Cursor 玩转 百度 AppBuilder

百度AppBuilder提供的AI搜索功能,通过结合传统搜索引擎与大语言模型的能力,为开发者提供了强大的信息获取与处理工具。本文将全面解析百度AppBuilder AI搜索功能的三种使用方式、详细参数配置以及最佳实践,帮助开发者快速集成这一功能到自己的应用中。

三种集成方式详解

1. 一键添加到应用中使用

对于追求快速集成的开发者,百度AppBuilder提供了最简单的一键添加方式。这种方式虽然文档中没有展示具体代码,但通过平台提供的可视化界面,开发者可以快速配置搜索功能并嵌入到自己的应用中,特别适合不熟悉编程或需要快速验证概念的场景。

2. 通过AppBuilder-SDK使用(Python实现)

对于需要更多定制化需求的Python开发者,可以使用AppBuilder提供的SDK进行集成。以下是完整的代码示例和解析:

ini 复制代码
import asyncio
from appbuilder.mcp_server.client import MCPClient

async def main():
    # 创建MCP客户端实例
    client = MCPClient()
    
    # 连接到服务器,需替换service_url中的API Key
    await client.connect_to_server(service_url=service_url)
    
    # 打印可用的工具列表
    print(client.tools)
    
    # 调用AI搜索工具,查询"大连美食有哪些"
    result = await client.call_tool("AIsearch", {"query": "大连美食有哪些"})
    
    # 打印搜索结果
    print(result)

if __name__ == "__main__":
    # 服务URL,注意保留Bearer和API Key之间的"+"
    service_url = (
        "http://appbuilder.baidu.com/v2/ai_search/mcp/sse?api_key=Bearer+<AppBuilder API Key>"
    )
    
    # 获取事件循环并运行主函数
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())

3. 通过cursor配置使用

对于需要集中管理多个服务的应用,可以使用JSON配置文件统一管理服务端点:

json 复制代码
{
    "mcpServers": {
        "AISearch": {
            "url": "http://appbuilder.baidu.com/v2/ai_search/mcp/sse?api_key=Bearer+<AppBuilder API Key>"
        }
    }
}

服务配置

百度 MCP Server URL

console.bce.baidu.com/iam/#/iam/a...

搜索实时信息,并使用大模型进行总结回复。

配置说明:

字段 类型 是否必须 说明
query string 搜索查询关键词或短语,用于指定需要搜索的内容。 支持自然语言查询,可以包含多个关键词。Agent应该根据用户意图构建合适的查询语句,确保搜索结果的准确性和相关性。 最佳实践: 1) 使用简洁明确的关键词组合; 2) 对于复杂查询,可以拆分为多个简单查询; 3) 避免使用过于宽泛或模糊的词语。
model string 指定是否使用大语言模型对搜索结果进行总结,以及使用哪个模型进行总结。 默认值为空字符串,表示直接返回原始搜索结果。 当指定模型名称时(如"ERNIE-3.5-8K"),系统将使用对应的大模型对搜索结果进行智能总结。 此参数会显著影响其>他参数的行为: 1) 当未指定时,temperature、top_p等LLM相关参数将失效; 2) 当指定时,搜索结果会经过LLM处理,可能改变原始结果的呈现方式。 最佳实践: 1) 对于需要深入分析或总结的查询,建议使用ERNIE-3.5-8K或更高级的模型; 2) 对于只需要原始搜索结果的查询,保持默认值即可; 3) 根据实际需求选择合适的模型版本。
instruction string 用于控制搜索结果输出风格和格式的指令参数。 如:结果排序方式、内容过滤条件、输出格式等。 当未指定时,将使用默认的搜索结果展示方式。 最佳实践: 1) 明确指定需要的输出格式(如列表、摘要等); 2) 指定结果排序>方式(如按时间、相关性等); 3) 设置内容过滤条件(如排除特定类型的内容)。
temperature float 控制模型输出随机性的采样参数,取值范围为(0, 1]。默认值为1e-10。 该参数仅在model参数指定了LLM模型时生效。 参数影响模型输出的多样性和稳定性: 值越大,输出结果越多样化但可能不够稳定; 值越小,输出结果越确定和集中。 最佳实践: 1) 对于事实性查询,建议使用较低>的值(如0.1); 2) 对于创意性内容,可以使用较高的值(如0.7); 3) 避免使用极端值(接近0或1)。
top_p float 控制模型输出多样性的核采样参数,默认值为1e-10。 该参数仅在model>参数指定了LLM模型时生效。 参数通过设置累积概率阈值来筛选候选词: 值越小,模型会从更少的候选词中选择,输出更加确定和保守; 值越大,模型会考虑更多的候选词,输出更加多样和创造性。 最佳实践: 1) 通常建议设置为0.7-0.9之间; 2) 与temperature参数配合使用,共同控制输出质量; 3) 对于需要高准确性的场景,建议使用较低的值。
search_recency_filter string 控制>搜索结果的时效性范围,用于筛选指定时间范围内的网页内容。 可选枚举值包括:week(7天)、month(30天)、semiyear(180天)和year(365天)。 最佳实践: 1) 新闻类查询建议使用week或month>; 2) 技术文档查询建议使用month或semiyear; 3) 历史资料查询建议使用year; 4) 根据查询内容的时效性要求选择合适的范围。
search_domain_filter list[string ] 用于限制搜索结果来>源的域名过滤列表。 Agent可以指定一个或多个域名(如["baidu.com"]),系统将只返回这些指定域名的网页内容。 最佳实践: 1) 对于需要权威信息的查询,建议限制在官方或知名网站; 2) 可>以组合多个相关领域的权威网站; 3) 避免过度限制导致结果不足; 4) 根据查询主题选择合适的域名范围。
search_resource_type list 指定搜索资源的类型和每种类型返回的结果数量。 默认配置为[{"type": "web","top_k": 10}],表示只返回网页类型的搜索结果,且最多返回10条。 每种资源类型(web、image、video等)的top_k取值范围为1~10。 当与search_top_k参数同时存在时,本参数具有更高的优先级,即会覆盖search_top_k的设置。 例如: 当search_top_k=10且search_resource_type=[{"type": "web","top_k": 4}]时,实际返回的网页数量为4。 最佳实践: 1) 根>据查询需求选择适当的资源类型组合; 2) 合理分配各类型资源的返回数量; 3) 对于多类型查询,建议每种类型设置3-5条结果; 4) 避免请求过多不必要的结果类型。

Cursor 配置与应用

新建一个MCP Server,当我们看到绿色的圆点代表配置成功。

接下来使用@符号,来引用我们的MCP Server配置,并发送指令请求。

现在来看下最终效果吧。

相关推荐
小雷FansUnion7 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
CoderLiu12 小时前
用这个MCP,只给大模型一个figma链接就能直接导出图片,还能自动压缩上传?
前端·llm·mcp
老A技术联盟14 小时前
超实用的Cursor使用技巧之案列分析-教你基于Cursor零代码开发一个chrome插件
人工智能·cursor
吴佳浩15 小时前
Python入门指南-AI番外-MCP完整教程:从零开始学会Model Context Protocol
人工智能·python·mcp
智泊AI16 小时前
大语言模型LLM底层技术原理到底是什么?大型语言模型如何工作?
llm
moonless022217 小时前
🌈Transformer说人话版(二)位置编码 【持续更新ing】
人工智能·llm
小爷毛毛_卓寿杰17 小时前
基于大模型与知识图谱的对话引导意图澄清系统技术解析
人工智能·llm
聚客AI17 小时前
解构高效提示工程:分层模型、文本扩展引擎与可视化调试全链路指南
人工智能·llm·掘金·日新计划
聚客AI17 小时前
🚀拒绝试错成本!企业接入MCP协议的避坑清单
人工智能·掘金·日新计划·mcp
slowlybutsurely17 小时前
Cursor快速入门
java·ai编程·cursor