一、背景
本文主要给大家一个思路,怎么通过AI Coding零代码实现某个功能。二、首先,通过dolphinschedule的API文档,找到我们需要MCP提供的能力对应的接口
我们自己需要知道,dolphinschedule有没有类似接口,这样才能确定MCP能不能实现这个功能。找到想要的接口,好有一些描述信息:三、然后,这个API文档直接截屏,喂给Agent,扩展MCP能力
让agent 知道,我们要做什么,增加哪个功能、调用哪个接口:不到2分钟时间,代码就写完。我们可以进一步查看AI开发的代码,看看怎么实现的。一个更具启发性的细节是,AI 不仅生成了目标工具,还额外新增了功能。
如果我们没有强限定、没有非常细致的描述需求,AI会按照自己的理解(比如通过搜索网页,发现dolphin工作流的基本功能,除了导入工作流,还有查询、删除、发布功能)来泛化需求,它根据“导入”工作流这个功能,推理出用户可能紧接着需要“查询、删除、上线”等一系列操作(这个推理,是根据搜索网站,获得的),从而实现了一系列功能:
QueryProcessDefinitionByCodeQueryProcessDefinitionListPagingDeleteProcessDefinitionByCodeReleaseProcessDefinition
这体现了 AI 在上下文理解和工作流连贯性上的优势。所有这些工具都共享同一个 DolphinSchedulerClient,形成了完整的“工作流定义管理”工具集。四、重新编译、安装MCP服务
五、验证新扩展的MCP工具
Agent 在会话初期会获取并缓存 MCP Server 的工具列表,mcp重新发版后,已连接的Agent可能因缓存而无法感知MCP新增加的工具,解决这种情况,可以重新命名mcp名字、重启MCP,Agent 将其视为一个“新”的MCP服务,从而建立全新连接并获取最新工具列表,重构Agent知识理解。2、重命名MCP名称后,agent可以识别到新工具使用场景并正常调用:六、最后,在dolphinschedule前端验证工作流
工作流被正常发布到dolphinschedule:至此,通过Agent 发布一个dolphinschedule的工作流,就完成了。七、写在最后
AI Coding的过程,我们可以利用AI Coding 快速开发产品和功能,但要实现高效、可控的成果,需要人在过程中提供精准的需求定义、明确功能编辑,并要进行必要的验证和问题排查——本质上是一种“人机协同”的智慧。“人机协同”大大降低了编码门槛,那么,这个“人”不一定是专业的IT人员了吧?