企业官网建设流程全解析

1. 电商 Agent 从零到可运行，卡点到底在哪

电商 Agent 这件事，真正动手做过的人都知道，难的不是写一个能聊天的机器人，而是把它做成一条能跑通的最小闭环：用户说“帮我查下这个商品还有没有货”，Agent 要能识别意图、调用商品查询工具、拿到结构化结果、再决定要不要继续下单。这条链路里，模型、编排框架、工具协议、运行时环境，任何一环配错，整个流程就断在中间。

我这次要搭的是一个快时尚电商场景的客服 Agent，核心目标很明确：以 Amazon Bedrock 上的 AgentCore 作为运行时，用 Strands Agents 做工具调用编排，再通过 MCP Server 把商品查询和下单能力暴露出来。听起来组件不少，但真正落地时你会发现，最耗时间的往往不是业务逻辑，而是 Key 管理、环境变量、配置文件格式这些琐碎但必须一次做对的东西。

这也是为什么我把 TaoToken 统一 Key 接入放在前面讲。传统做法是每个模型服务商、每个工具服务各配一套凭证，本地调试时环境变量满天飞，换台机器就得重新配一遍。TaoToken 的思路是用一个统一 Key 覆盖模型对话、编码计划、API 调用等场景，对电商 Agent 这种需要频繁切换模型和工具的开发过程来说，能省掉大量重复配置。官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api ，后面配置里会直接用到。

这篇文章适合谁？如果你正在做电商 Agent、智能客服、或者任何需要“模型 + 工具 + 运行时”三件套的项目，并且希望在两小时内跑通一条端到端下单链路，那下面的步骤可以直接跟做。我会给出可复制的 config.toml 和 settings.json 骨架、TaoToken 统一 Key 的配置片段，以及本地启动和一次完整下单验证的具体动作。

2. TaoToken 前置：统一 Key 怎么拿、怎么配

在开始写 Agent 代码之前，先把 Key 的事情解决掉。TaoToken 的控制台入口是 https://taotoken.net/console ，API Keys 管理页在 https://taotoken.net/api-keys 。注册登录后，在 API Keys 页面创建一个新 Key，复制出来备用。这个 Key 后面会同时用于模型对话和 Coding Plan 场景，所以建议命名时带上项目名，比如ecommerce-agent-dev，方便后续区分。

拿到 Key 之后，不要急着写进代码。我习惯先把它放到本地环境变量里，这样配置文件里只引用变量名，不暴露明文。Linux/macOS 下可以这样操作：

export TAOTOKEN_API_KEY="sk-你的实际Key" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

Windows PowerShell 下用：

$env:TAOTOKEN_API_KEY="sk-你的实际Key" $env:TAOTOKEN_BASE_URL="https://taotoken.net/api"

这里有个细节要注意：TaoToken 的 API 地址是 https://taotoken.net/api ，不要在后面多加斜杠或者路径，否则某些 SDK 拼接时会出问题。我试过在 Strands Agents 里直接传 base_url，多一个斜杠就会报 404，排查了半小时才发现是地址格式问题。

如果你打算长期做编码和 Agent 开发，可以顺便看一下 Coding Plan 页面 https://taotoken.net/coding-plan ，它把模型调用和编码场景打包在一起，对需要频繁跑 Agent 调试的团队来说，比单独按量计费更可控。模型对话的入口在 https://taotoken.net/models ，接入文档在 https://taotoken.net/doc ，遇到配置问题可以先翻文档，大部分常见错误都有说明。

Key 准备好之后，接下来就是把它写进 Agent 的配置文件里。下面我会给出两个骨架文件：一个是 AgentCore 运行时用的 config.toml，一个是 Strands Agents 和 MCP Server 共用的 settings.json。

3. 可复制配置：config.toml 与 settings.json 骨架

3.1 config.toml：AgentCore 运行时配置

AgentCore 作为运行时，需要知道用哪个模型、走哪个 API 端点、以及工具服务怎么注册。下面这个 config.toml 是我实测能跑通的版本，你可以直接复制后改 Key 和区域：

[agent] name = "ecommerce-agent" version = "0.1.0" description = "快时尚电商客服 Agent，支持商品查询与下单" [model] provider = "taotoken" model_id = "claude-sonnet-4-5" base_url = "https://taotoken.net/api" api_key_env = "TAOTOKEN_API_KEY" max_tokens = 4096 temperature = 0.3 [runtime] type = "agentcore" region = "us-west-2" memory_enabled = true memory_retrieval_top_k = 5 [mcp_servers.product] command = "uvx" args = ["mcp-server-product@latest"] env = { PRODUCT_API_BASE = "http://localhost:9100" } [mcp_servers.order] command = "uvx" args = ["mcp-server-order@latest"] env = { ORDER_API_BASE = "http://localhost:9101" } [tools] enabled = ["product_query", "order_create", "order_status"] timeout_seconds = 30

这里有几个关键点。api_key_env指向环境变量名，而不是直接写 Key，这样配置文件可以安全地提交到仓库。base_url固定为 https://taotoken.net/api ，不要改。MCP Server 部分我拆成了 product 和 order 两个，分别对应商品查询和下单能力，这样职责清晰，调试时也容易定位是哪个工具出的问题。

3.2 settings.json：Strands Agents 与 MCP 共用配置

Strands Agents 需要一个 settings.json 来定义 Agent 的行为和工具绑定。下面这个骨架包含了模型配置、MCP Server 注册和工具白名单：

{ "agent": { "name": "ecommerce-cs-agent", "system_prompt": "你是一个快时尚电商客服助手。用户询问商品时，先调用 product_query 工具查询库存和价格；用户确认下单时，调用 order_create 工具创建订单。所有金额单位是人民币。", "max_iterations": 8 }, "model": { "provider": "taotoken", "model_id": "claude-sonnet-4-5", "base_url": "https://taotoken.net/api", "api_key_env": "TAOTOKEN_API_KEY" }, "mcp_servers": { "product": { "command": "uvx", "args": ["mcp-server-product@latest"], "env": { "PRODUCT_API_BASE": "http://localhost:9100" } }, "order": { "command": "uvx", "args": ["mcp-server-order@latest"], "env": { "ORDER_API_BASE": "http://localhost:9101" } } }, "tools": { "product_query": { "server": "product", "description": "根据商品名称或 SKU 查询库存、价格和规格" }, "order_create": { "server": "order", "description": "创建订单，需要商品 SKU、数量和用户 ID" }, "order_status": { "server": "order", "description": "查询订单状态，需要订单号" } } }

这两个文件放在项目根目录下，AgentCore 启动时会自动读取 config.toml，Strands Agents 初始化时会读取 settings.json。如果你用的是其他编排框架，只要保证模型 base_url 和 Key 环境变量一致，工具注册方式可以按框架文档调整。

3.3 MCP Server 的最小实现

MCP Server 负责把商品查询和下单能力暴露成标准工具。下面是一个用 Python 写的极简 product MCP Server，你可以保存为product_server.py：

from mcp.server import Server from mcp.server.stdio import stdio_server from mcp.types import Tool, TextContent import json app = Server("product-server") PRODUCTS = { "SKU001": {"name": "基础款白T恤", "price": 79, "stock": 120}, "SKU002": {"name": "高腰牛仔裤", "price": 199, "stock": 45}, "SKU003": {"name": "轻薄羽绒服", "price": 399, "stock": 0}, } @app.list_tools() async def list_tools(): return [ Tool( name="product_query", description="根据 SKU 查询商品库存和价格", inputSchema={ "type": "object", "properties": { "sku": {"type": "string", "description": "商品 SKU"} }, "required": ["sku"] } ) ] @app.call_tool() async def call_tool(name: str, arguments: dict): if name == "product_query": sku = arguments.get("sku") product = PRODUCTS.get(sku) if not product: return [TextContent(type="text", text=json.dumps({"error": "商品不存在"}))] return [TextContent(type="text", text=json.dumps(product, ensure_ascii=False))] return [TextContent(type="text", text=json.dumps({"error": "未知工具"}))] async def main(): async with stdio_server() as (read, write): await app.run(read, write, app.create_initialization_options()) if __name__ == "__main__": import asyncio asyncio.run(main())

order MCP Server 结构类似，把order_create和order_status两个工具暴露出来即可。启动时用uvx或者直接python product_server.py，确保 config.toml 里的 command 和 args 与实际启动方式一致。

4. 验证请求：本地启动与端到端下单链路

4.1 本地启动顺序

配置写好后，按这个顺序启动，避免端口冲突和依赖顺序问题：

第一步，启动 product MCP Server：

python product_server.py

第二步，启动 order MCP Server：

python order_server.py

第三步，启动 AgentCore 本地运行时：

agentcore dev --config config.toml

预期输出会显示 Agent 已加载、MCP Server 已连接、监听在http://localhost:8080/invocations。如果看到MCP server product connected和MCP server order connected，说明工具注册成功。

4.2 一次完整的下单链路验证

打开新的终端，先测商品查询：

curl -X POST http://localhost:8080/invocations \ -H "Content-Type: application/json" \ -d '{ "prompt": "SKU001 还有货吗？多少钱？", "user_id": "customer_001", "session_id": "session_abc" }'

预期响应里应该包含商品名称、价格 79、库存 120，并且intent字段是product_query。这说明模型正确识别了意图，并通过 MCP Server 调用了商品查询工具。

接着测下单：

curl -X POST http://localhost:8080/invocations \ -H "Content-Type: application/json" \ -d '{ "prompt": "帮我下单 SKU001，数量 2 件", "user_id": "customer_001", "session_id": "session_abc" }'

预期响应里会返回订单号，类似ORD20250101XXXX，并且status是success。这一步验证了从意图识别到工具调用再到结果返回的完整闭环。

最后测订单状态查询：

curl -X POST http://localhost:8080/invocations \ -H "Content-Type: application/json" \ -d '{ "prompt": "帮我查一下订单 ORD20250101XXXX 的状态", "user_id": "customer_001", "session_id": "session_abc" }'

如果三个请求都返回预期结果，说明 AgentCore + Strands Agents + MCP Server 这条链路已经跑通。整个过程从配置到验证，熟练的话两小时内可以完成。

4.3 用 TaoToken 模型对话做快速验证

如果你只想先验证模型和 Key 是否配置正确，可以先用模型对话入口 https://taotoken.net/models 发一条测试消息。在对话框里输入“你好，请用一句话介绍你自己”，如果能正常返回，说明 Key 和 base_url 没问题。这一步可以排除掉大部分环境配置错误，再去调 Agent 会省心很多。

5. 本篇常见错排查

5.1 401 Unauthorized 或 Key 无效

最常见的原因是环境变量没生效。检查TAOTOKEN_API_KEY是否在当前终端会话里，可以用echo $TAOTOKEN_API_KEY确认。如果是 Windows，注意 PowerShell 和 CMD 的环境变量不互通。另外，Key 复制时不要带空格或换行，有些编辑器会自动加换行符，导致请求头里多出非法字符。

5.2 MCP Server 连接失败

如果 AgentCore 启动时报MCP server product connection refused，先确认 product_server.py 是否已经在运行，端口是否被占用。config.toml 里的command和args必须与实际启动命令完全一致。比如你用python product_server.py启动，但 config 里写的是uvx mcp-server-product，那肯定连不上。我踩过的坑是 uvx 缓存了旧版本，导致工具列表和预期不一致，清一下 uv 缓存再试。

5.3 模型返回格式不符合预期

Strands Agents 对模型输出有格式要求，如果模型返回了多余的解释文字，工具调用可能会失败。解决办法是在 system_prompt 里明确要求“只返回 JSON 格式的工具调用参数，不要添加额外说明”。另外，temperature 不要设太高，0.3 左右比较稳定。如果还是不行，检查 settings.json 里的max_iterations是否够用，复杂链路可能需要 8 次以上迭代。

5.4 下单链路中断在工具调用

如果商品查询成功但下单失败，先看 order MCP Server 的日志。常见原因是order_create工具的参数校验不通过，比如缺少user_id或quantity字段。在 settings.json 的 tools 定义里，把order_create的 inputSchema 写清楚，required 字段一个都不能少。另外，AgentCore 的 timeout_seconds 默认 30 秒，如果下单接口响应慢，可以适当调大。

5.5 本地能跑但部署后报错

本地和云端的差异通常出在环境变量和网络权限上。部署到 AgentCore Runtime 时，确保TAOTOKEN_API_KEY已经配置在运行时的环境变量里，而不是只放在本地 shell。另外，MCP Server 如果依赖本地文件或端口，部署时需要改成远程服务或者打包进容器。接入文档 https://taotoken.net/doc 里有关于运行时环境变量的说明，可以对照检查。

6. 把 Key 和配置一次做对，后面就快了

整条链路跑下来，最花时间的其实不是写 Agent 逻辑，而是把 Key、base_url、MCP Server 注册这些配置一次做对。TaoToken 统一 Key 的好处在这里体现得很明显：模型对话、编码计划、API 调用共用一个 Key，不用在多个服务商之间来回切换凭证，配置文件里只需要引用一个环境变量。对于电商 Agent 这种需要频繁调试模型和工具的场景，省掉的是重复配置的时间，留下的是专注业务逻辑的精力。

如果你还没开始配，建议先去 https://taotoken.net/api-keys 创建一个 Key，然后按上面的 config.toml 和 settings.json 骨架填进去。本地验证通过后，再考虑部署到 AgentCore Runtime。长期做编码和 Agent 开发的话，Coding Plan 页面 https://taotoken.net/coding-plan 可以看一下，它把常用场景打包在一起，比单独按量计费更省心。

最后留一个实用技巧：把 config.toml 和 settings.json 里的api_key_env统一命名，比如都用TAOTOKEN_API_KEY，这样换项目时只需要改环境变量，配置文件可以复用。MCP Server 的启动命令也建议写成脚本，避免每次手动敲一长串参数。这两步做完，下次再搭新 Agent，真的能压到两小时以内。