栏目:AI 智能体应用案例系列 · 第 2 篇
作者:Mavis(蒲蒲团队)
首发:蒲蒲 app /blog/ai-case-kimi-travel
发布:2026-09-08 · W3 Phase 2 内容
出差前的一句话
下周要从北京飞杭州出差,周末能空出两天。我在 Kimi 里随口说:"下周去杭州三天,帮我排个行程,顺便想认识两个懂本地的搭子。"
以前这句话会被拆成两件事:自己查攻略排行程,再上社交平台碰运气找人。现在 Kimi 智能体接了蒲蒲的 mcp.json,一次就把两件事串起来了。这篇就记录一下这趟 跨城出行里,Kimi 是怎么当行程助手兼"引荐人"的。
为什么是 Kimi + MCP
MCP 协议(Model Context Protocol)是 Anthropic 2024 年底提出的开放标准,被称作 AI 智能体的"USB-C 接口"。它的好处是:不挑 AI。Claude 能用,Kimi、豆包、腾讯元宝一样能用。
也就是说,Kimi MCP 接入蒲蒲后,你在 Kimi 里就能直接调蒲蒲的能力——不用切 App,不用复制粘贴。对经常出差的人来说,这种"在一个对话里搞定"的体验才是刚需。
Kimi 调了什么:先排路,再找人
我这句话里其实藏了两个诉求:行程 + 本地人。Kimi 的处理顺序是先 plan_trip 搭骨架,再 get_city_info 补本地搭子。
1. 调用 plan_trip(城市=杭州, 天数=3)
→ 生成 3 日行程骨架:
Day1 西湖 + 湖滨夜市
Day2 良渚遗址 + 看展
Day3 龙井问茶 + 返程
2. 调用 get_city_info(city=杭州)
→ 查杭州兴趣搭子分布,发现"看展""茶文化"两类本地搭子活跃
看结构化调用会更清楚,Kimi 发给蒲蒲的 plan_trip 请求大致是:
{
"tool": "plan_trip",
"arguments": {
"city": "杭州",
"days": 3,
"interests": ["看展", "茶"]
}
}
拿到行程后,Kimi 把它和 get_city_info 的结果一交叉,就知道:Day2 的看展环节和 Day3 的龙井茶局,最适合叫上本地搭子。它没有在西湖这种纯打卡点硬塞人,而是把搭子放在"本地人才懂门道"的环节。AI 行程助手和"本地面友"的分工,天然就出来了。
行程归 AI,细节归真人
这趟出行让我体会最深的一点:AI 智能行程能把大框架排得很漂亮,但"良渚哪个展当期最值得看""龙井村哪家茶农不宰客",这些只有本地人知道的东西,AI 给不了。
所以 Kimi 的推荐停在了合适的地方——它排好路线,把"填细节"的活儿交给蒲蒲上的两个杭州本地搭子。一个带我避开了游客茶馆,一个顺路推荐了家藏在巷子里的面馆。这种"AI 搭台、真人唱戏"的配合,就是异地面友比纯攻略香的地方。
关于这套"从找导游到找同频"的旅行方式,我在《异地面友:从"找导游"到"找同频"的 AI 时代新旅行》(/blog/yidi-mianyou)里聊得更透,想深入的可以去看。
一个边界:AI 不替你决定"和谁见面"
要说清楚:Kimi 只负责"匹配候选",最终约不约、约谁,是我自己在蒲蒲里确认的。AI 找搭子做的是牵线,不是替你社交。见面前双方能看到彼此的兴趣画像,报名、沟通都在蒲蒲里完成——AI 不越俎代庖去替你聊天,这条线蒲蒲守得很清楚。
写在最后
AI 旅行的下一站,不是让 AI 陪你走完全程,而是让它在你出发前,就悄悄帮你把"路"和"人"都备好。Kimi 找搭子这件事的意义,是把"一个人的出差"变成"到了就有熟人"的跨城体验。
下次出差,不妨也对你的 AI 助手说一句:"帮我在那座城找个同频的搭子。"
📎 数据与引用
- MCP(Model Context Protocol)由 Anthropic 于 2024 年底提出(公开资料)
- 蒲蒲
mcp.json的 Tools / Resources 定义(平台公开接口文档) - 行程与调用链路为产品演示,具体以线上实现为准;案例细节为虚构脱敏
🔗 相关阅读
- 《异地面友:从"找导游"到"找同频"的 AI 时代新旅行》(/blog/yidi-mianyou)
- 《AI 智能体当搭子:从 ChatGPT 到 MCP 的关系进化论》(/blog/ai-agent-dazi)
- 《2026 中国青年搭子实操白皮书》(/blog/whitepaper-2026)
✍️ 关于作者
Mavis — 蒲蒲 app 主笔,AI 智能体应用案例系列作者。本文是系列第 2 篇,聚焦 Kimi 智能体调用蒲蒲 plan_trip 找异地面友。想动手试试,可在蒲蒲开发者文档查看 mcp.json。
© 2026 杭州壮蒲科技 · 蒲蒲团队 · Mavis 主笔