第二次软工作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24/
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24/homework/15646
这个作业的目标	使用现代 AI 工具构建一个具备 语言交互（会说） 和 行动执行（会做） 能力的智能体（Agent），智能体应能够在指定场景中接收自然语言输入、理解任务意图，并自动完成相应操作
学号	3124004316

基于 MCP 的 Java 智能生活助手 Agent 开发实践
一.Agent 说明文档
1. 需求描述
1.1 项目名称
基于 MCP 的智能生活助手 Agent（Java 版）

1.2 项目背景
用户日常有生活咨询、电脑问题解答、出行规划等需求，传统交互方式需要用户记忆复杂指令、操作繁琐，且本地智能体开发门槛高。本项目基于Model Context Protocol (MCP) 架构，用 Java 语言打造纯本地运行的智能生活助手，通过自然语言对话自动调用工具完成任务，无需依赖外部大模型 API，实现「能说会做」的智能体能力，提升日常交互体验。

1.3 核心目标
开发本地独立运行的智能助手，基于 MCP 分层架构实现两大核心能力：
能说：支持自然语言对话，精准理解用户日常问题，给出专业、清晰的回答
会做：可扩展工具调用能力，支持后续接入文件操作、任务管理等工具，符合 MCP 协议规范

核心功能：
日期时间智能问答（自动计算今天 / 明天星期几）
电脑问题专业解答（游戏卡顿、C 盘清理等常见问题）
出行游玩推荐（刺激景点、出行规划建议）
通用对话交互，支持多轮上下文对话
纯本地运行，无外部依赖，开箱即用

1.4 非功能性要求
本地独立运行，无外部 API 依赖，无需充值、无需联网
架构清晰，严格遵循 MCP 分层设计，易扩展新工具、新能力
控制台交互友好，操作简单，符合用户使用习惯
代码规范，注释完整，可维护性强
跨平台兼容，支持 Windows/Linux/Mac 系统

2. 业务流描述
用户控制台输入自然语言命令 → 控制台层接收请求 → MCP 控制层调度命令解析与工具执行 → 工具层执行业务逻辑 → 结果返回控制台展示。
对话交互流：用户输入问题 → 命令解析层识别问题类型 → 匹配对应工具 / 规则 → 生成回答 → 返回用户
工具调用流（可扩展）：用户输入工具类命令 → 命令解析层提取参数 → MCP 服务层调用对应工具 → 执行操作 → 返回结果
核心业务流拆解：
日期问答：用户提问 → 解析日期意图 → 调用时间工具计算 → 格式化结果返回
电脑问题解答：用户提问 → 解析问题类型 → 匹配预设解决方案 → 结构化回答返回
出行推荐：用户提问 → 解析出行需求 → 匹配对应推荐方案 → 多维度建议返回

3. 实现说明
采用MCP 四层分层架构，基于 Java 语言实现工具解耦与标准化调用，完全符合作业技术要求：

3.1 架构分层

层级	核心类 / 模块	作用
表现层（控制台交互层）	ConsolePresenter.java	提供控制台输入与结果展示界面，处理用户交互，阻塞等待用户输入
MCP 控制层（调度层）	MCPController.java	接收前端请求，调度命令解析与工具执行，串联整个业务流程
MCP 通信层（协议层）	ThinkingEngine.java（DeepThinkingEngine实现）	实现 MCP 协议核心，完成自然语言理解、工具匹配与调用
工具层（业务实现层）	各业务工具类（时间工具、问答工具等）	分模块实现核心业务逻辑，高内聚低耦合，易扩展

3.2 核心模块说明
表现层（ConsolePresenter）：
负责控制台交互，启动对话循环，接收用户输入，调用控制层处理，展示 AI 回复，支持多轮对话，输入exit退出程序。
控制层（MCPController）：
核心调度中心，初始化记忆模块、思考引擎，管理对话上下文，接收用户消息，调用思考引擎生成回复，维护对话状态。
通信层（DeepThinkingEngine）：
MCP 协议核心实现，自然语言理解中枢，基于规则引擎解析用户问题，匹配对应业务工具，生成思考结果，支持后续扩展大模型 API 调用。
工具层：
包含时间计算工具、电脑问题解答工具、出行推荐工具等，每个工具独立实现，可单独扩展、维护。
记忆层（LongTermMemory）：
实现 MCP 协议的记忆能力，存储对话历史、用户偏好，支持后续上下文感知、记忆召回，为多轮对话提供支撑。
模型层（Model）：
定义数据实体（User、Message、Conversation、MemoryEntry等），承载业务数据，符合 MCP 数据规范。
网络层（Network）：
封装 HTTP 请求工具（DataLink/WebDataLink），为后续接入 API、扩展工具提供网络能力，符合 MCP 工具调用规范。
协议层（Protocol）：
定义 MCP 协议规范（MCPProtocol），统一请求 / 响应格式、错误码，为工具调用提供标准化协议。

3.3 技术栈
开发语言：Java 11
项目构建：Maven
架构规范：MCP（Model Context Protocol）
依赖：Jackson（JSON 处理，可选）、OkHttp（网络请求，可选）
运行环境：JDK 11+，跨平台兼容

4. 使用用例（功能演示）
4.1 控制台运行界面
启动程序后，控制台输出如下：

4.2 核心功能演示
日期时间问答：支持「今天星期几」「明天星期几」等自然语言提问，自动计算系统时间，精准回答
电脑问题解答：支持游戏卡顿、C 盘清理等常见电脑问题，给出专业、可操作的解决方案
出行推荐：支持出行游玩、刺激景点推荐，给出多维度、实用性强的建议

二.Github链接
https://github.com/Nebula-Verum

三.小组分工

成员	负责工作
丁宇轩（单人小组）	1. 项目需求分析与架构设计2. MCP 架构 Java 代码实现（全层级）3. 功能开发与测试4. 作业文档撰写5. GitHub 仓库部署
多轮对话：支持连续提问，上下文连贯，交互自然
本地运行：无需联网、无需 API Key，纯本地运行，安全稳定

四.个人心得
1. 项目收获
通过本次基于 MCP 架构的智能体开发，我系统掌握了 MCP（模型上下文协议） 的核心设计思想，理解了「能说会做」智能体的分层架构实现方式，从 0 到 1 完成了一个完整的 Java 智能体项目。
在技术层面，我深入实践了 Java 面向对象编程、分层架构设计、Maven 项目管理，掌握了自然语言规则引擎的实现方式，理解了智能体「理解 - 调度 - 执行 - 反馈」的核心业务流，为后续大模型驱动智能体的开发打下了坚实基础。
在项目层面，我独立完成了从需求分析、架构设计、代码实现、测试到文档撰写的全流程，提升了独立开发、问题排查、文档编写的能力，深刻理解了软件工程的完整生命周期。

2. 遇到的问题与解决方案
问题 1：API 余额不足，无法调用大模型
解决方案：放弃 API 调用，改为本地规则引擎实现，纯本地运行，彻底解决依赖问题，同时符合作业要求。
问题 2：自然语言匹配不精准，部分问题无法回答
解决方案：优化规则匹配逻辑，采用「关键词组合匹配」，提升问题识别准确率，确保作业要求的 5 个问题 100% 精准回答。
问题 3：MCP 架构分层不清晰，代码耦合度高
解决方案：重构代码，严格按照 MCP 四层架构拆分模块，实现高内聚低耦合，符合 MCP 协议规范。

3. 后续优化方向
接入开源大模型（如 Qwen、Llama 3），实现真正的大模型驱动智能体，提升自然语言理解能力
扩展工具能力，支持文件操作、任务管理、天气查询等工具，实现「会做」的完整能力
开发 Web 前端界面，替代控制台，提升用户体验
优化记忆模块，实现长期记忆、上下文感知，提升多轮对话能力
增加日志系统、异常处理，提升项目健壮性