引言

在人工智能与微服务架构深度融合的当下，构建兼具高可扩展性与智能协作能力的应用系统，已成为企业级开发的核心竞争力。传统单体智能应用普遍面临耦合度高、扩展性差、维护成本高等痛点，而微服务架构与智能体技术的结合，恰好为这些问题提供了优雅的解决方案。

本文聚焦于智能体微服务架构项目的效果演示，带你直观感受一个生产级旅行规划系统的完整交互体验——涵盖异步任务处理、智能规划能力以及企业级可观测性设计。

旅行攻略智能助手是一个基于微服务架构与 FastMCP 协议的 AI 应用系统。用户只需输入自然语言描述的行程需求（例如：“北京站 → 天安门 → 颐和园 → 南锣鼓巷”），系统即可自动完成路线规划、沿途美食推荐，并生成一份完整的图文攻略。

一、启动项目

1.1 启动 Redis 数据库服务

1.2 启动高德地图 FastMCP 服务端

1.3 启动 Redis FastMCP 服务端

1.4 启动提示词 FastMCP 服务端

1.5 启动主应用（旅游出行攻略智能助手）服务

二、效果演示

2.1 前端动态展示

访问地址：http://172.18.96.1:8000/，卡片式布局，展示每段路程和附近美食

2.2 后端异步处理

访问地址：http://172.18.96.1:8000/docs

POST /plan 提交任务，直接执行旅行规划并返回最终攻略

GET /plan/{task_id} 查询旅行规划攻略

2.3 完整功能演示

用户输入“北京站到天安门、天安门到颐和园、颐和园到南锣鼓巷”

DeepSeek大模型智能规划日志

系统生成包含路线规划

美食推荐的攻略

发送消息通知

2.4 LLM可观测性

企业级AI系统必须具备可观测性，以监控调用、调试问题、优化成本。本项目集成了LangSmith平台，访问地址：https://smith.langchain.com/

展示LLM调用、工具执行、耗时、成本，体现企业级可观测性

三、总结

通过以上四个维度的演示，我们可以清晰地看到本项目的核心价值：

微服务架构落地效果

高德地图、Redis、提示词服务各自独立运行，通过 FastMCP 协议无缝协作，完美体现了高内聚、低耦合的设计思想。

异步处理提升用户体验

任务提交后立即返回，前端通过轮询获取结果，有效避免了传统同步接口的长时间等待。

智能编排的灵活性

基于 LangGraph 的工作流可以轻松增删节点（例如加入“天气查询”或“酒店推荐”模块），实现业务功能的快速迭代。

企业级可观测性

集成 LangSmith 平台，为生产环境提供了必不可少的监控、调试与成本分析能力。

本项目不仅是一个功能演示，更是一套可复制的企业级智能体架构方法论的实践验证。无论你是架构师、后端开发者还是 AI 工程师，都能从中获得构建高价值智能系统的宝贵经验。