日常生活中，12306 是中国铁路售票系统的官方平台。为了提升购票效率、自动化查询余票信息以及获取车站代码等功能，我们希望通过使用智能体编程方式，结合 MCP（Model-as-a-Service）技术实现，能随时随地访问 12306 提供的服务接口，并能够进行智能询问车次车票等信息，提高查询的简便性。

在这个过程中，我使用了阿里巴巴推出的智能编程助手——通义灵码，它帮助我快速构建项目结构、编写代码逻辑，并协助调试前后端交互中的常见问题。

通义灵码3.0新上线了，其编程智能体模式，具备自主决策、环境感知、工具使用等能力，可以根据开发者的编码诉求，使用工程检索、文件编辑、终端等工具，进行工程内多个文件的修改，端到端地完成编码任务。并且拥有丰富的MCP资源库，可调用3000多个MCP完成各种智能工作。

一、项目体验过程

现在我们来体验一下，通过VSCode插件找到并安装最新版本的通义灵码。

安装时需要选择信任发布者并安装（Trust Publisher & Install）。

我们在对话框里面发现可以使用MCP功能，就是点击下面这个MCP工具按钮。

我们知道modelscope社区的MCP广场有很多优质的MCP资源，通过咱们的通义灵码可以直接访问MCP广场上的服务。

这里我们找到12306-mcp这个MCP并部署。如下图所示：

安装完成后在我的服务中可以找到已安装的MCP。

找到我们的12306-mcp。可以看到它提供的功能如下，非常丰富。

我们在通过与通义灵码智能体对话进行体验。

我直接提问智能体,模型用Qwen3。

Qwen3 是阿里巴巴集团旗下的通义实验室自主研发的超大规模语言模型，是 Qwen（通义千问）系列的最新一代版本。相比之前的 Qwen、Qwen2 等版本，Qwen3 在多个方面进行了重大升级和优化，具备更强的语言理解能力、生成能力、多模态支持以及更广泛的适用场景。

我问他：请帮我查询一下今天下午17:30之前武汉到广州的火车票。会话回答结果如下：

现在我们发现智能体已经能正常执行MCP,查询到今天下午17:30之前从武汉到广州的火车票信息。在17:30之前有多个车次可供选择。

二、项目深度开发过程

但是，这个刚才这个智能体的对话界面需要打开VSCode才能访问，我还想开发出能通过浏览器直接访问的界面，并且向智能体随时随地提问了解车次信息。

该如何完成呢？

于是，我打算使用通义灵码的智能体开发功能。

本项目作为通义灵码2.5的实践案例，展现了AI辅助开发在复杂业务系统中的革命性突破。通过深度集成12306 MCP服务体系，我们将构建一个融合智能决策、环境感知和自主优化的新一代火车票查询系统。

开发过程如下：

首先需要了解这个12306-mcp的详细功能参数及特性。

（可选择）来到modelscope社区，社区界面找到这个mcp,可以看到它的详细功能介绍。

可以看到它的mcp配置信息以及工具测试集

这里已经介绍得非常清晰，该如何配置和测试使用。

现在，我们回到VSCode的对话框界面中继续提问，要求智能体为我们编程。

先梳理一下开发目标，本项目的主要目标包括：

• 构建一个基于 Node.js 的本地 HTTP 服务器，用于提供前端页面；
• 创建一个代理服务器以转发请求到 12306-MCP 接口；
• 实现 JavaScript 客户端对 MCP 接口的调用；
• 解决 CORS、端口占用、API 转发失败等常见问题；
• 提供完整的测试流程，确保功能可用性。

刚才我们已经深度了解了MCP,现在可以要求通义灵码使用这个MCP服务。

与通义灵码对话演示如下：

后台我们可以启用Ollama启动一个本地qwen的大模型，也可以用远端模型链接。这里作为演示，我们大模型使用本地的qwen2.5:7b模型。

开发完成后，一步步根据通义灵码2.5的提示完成本地环境的部署：

✅1. 基础服务搭建

• 搭建本地 HTTP 服务器（server.js）：

  • 监听地址：http://localhost:3000/
  • 提供 HTML 页面和静态资源访问。

• 创建代理服务器（proxy-server.js）：

  • 监听地址：http://localhost:3001/
  • 解决浏览器 CORS 跨域问题；
  • 支持转发以下接口请求：
    • GET /api/current-date → 获取当前日期
    • POST /api/station-code-of-citys → 查询城市车站代码
    • POST /api/tickets → 查询余票信息

✅ 2. 前端功能实现

• JavaScript 客户端（12306-mcp-client.js）：

  • 封装对 MCP 接口的调用；
  • 实现异步获取当前日期；
  • 根据城市名获取车站代码；
  • 查询指定出发地与目的地之间的余票；
  • 错误处理机制（网络异常、接口失败等）；
  • 控制台日志输出调试信息。

• 前端页面（index.html）：

  • 展示测试页面；
  • 自动加载 JS 客户端脚本；
  • 显示基本样式与结果区域。

✅ 3. 开发辅助工具

• 环境检查脚本（check-environment.js）：

  • 验证 Node.js 是否安装；
  • 输出环境信息。

• 启动脚本（start-ticket-assistant.js）：

  • 并行启动主服务器与代理服务器；
  • 输出清晰运行日志。

• 配置文件（config.js）：

  • 存储服务地址等配置项。

✅ 4. API 请求流程

• 浏览器通过 JS 客户端请求本地代理；
• 代理服务器将请求转发到 12306-MCP；
• 返回数据后展示在控制台或页面中。

可以看到通义帮我们开发好的程序框架。

项目结构说明如下：

12306tray/
├── 12306-mcp-client.js     # JS客户端逻辑
├── index.html              # 前端测试页面
├── server.js               # 主服务器
├── proxy-server.js         # 代理服务器
├── check-environment.js    # 环境检测
├── start-ticket-assistant.js # 启动脚本
├── config.js               # 配置文件
├── package.json            # 依赖管理
├── README.md             # 项目说明
└── 404.html              # 错误页面

API 调用流程设计

三、常见问题解决方案

项目有比较复杂的后台配置，但好在我们可以使用通义灵码对话引导完成服务的配置、启动集调试。以下是我实践过程中遇到的几个主要问题。大家也可以跳过不看。

1. CORS 跨域问题

使用代理服务器设置响应头：

res.setHeader('Access-Control-Allow-Origin', '*');
res.setHeader('Access-Control-Allow-Methods', 'GET, POST, OPTIONS');
res.setHeader('Access-Control-Allow-Headers', 'Content-Type');

2. 端口冲突问题

• 若 3000 或 3001 端口被占用：

使用命令查找占用进程：

netstat -ano | findstr :3000

使用命令终止进程：

taskkill /PID <pid> /F

3. 请求体处理不完整问题

使用异步方式读取完整请求体：

async function readRequestBody(req) {
  let data = '';
  for await (const chunk of req) data += chunk;
  return data;
}

四、项目部署与结果呈现

分别打开两个不同的窗口启动服务：

node server.js # 启动主服务器

node proxy-server.js # 启动代理服务器

执行命令情况如下：

然后，打开浏览器访问6001端口（自己设置的）

http://localhost:6001/

从浏览器访问测试项目开发好的程序界面如下：

可以看到几个主要的MCP功能都已经集成过来，并且本项目已经开发提供了与后台大模型相连接的智能查询功能。依次测试相关功能体验如下：

最后是智能查询功能，它体现了大模型的智能逻辑，不必再去一条条点选我们的需求，而是自然语言式对话即可帮助我们高效快捷地查询（数据仅供测试）：

可以看到模型能准确了解到了我们的需求，并且成功调用了12306-MCP功能，输出了武汉到广州的车次信息。实现了我们预定的开发目标。

 五、未来拓展计划

1. 智能余票监控系统

借助通义灵码2.5帮助实现四维监控策略，从此查票抢票不用发愁：

2. 全面功能升级

六、项目体验总结

本项目作为通义灵码2.5的深度实践案例，充分展现了通义灵码2.5编程智能体调用MCP实现大模型智能化工具的强大优势。

1. 代码生成维度

通义灵码2.5展现出远超预期的代码理解能力：

• 精准接口映射：自动将MCP文档转换为可执行代码
• 类型安全转换：智能生成数据验证逻辑

2.上下文感知维度

通义灵码2.5展现出色的项目理解能力：

• 跨文件关联：准确追踪数据流经多个模块的路径
• 模式识别：自动发现并统一项目中相似的接口调用模式

3.决策优化维度

在以下关键场景实现突破：一是缓存策略选择：根据接口特性推荐最优缓存方案；二是错误恢复路径：提供分级 fallback 机制建议；三是性能瓶颈预判：标记潜在的性能敏感区域。

本项目体验了人机协作范式进化，我们观察到通义灵码2.5带来的三种新型工作模式：

1. 领航员模式：AI主导完成标准模块开发
2. 协作者模式：人机并行处理复杂逻辑
3. 审核员模式：AI持续监控代码质量

本项目不仅验证了通义灵码2.5在复杂业务场景下的实用性，更预示着软件开发范式即将迎来革命性变革。通过实践可以发现，AI辅助开发在提升工程效率、系统质量和创新速度三个维度的卓越价值。期待在未来继续深化与通义灵码的合作，共同探索智能编程的无限可能。