在 AI Agent 成为行业高频词以后，智能体层出不穷，但一个现实问题是：大多数智能体只被“玩过”，却没被“用过”。

这次我基于Nexent智能体平台，只用自然语言，2 分钟就搭了一个“商业调研推文”智能体，并让它直接参与内容生产。

能在 2 分钟内构建这样的智能体，背后依赖的是 Nexent 对「自然语言生成智能体」的深度支持。

在 Nexent 里，无需复杂编排，只要点击创建、选配所需工具，用自然语言描述需求，就可以一键生成专属智能体。也正因为这样，智能体才有可能真正进入日常的学习和工作，让每个人都用得上。

那问题来了：为什么这个智能体，能够检索到这么专业的内容，能够输出的这样图文并茂的报告？最关键的在于智能体背后的能力结构。

上文之所以数据翔实、内容丰富，在于引入了专业搜索金融研报的MCP（Model Context Protocol）服务。MCP是 AI 世界里的“通用连接协议”，它提供了统一的协议和结构，让不同智能体以同一种“语言”调用和交换工具与数据。

Nexent 平台支持 URL 接入、npx 容器化部署、镜像上传三种方式接入 MCP：

1、URL接入

适合想快速接入，公司已部署MCP或使用第三方提供MCP SaaS服务的开发者，仅需一条URL即可在Nexent平台接入MCP服务。

Nexent 通过统一的 MCP Client 层完美封装了 SSE 和 Streamable HTTP 两种协议的差异，对外暴露一致的调用接口——无论是服务器主动推送的 SSE 长连接，还是传统的请求-响应式 Streamable HTTP，平台都能自动识别协议类型、管理连接生命周期、处理重连和故障转移，让开发者只需填写一个 URL 即可实现"即填即用"的零门槛接入体验。

2、npx 容器化部署

适合使用开源MCP工具，想自动部署又不想手动安装Node.js，或希望服务隔离不影响主机环境的开发者。

Nexent 平台的 MCP 容器化部署方案采用 npx + Docker 双层沙箱架构 ，实现了 Node.js 生态 MCP 工具的一键容器化运行。用户仅需提供 JSON 配置，平台即可自动完成依赖解析、容器构建与服务启动的全流程。

平台通过 npx 命令在容器内动态执行 Node.js MCP 包，无需预安装依赖。平台将用户提供的 JSON 配置映射为容器启动参数，通过 mcp_proxy 代理将 npx 进程暴露为标准的 Streamable HTTP 服务。底层 Docker 容器采用 nexent/nexent-mcp 基础镜像，内置 Python 运行时与 mcp_proxy 组件，实现 Node.js MCP 工具与平台架构的无缝兼容。

3、镜像上传

Nexent 针对企业内网、安全合规等离线场景设计了完整的容器镜像解决方案——平台支持 GB 级 tar 包的流式分块读取、镜像层级的去重缓存、多租户并发的安全隔离、以及镜像签名验证和完整性校验；上传后平台自动完成镜像加载、容器启动、服务注册和 URL 生成，让离线环境也能获得"云端般"的一键部署体验。

想要回答图文并茂？多模态能力必不可少。Nexent 智能体不仅能处理文字信息，还可以同时理解和生成图片、表格等多种形式的内容。

在 Nexent 平台，用户无需接入MCP，即可在多轮交互中实时生成专业的流程图、时序图、甘特图等可视化图表。

平台通过 Prompt 工程实时分析用户意图，当检测到图表生成需求时，自动输出符合 Mermaid 语法的结构化代码；前端则基于 React + Mermaid.js 构建企业级渲染引擎，不仅实现代码到 SVG 的实时转换，更提供缩放、拖拽、多格式导出等功能。

所有图表与对话消息通过 Markdown 渲染组件无缝融合，实现图文混排的沉浸式交互体验。

如果你想绘制更丰富的图片类型，可以使用MCP工具来辅助作图。当 MCP 工具返回图片 URL 时，系统将其包装为标准化的 tool_result 消息类型，通过流式响应实时推送至前端；前端 Markdown 渲染层通过自定义的 usePrefetchedMediaSource React Hook 自动识别图片 URL（支持 HTTP/HTTPS/S3 等多种格式），执行"URL 解析 → 资源预加载 → Blob URL 转换 → 缓存管理"的全流程，最终将图片以原生 <img> 形式嵌入对话流。

该技术方案的核心优势在于协议的无关性 ——无论 MCP 服务返回的是公网 URL、S3 预签名链接还是内网代理地址，系统都能通过统一抽象层完成加载和展示，同时通过多级缓存和流式集成确保图片与文本消息的实时同步，为用户提供"生成即见"的连贯交互体验。

 

Nexent 是一款完全开源的 AI 智能体平台

👉 想快速上手体验，可直接访问官网 https://try.nexent.tech/zh 在线试用

❤️ 如果它对你有帮助，欢迎前往 GitHub 为我们点亮一颗 ⭐️

https://github.com/ModelEngine-Group/nexent

图文 |葛锐、潘业宏

审核 | 边思梦、万鸣晨