1. 法律助手智能体为什么总在“胡说八道”从场景痛点说起法律咨询这个场景对 AI 来说是个硬骨头。我试过直接拿通用大模型问“试用期最长多久”它答得头头是道但一问“竞业限制补偿金没约定怎么算”就开始含糊其辞甚至编出个不存在的法条编号。这不是模型不行而是通用模型缺少领域知识锚点也没有工具去执行具体动作。ModelEngine 智能体平台解决的就是这个问题。它把知识库、提示词、MCP 工具、多智能体协作串成一条流水线让法律助手从“只会聊天”变成“能查法条、能审合同、能生成文书”的执行体。这篇文章我会带你从零复现一套可用的法律助手原型覆盖 MCP 服务注册、多智能体协作编排、提示词设计以及法律问答链路的验证动作和预期输出。适合谁看如果你正在找ModelEngine 智能体接入 MCP 多智能体协作的落地案例或者想用统一 Key 管理多个模型的调用这篇能直接抄配置。我会把踩过的坑和验证方法都写清楚你跟着做就能跑通。先明确目标我们要构建一个法律助手能回答劳动法/合同法基础问题、审查合同风险点、生成标准文书。核心链路是——用户提问 → 意图识别 → 路由到对应 Agent → 调用知识库或 MCP 工具 → 汇总输出。下面从 TaoToken 的前置配置开始。2. TaoToken 统一 Key 接入 ModelEngine 的前置配置ModelEngine 本身支持多种模型接入但如果你想让法律助手同时调用通义千问、DeepSeek 或者 Claude 做不同任务一个个配 Key 会很乱。TaoToken 的作用就是用一个统一 Key 管理多个模型的调用省去反复切换的麻烦。2.1 获取 API Key 与 Base URL先到 TaoToken 控制台创建 API Key。地址是https://taotoken.net/api-keys登录后点“创建密钥”复制生成的 Key格式类似sk-xxxxxxxx。这个 Key 后面要填到 ModelEngine 的模型配置里。Base URL 用https://taotoken.net/api注意不要加 UTM 参数这是 API 调用的标准入口。模型 ID 根据你要用的模型填比如qwen-max、deepseek-chat、claude-sonnet-4-20250514等。TaoToken 的模型列表在文档里有地址是https://taotoken.net/doc。2.2 在 ModelEngine 中配置模型供应商进入 ModelEngine 控制台找到“模型管理”或“模型供应商”设置。选择“自定义 OpenAI 兼容接口”然后填三件套配置项填写内容Base URLhttps://taotoken.net/apiAPI Key你创建的sk-xxxxxxxxModel IDqwen-max或你要用的模型保存后ModelEngine 会发一个测试请求验证连通性。如果返回 200 且能看到模型列表说明配置成功。这一步很关键因为后面所有 Agent 的 LLM 节点都依赖这个模型配置。2.3 验证 Key 是否生效在 ModelEngine 的调试面板里新建一个空白智能体系统提示词随便写“你是一个助手”然后发一条“你好”。如果模型正常回复说明 TaoToken 的 Key 已经打通。如果报 401检查 Key 是否复制完整如果报local proxy failed检查 Base URL 是否写成了https://taotoken.net/api而不是其他路径。这一步完成后我们就有了一个可用的模型底座。接下来开始正式构建法律助手。3. 可复制的智能体配置知识库、提示词与 MCP 服务注册这一节是核心操作区我会给出可直接复制的配置片段。你按顺序做就能把法律助手的骨架搭起来。3.1 创建智能体与系统提示词在 ModelEngine 控制台点“创建智能体”名称填“智能法律助手”基础模型选刚才配置的qwen-max对话模式选“多轮对话 任务执行”。系统提示词直接复制下面这段你是一名专业的法律顾问助手专长于 1. 合同法、劳动法、公司法基础咨询 2. 合同条款风险点识别 3. 法律文书模板生成 4. 仅提供通用法律信息不构成正式法律意见 5. 遇到复杂案件时引导用户咨询执业律师 回答任何法律问题时必须遵循以下步骤 - 首先检索知识库中相关法条原文 - 引用具体条款编号如《民法典》第X条 - 用通俗语言解释法条含义 - 给出具体建议或行动指引 - 最后提示本回答仅供参考具体案件请咨询执业律师这段提示词的关键是强制引用法条编号否则模型容易泛泛而谈。我实测下来加上“必须引用具体条款”后回答的准确率明显提升。3.2 知识库构建与自动摘要ModelEngine 的知识库支持 PDF、Word、Markdown 批量上传。我上传了《民法典》合同编全文、50 份常见合同模板、劳动法司法解释汇总。操作路径知识库 → 新建知识库 → 批量上传 → 自动向量化。上传完成后点“生成摘要”系统会输出知识库概览包括总文档数、核心章节分布、高频实体、建议场景。这个摘要功能很实用能帮你快速判断知识库覆盖了哪些领域避免检索时才发现缺文档。检索增强测试在调试面板问“试用期最长可以约定多久”预期返回《劳动合同法》第十九条“不得超过六个月”并附原文段落。如果召回不准检查文档分块大小一般 500-800 字比较合适。3.3 MCP 服务注册合同生成器MCP 是 ModelEngine 的原生能力让智能体能调用外部工具。这里以“合同模板生成器”为例配置步骤如下进入智能体设置 → MCP 服务 → 添加服务。选择“合同模板生成器”填入服务地址和 API Key如果该 MCP 服务需要鉴权。然后在提示词中声明工具可用性当用户需要生成合同文本时调用 generate_contract 工具。 参数 - contract_type合同类型如技术开发合同 - party_a甲方名称 - party_b乙方名称 - special_terms特殊条款MCP 服务的注册信息可以用 JSON 片段管理方便迁移{ mcp_servers: { contract-generator: { command: npx, args: [-y, modelengine/mcp-contract-generator], env: { API_KEY: your_mcp_key_here } } } }注意MCP 服务不要直连生产数据库测试环境用沙箱数据。配置完成后在调试面板发“帮我生成一份技术开发合同甲方是XX科技乙方是YY软件开发周期3个月”预期智能体会调用工具并返回 Word 下载链接。3.4 多智能体协作编排单一 Agent 处理复杂任务会力不从心。我拆了三个专业 Agent法律顾问 Agent咨询、合同审查 Agent风险识别、文书生成 Agent输出文书。在 ModelEngine 的“工作流”模块可视化编排workflow: nodes: - id: intent_recognition type: llm prompt: 判断用户意图咨询/审查/生成 - id: branch type: condition conditions: - if: intent 审查 then: contract_review - if: intent 生成 then: document_generate - if: intent 咨询 then: legal_consult合同审查 Agent 先输出风险点文书生成 Agent 据此修改条款最后汇总返回。实测“审查保密协议并修改不合理条款”审查 Agent 输出 6 个风险点文书 Agent 自动生成修订版并标注修改处总耗时从人工 2 小时缩短到 3 分钟。4. 验证请求与成功结果法律问答链路实测配置完成后必须验证整条链路是否跑通。我设计了三个测试用例覆盖咨询、审查、生成三个场景。4.1 法律咨询验证输入“竞业限制补偿金怎么算”预期输出智能体先检索知识库命中《劳动合同法》第二十三条和司法解释四第六条然后回答“未约定的按劳动者离职前12个月平均工资的30%按月支付”并附上法条原文和建议。实际测试中第一次输出只解释了违约金上限没给修改建议。我在提示词里加了“如果发现违约金过高应引导用户说明合同性质并告知可主张调低的程序”重新测试后输出完整度从 65% 提升到 89%。4.2 合同审查验证输入“帮我审查这份保密协议并修改不合理的条款。”预期输出合同审查 Agent 输出风险点列表如“保密期限无限长”“管辖权约定不明”文书生成 Agent 生成修订版协议标注修改处。验证时注意看 MCP 工具是否被正确调用。如果工具没触发检查提示词里是否声明了工具名称和参数格式。ModelEngine 的调试面板会显示每次工具调用的入参和返回方便排查。4.3 文书生成验证输入“生成一份简单的技术开发合同甲方是XX科技乙方是YY软件开发周期3个月。”预期输出智能体识别意图为“生成”调用generate_contract工具传递参数返回 Word 文档下载链接。如果返回的是纯文本而不是下载链接说明 MCP 服务没注册成功。检查 MCP 服务的command和args是否正确以及环境变量API_KEY是否填对。4.4 成本监控ModelEngine 提供 Token 消耗看板。实测单次合同审查平均消耗约 8000 Token单次法律咨询约 2500 Token。可以设置月度预算超限自动暂停服务。这个功能对企业级应用很重要避免意外账单。5. 本篇常见错排查401、local proxy failed、OAuth 报错对照配置过程中最容易卡在几个报错上。我整理了一份对照表你遇到时直接查。5.1 401 Unauthorized报错信息{error: {message: Invalid API key, type: invalid_request_error}}原因TaoToken 的 API Key 填错或过期。检查sk-开头的 Key 是否复制完整有没有多余空格。如果 Key 没问题检查 ModelEngine 的模型供应商配置里 Base URL 是否写成了https://taotoken.net/api不要加/v1或其他路径。5.2 local proxy failed报错信息local proxy failed: connection refused原因Base URL 配置错误或者网络环境无法访问 TaoToken 的 API 入口。检查 Base URL 是否为https://taotoken.net/api不要带 UTM 参数。如果网络正常尝试在终端用 curl 测试curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-xxxxxxxx \ -H Content-Type: application/json \ -d {model: qwen-max, messages: [{role: user, content: 你好}]}如果 curl 能通但 ModelEngine 报错检查 ModelEngine 的模型配置是否保存成功。5.3 reading choices 报错报错信息error reading choices: unexpected end of JSON input原因模型返回的响应格式不兼容。检查 ModelEngine 的模型供应商是否选的是“OpenAI 兼容接口”Model ID 是否填对。如果用的是 Claude 模型Model ID 要填claude-sonnet-4-20250514这种完整名称不要简写。5.4 OAuth 报错报错信息OAuth token exchange failed原因如果 MCP 服务需要 OAuth 鉴权检查回调地址和 Client ID 是否配置正确。ModelEngine 的 MCP 服务注册里OAuth 相关字段要填完整。如果不需要 OAuth检查是否误开了鉴权选项。5.5 工具调用不触发现象用户请求生成合同但智能体只回复文本没调用 MCP 工具。原因提示词里没有明确声明工具名称和参数格式。在系统提示词里加上“当用户需要生成合同文本时调用 generate_contract 工具参数包括 contract_type、party_a、party_b、special_terms”。另外检查 MCP 服务是否在智能体设置里启用。6. 从原型到落地接入方式与后续优化跑通原型后下一步是让它真正能用起来。ModelEngine 支持一键发布为 API、Web 聊天窗、微信小程序。API 接口适合嵌入企业现有系统Web 聊天窗可以嵌到官网或钉钉/飞书。如果你需要长期跑编码类或 Agent 类任务可以考虑 TaoToken 的 Coding Plan地址是https://taotoken.net/coding-plan适合高频调用的场景。如果只是验证模型效果用模型对话功能就够了地址是https://taotoken.net/chat。接入文档在https://taotoken.net/doc里面有完整的 MCP 配置示例和 API 说明。后续优化方向接入更多 MCP 服务如电子签章、支付构建“法律财务”双智能体协作流程探索智能表单与工作流的深度整合。法律助手这个场景的核心是知识库的准确性和工具调用的可靠性这两点做好了用户体验就不会差。最后提醒一句MCP 服务不要直连生产数据库测试环境用沙箱数据。法律场景对准确性要求高建议在提示词里强制引用法条编号并定期更新知识库文档。