容错，保证系统稳定性

体验方式

您可以通过以下链接体验 MCP 动态服务发现功能：

体验地址：https://tego.zhama.com.cn/ai-engine

测试用例：

• 输入："今天天气如何？" - 体验天气服务自动发现
• 输入："我想找工作" - 体验招聘服务自动发现
• 输入："我想要最新的新闻" - 体验资讯服务自动发现

通过这个功能，您将体验到 TeGo-AI 平台在服务管理和智能调用方面的强大能力，真正实现"一个平台，所有服务"的企业级 AI 应用体验！