前言
前几天火山引擎的豆包大模型1.6正式发布了。
火山引擎AI云原生的核心是打造了Agent开发的新范式：大模型+Agent开发平台。
大模型我们可以用豆包大模型1.6。
Agent开发平台，我们可以使用PromptPilot通过交互式引导与提示词优化，在火山方舟通过MCP协议调用云服务，解决部署繁琐问题。
我赶紧试用了一下。
这几天我用Trae+豆包1.6+火山方舟的MCP，开发了一个美食推荐助手agent。
感觉挺有意思的，这篇文章跟大家一起分享一下。
1 豆包1.6的新功能
首先跟大家一起聊聊豆包1.6的新功能。
豆包大模型1.6系列包括三个大模型，分别是
Doubao-Seed-1.6-thinking
Doubao-Seed-1.6
Doubao-Seed-1.6-flash。
这三大模型均支持多模态输入，并实现256K超长上下文。
豆包大模型1.6除了支持深度思考、多模态理解，还能进行GUI（图形界面）操作，这意味着豆包既有「眼睛」，还能「动手」。
豆包大模型1.6在推理速度、准确度与稳定性上显著提升，可支撑更复杂的业务场景落地。
例如，有媒体针对2025年的高考全国新一卷数学单科做了测评，豆包的成绩是144分，全国第一。
豆包大模型1.6具有边想边搜、DeepResearch 深度研究能力，能独立思考、规划、使用搜索等各种研究工具。
例如豆包 APP 和 PC端正在小流量测试的 DeepResearch功能，可以把过去需要多名专业人士花费数天写成的调研报告，缩短到5-30分钟内完成，还能自动提炼信息，总结成网页，方便查阅。
豆包大模型1.6全系列均原生支持多模态思考能力，让模型可以理解和处理真实世界的问题。
该能力支持了豆包APP 最新的实时视频通话功能，在企业端可广泛应用于电商商品审核、自动驾驶标注、安全巡检等场景。
2 火山方舟的MCP
接下来，跟大家一起聊聊火山方舟MCP。
火山引擎MCP Hub，集成了丰富的官方云服务及优质三方生态工具。
支持用户快速跳转至 火山方舟 或 其他支持 MCP 协议的平台（如 Trae、Cursor、Python 等），支持Remote MCP，Local MCP 部署方式。
同时，通过打通大模型应用开发环境 Trae+火山方舟模型服务+MCP Market，火山提供一站式端到端的大模型落地应用解决方案。
火山引擎下的火山方舟对外提供了很多MCP，官网地址：https://www.volcengine.com/mcp-marketplace
工具一键直连，模型无缝衔接。
火山方舟MCP包含了：计算、存储、数据库、容器与中间件、大数据、安全、搜索工具等很多类型的MCP服务。
支持本地接入，也支持通过 MCP 协议直接云部署。
你可以在上面选择自己喜欢的MCP服务。
3 如何开发的美食推荐助手？
接下来，给大家详细介绍一下，用 Trae+ 豆包1.6 + veFaaS MCP的开发美食推荐助手的完整过程。
在火山引擎的MCP Servers中找到：veFaaS MCP。
MCP Servers地址是：https://www.volcengine.com/mcp-marketplace
点击打开 veFaaS MCP的详情页面：
在AI idea的tab中选择Trae，然后选择下面的JSON(URL)，然后点击“生成”按钮。
会生成mcpServers的json字符串：
然后点击“去Trae配置”按钮，打开国内版的Trae，它会自动打开MCP tab页面：
在里面填写刚刚那个json字符串，点击确定按钮即可。
之后在Trae的MCP窗口中，就会看到我们刚刚添加的veFass MCP了：
接下来，我们需要创建一个智能体。
名称是：美食推荐agent。
提示词是：
# 美食推荐助手Agent提示词
## 核心功能
1. 接收用户指定的城市/地区名称
2. 推荐该地区的10道经典美食
3. 生成完整的HTML文件，包含所有推荐内容
## HTML页面要求
- 使用响应式设计，适配不同设备屏幕
- 采用卡片式布局展示每道美食
- 包含悬停动画效果和基础样式美化
- 页面结构需包含：导航栏、美食推荐区、页脚
## 美食信息要求
每道美食需包含：
- 美食名称
- 详细描述（2-3句话）
- 预算价格
- 至少3个标签（如：粤式、传统、早餐）
- 推荐理由
- 生成时间用当前时间，能够正常显示出时间
- 不需要展示美食的图片
## 输出格式
仅输出完整的HTML代码，不包含任何额外解释或说明。
点击保存之后，我们的美食推荐助手agent智能体就创建成功了。
此时，有小伙伴可能会问题，上面的提示词是怎么来的？
答：使用Doubao-Seed-1.6帮我们生成的。
回到Trae的对话框页面，大模型选择：Doubao-Seed-1.6，在AI对话框中输入：
我需要开发一个美食推荐助手agent，帮我生成提示词
Trae就会给你生成提示词了。
Doubao-Seed-1.6帮我们生成的提示词还是很专业的，它在推理方面还不错。
你可以基于它生成的内容进行修改。
4 效果演示
接下来，回到Trae的对话框页面，大模型选择：Doubao-Seed-1.6，智能体选择：美食推荐agent
在AI对话框中输入：
帮我推荐成都的10种美食
Trae就会帮我们生成一个chengdu_food_recommendations.html文件：
这个文件的存放目录，可以根据Trae的AI对话框中的上下文修改。
在Chrome浏览器中运行电脑中的chengdu_food_recommendations.html文件：
就会非常直观的看到美食推荐助手agent帮我们推荐的这些美食了，包含了：名称、价格、分类、特点、推荐理由等。
是不是有点意思？
5 火山方舟的PromptPilot
最后给大家介绍一下火山方舟的PromptPilot。
PromptPilot是一款面向大模型应用落地的使能平台，覆盖从Prompt构建这一基础环节出发，通过用户反馈与数据驱动机制，精准识别和表达用户任务意图，自动生成解决方案。
并实现线上Badcase检测与运行时持续优化，构建起一条贯通大模型应用落地全过程的闭环链路。
PromptPilot提供了Prompt工程（包括Prompt生成、调试、智能优化、版本管理等），AI工程（包括知识加工、问题工程、答案工程、thought工程、metric工程、tools工程等），联动精调，Solution Out，任务定制的评估服务等功能。
并提供具有probe/反馈等功能的sdk与线上环境形成联动，持续检测/回流线上badcase，助力大模型应用的持续优化。
PromptPilot能做什么？
答： 更高效 Prompt调试，从 “碰运气” 到 “精准调控”。
互动中提取用户意图，引导用户表达需求：互动中快速生成prompt。
帮助用户寻找理想回答：自动生成多样性的答案，客户可以给出选择、反馈、对比等；“深度对齐”模型思考过程：除了直接对齐理想回答，对齐用户产生理想回答的推理过程。
业内首发自动智能优化能力。用机器实现类似人类的反思、类比、错误总结能力，全自动优化Prompt。并支持AI搜索和知识库的调用。
自动精调：随着模型升级、目标变化、环境变化不断产生的新badcase，PromptPilot帮助用户快速进行prompt迭代。
下面用一个例子给大家演示一下。
PromptPilot的官网地址：https://promptpilot.volcengine.com/
比如我想让AI帮我生成一个导航网站，我自己的提示词是：帮我生成一个导航网站，比较简单。
用PromptPilot帮我优化后的提示词是下图右边窗口中这样的：
看起来更专业一些。
总结
豆包大模型1.6具备更强推理能力、以及多模态理解、AI编程能力。
豆包大模型1.6最新的费用如下图所示：
在绝大部分企业使用的输入区间0-32K 范围内，价格是输入0.8元/百万 tokens，输出8元/百万 tokens。
在输入区间32K-128K 的范围内，价格是输入1.2元/百万 tokens，输出16元/百万 tokens。
在输入区间128K-256K 的范围内，价格是输入2.4元/百万 tokens，输出24元/百万 tokens。
大模型+Agent开发平台是“AI云原生”理念下的全新Agent开发范式。
火山引擎AI云原生全栈服务，为（企业）开发者提供从推理优化到安全部署的一站式支持，推动生产级Agent在Agentic AI时代的规模化落地。