小白玩转 DINO-X MCP(2):基于 DINO-X MCP 搭建饮食规划工作流

上一篇文章中,我们详细介绍了如何在 Cursor 或 Trae 中启动并调用 DINO-X MCP。但在实际场景中,要让模型执行专业且复杂的任务,往往需要构建清晰的工作流 ------ 这意味着仅依靠 DINO-X MCP 进行目标检测与识别远远不够,还需借助大量外部专业工具处理特定领域或节点的信息。而 MCP 的核心价值正在于此:它突破了 AI 模型的能力边界,使其能与众多外部能力(如各类软件 API)快速集成。

本文将结合模型选择 MCP 的基本原理,以营养饮食规划为例,手把手讲解如何构建一套基于 DINO-X MCP 的工作流。

一、模型如何选择 MCP

不同于预设的固定工作流(比如 Dify 工作流),在由 MCP 组成的工作流中,是否调用 MCP、调用 MCP 的类型以及顺序是由大模型自行决定的。提供更丰富的 MCP 选项有助于大模型更精准、流畅地完成任务,但这并不意味着模型一定会使用所有工具。

在实际交互过程中,大模型接收的输入包括两部分:1)一段包含 MCP Server 列表及具体用法的结构化系统指令(System Prompt);2)用户的自然语言输入。获取这些信息后,大模型会按以下逻辑处理:

1. 识别可用工具:通过解析 System Prompt,明确当前可调用的工具(即 MCP Server 中包含的功能)。

2. 任务拆解与工具匹配:基于用户输入分析需求,将其拆解为若干具体子任务(Case),并结合现有工具信息判断这些子任务是否需要调用 MCP:

(1)对于部分无需调用 MCP 的任务,模型会直接生成自然语言回复;

(2)需要调用 MCP 时,模型会向 MCP 客户端输出结构化的工具调用请求,由客户端通过 MCP Server 执行指令。最终,工具的执行结果会与 System Prompt、用户消息一同重新反馈给模型,供其生成最终回复。

3. 生成最终答复:综合上述过程,输出自然语言形式的结果。

二、基于 DINO-X MCP 的饮食规划工作流

一个非常适用于 DINO-X MCP 的应用场景是,开发者可以通过快速搭建一个 MCP 产品工作流来实现视觉产品 Demo。

相比起多模态大语言模型,DINO-X 视觉模型在检测与识别性能上更为精细 ------ 尤其在复杂密集的场景中(如繁华街道、拥挤人潮、琳琅满目的货物等),它不仅能够精准定位指定的目标,还可凭借万物识别能力,将图像中的所有内容完整检测出来。

假设我们计划基于 DINO-X 模型 API 开发一款营养饮食规划 APP,那么在项目 POC 阶段或立项前期,便可借助 DINO-X MCP 快速搭建产品工作流。在本案例中,我们从第三方 MCP 市场选择了 How to Cook MCP 以及 Notion MCP,最终与 DINO-X MCP 组成完整的 MCP 工作流:

1. 导入 MCP Server

以 Cursor 为例,进入 Cursor IDE 页面,点击左侧的 "Tools & Integrations" 按钮,进入 MCP 设置界面。

在弹出的 JSON 配置页面中填写所需的 MCP Server 的 JSON 内容(具体的导入教程请参见《 小白玩转 DINO-X MCP(1):如何接入 MCP Server ),3 个 MCP Server 对应的配置代码分别如下:

(1)DINO-X MCP (远程调用)

官方网址:github.com/IDEA-Resear...

json 复制代码
{
  "mcpServers": {
    "dinox-mcp": {
      "url": "https://mcp.deepdataspace.com/mcp?key=your-api-key"
    }
  }
}

其中,'your-api-key' 替换为 DINO-X 开放平台的 API Key。

(2)How to Cook MCP (远程调用)

第三方网址:mcp.so/server/howt...

json 复制代码
{
  "mcpServers": {
    "howtocook-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "howtocook-mcp"
      ]
    }
  }
}

(3)Notion MCP

官方网址:developers.notion.com/docs/get-st...

json 复制代码
{
  "mcpServers": {
    "Notion": {
      "url": "https://mcp.notion.com/mcp"
    }
  }
}

最终导入多个 MCP Server 的 Json 代码长这样:

json 复制代码
{
  "mcpServers": {
    "howtocook-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "howtocook-mcp"
      ]
    },
     "dinox-mcp": {
          "url": "https://mcp.deepdataspace.com/mcp?key=your-api-key"
    },
   
      "Notion": {
          "url": "https://mcp.notion.com/mcp"
    }    
  }
}

保存并关闭 MCP Json 代码界面:

返回设置页面,并接入 "Tool&Integrations" 界面,我们会看到 MCP Server 已经导入成功,并且 Notion MCP 提示需要授权登录,按照指示登录 Notion,并完成授权即可。

Notion MCP 完成登录和授权以后,会变成绿色提示"导入成功":

这款基于 DINO-X 模型的饮食规划产品 Demo 就搭建完成了!接下来我们进行简单的应用测试(按 Ctrl + l 弹出对话框)。

2. 饮食规划效果测试

假设 Bob 最近有点感冒,并且喉咙痛,打开冰箱,发现家里只剩下这些食材:

于是他把食材照片提供给饮食规划工作流,并输入:

我最近有点感冒,并且喉咙很痛,请帮我检测 file://xxx(你的图片文件路径)有哪些食材,并根据这些食材帮我规划最近 2 天 1 个人的食谱,最后把食谱分享到 notion。

在接收指令以后,Cursor 的大模型(这里用的是 "Auto" 模式)会开始分析并决定调用哪些 MCP:

(1)第一步,调用 DINO-X MCP 分析图片中包含哪些食材。

(2)第二步,调用 How to Cook MCP 来规划食谱。

(3)第三步,把食谱分享到 Notion。

最后大模型给出完整的输出:

(1)主要食材

(2)营养食谱

在这里,大模型还贴心地给出了饮食建议:

并参考食谱提醒了需要补充的材料以及其他注意事项:

(3)把食谱记录到 Notion

通过调用 Notion MCP,大模型在已经授权的私人 Notion 空间创建了一个专门的页面,用来记录食谱以及相关注意事项。

最终生成的 Notion 页面如下:

最后,这个基于 DINO-X MCP 的饮食规划工作流就完成啦!

我们可以通过这一流程测试基于 DINO-X 模型 API 搭建专门的 APP 会有什么样的效果,并据此优化用户交互流程以及产品工作流,实现进阶的产品 MVP。

参考资源

1. 安装 npx 依赖环境nodejs.org/

2. 申请 DINO-X API Keycloud.deepdataspace.com/

3. DINO-X MCP Githubgithub.com/IDEA-Resear...

4. How to Cook MCP 第三方网址mcp.so/server/howt...

5. Notion MCP 官方网址developers.notion.com/docs/get-st...

6. Cursor 官方下载链接www.cursor.com/

相关推荐
mit6.8246 小时前
[sam2图像分割] 视频追踪API | VideoPredictor | `inference_state`记忆
人工智能·计算机视觉·音视频
AI科技星7 小时前
接近光速运动下的光速不变性:基于张祥前统一场论的推导与验证
数据结构·人工智能·经验分享·算法·计算机视觉
864记忆7 小时前
opencv图像预处理函数的功能与作用
人工智能·opencv·计算机视觉
m0_650108247 小时前
【论文精读】VITRON:统一的像素级视觉大语言模型
计算机视觉·论文精读·视觉理解·视觉生成·多模态通用模型·视觉分割·视觉编辑
AI浩8 小时前
FMC-DETR:面向航拍视角目标检测的频域解耦多域协同方法
人工智能·目标检测·计算机视觉
m0_650108248 小时前
【论文精读】AIGCBench:AI 图像生成视频(I2V)的全面评估基准
计算机视觉·视频生成·论文精读·多模态ai·图生视频评测基准·图像到视频(i2v)
8Qi88 小时前
A Survey of Camouflaged Object Detection and Beyond论文阅读笔记
人工智能·深度学习·目标检测·计算机视觉·伪装目标检测
AI规划师-南木8 小时前
低代码开发医疗AI工具:5分钟搭建用药推荐系统,零基础也能落地
人工智能·深度学习·低代码·计算机视觉·推荐系统·rxjava·医疗ai
这张生成的图像能检测吗9 小时前
(论文速读)InteractVLM: 基于2D基础模型的3D交互推理
人工智能·计算机视觉·交互·生成模型·图像生成·视觉语言模型·3d重建
Wnq1007213 小时前
巡检机器人户外视觉识别困境剖析与自动优化模式构建
图像处理·目标检测·低代码·计算机视觉·目标跟踪·机器人·需求分析