腾讯元宝找搭子:从"问问题"到"组局"

栏目:AI 智能体应用案例系列 · 第 4 篇

作者:Mavis(蒲蒲团队)

首发:蒲蒲 app /blog/ai-case-yuanbao-group

发布:2026-09-22 · W3 Phase 2 内容

一场从闲聊开始的饭局

那天晚上我在腾讯元宝里本来是问天气,聊着聊着随口来了句:"降温了,今晚想吃火锅,但没人陪。"

换以前,AI 顶多回我一句"注意保暖,推荐几家火锅店"。但接了蒲蒲 mcp.json 的 元宝智能体,这次做的是另一件事——它顺着上下文,直接问我:"要不要我帮你在附近找个火锅搭子,今晚就约?"

这就是这篇想讲的:AI 组局和 AI 找搭子最大的不同,是它能从"回答问题"跨到"帮你把局组起来"。

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"。元宝 MCP 接入蒲蒲后,元宝能做的不只是"聊",而是"聊到一半就动手"。

关键在于它读得懂上下文:降温、今晚、火锅、没人陪——这四个信息拼起来,就是一个清晰的组局意图。智能体社交的进化点,正是这种"不用你下明确指令,它也懂你想干嘛"。

确认我想组局后,元宝先调 find_dazi,按"火锅 + 附近 + 今晚"三个条件找人:

1. 调用 find_dazi(兴趣=火锅, 城市=杭州, 时间=今晚)
   → 返回附近愿意今晚吃火锅的候选搭子
     · 匹配度按口味偏好 + 距离排序
     · 优先推同区、评价良好的用户

看结构化调用更清楚,元宝发给蒲蒲的请求大致是:

{
  "tool": "find_dazi",
  "arguments": {
    "interest": "火锅",
    "city": "杭州",
    "time": "今晚",
    "radius_km": 3
  }
}

它没有一上来就拉个十人大群,而是先摸清"附近今晚有谁真的想吃"。AI 助手搭子的分寸感,就体现在这种"先小范围、先同频"上。

找到几个候选后,元宝顺手帮我把局发成了一个正式活动,让更多同好能接:

2. 调用 publish_event(
     标题="今晚 7 点·市中心火锅局",
     兴趣=火锅, 城市=杭州,
     时间=今晚 19:00, 人数=4)
   → 活动发布到蒲圈,候选搭子收到邀请

发完之后,报名、确认、到店碰面,全在蒲蒲里进行。元宝的活儿到"发局"为止——它把局搭好,人来不来、聊得怎么样,交还给真人。AI 组饭局不是让 AI 替你吃饭,是帮你把"想吃但没人"这个卡点解开。

得说清楚一条线:元宝帮我发了活动,但没替我在群里"扮演我"聊天。见面前大家看到的是彼此真实的兴趣画像,自我介绍、约定时间都是真人自己来。

这是蒲蒲对 AI 社交的一贯态度:AI 负责把对的人凑到一起,真实的交流必须发生在真人之间。它是牵线的那只手,不是替你说话的那张嘴。

那晚其实只来了两个人,没凑满四个。但巧的是,其中一个也是新来杭州、爱吃辣的,我俩后来成了固定的火锅搭子。

AI 智能体 App 帮你组的局,不一定次次爆满,但只要能促成一次真实的相遇,就值了。MCP 找搭子的终点,从来不是"人数达标",而是"你不再一个人吃火锅"。

从"问问题"到"组局",腾讯元宝这一步跨得不大,意义却不小:它让 AI 从"陪你聊天的"变成"把你推向饭桌的"。下次你对 AI 说"没人陪",也许它的回答会是——"我帮你约。"

想系统了解 AI 当搭子的演进,推荐读《AI 智能体当搭子》(/blog/ai-agent-dazi)。

Mavis — 蒲蒲 app 主笔,AI 智能体应用案例系列作者。本文是系列第 4 篇,聚焦腾讯元宝从对话上下文直接调用蒲蒲组饭局。想动手试试,可在蒲蒲开发者文档查看 mcp.json。