不写代码搭建招生AI Agent：语音+MCP实战

在高校招生办公室，咨询量往往集中在特定时段爆发，而潜在学生的提问却可能出现在任何时间。一个能够自动查询参观日历、完成预约并同步录入招生系统的AI Agent，正在成为教育行业解决这一痛点的可行方案。AI MCP Agent平台开发者George Snyder在其Use Case系列中，完整演示了如何从零搭建一个招生咨询助手，并让它同时服务于网页、在线聊天和电话渠道。

招生咨询Agent到底解决什么问题

传统招生流程中，学生想预约校园参观通常需要填写表单、等待工作人员回复邮件或电话确认，整个链路可能持续数小时甚至数天。而George Snyder演示的招生咨询助手直接嵌入大学官网，当潜在学生提出“我想这周参观校园”时，Agent会实时调用日历工具查找可用时段、完成预约，并在招生数据库中创建一条线索记录，整个过程在对话中一次性完成。

据其视频演示，该Agent返回的是真实的确认编号和线索ID，而非模拟数据。这意味着招生办公室无需人工介入即可完成从咨询到线索沉淀的闭环，且支持全天候运行。

可视化设计器：工具连接就是拖拽任务

搭建过程在可视化设计器中完成，没有编写任何代码。整个解决方案呈现为一个从左到右的工作流：起点连接语言模型，再连接两个工具服务器——招生客户数据库和排程日历。此外还有一个语音服务任务，使Agent具备听说能力，并遵循招生指令最终返回答案。

每个能力——包括工具连接——都只是画布上的一个任务节点，拖拽并配置即可。真正让Agent“能做事”的关键在于两个通过MCP（Model Context Protocol，模型上下文协议）连接的工具任务。MCP是一个开放标准，用于赋予Agent真实操作能力。

其中一个工具连接客户数据库，提供查找联系人、创建新线索、记录活动等工具；另一个连接排程日历，提供查找开放时段、预约、取消预约等工具。Agent同时连接两者，因此能够真正注册潜在学生并为其预约校园参观。

MCP（Model Context Protocol，模型上下文协议）由Anthropic于2024年底开源发布，旨在统一大语言模型与外部工具、数据源之间的交互方式。在MCP出现之前，开发者若要为Agent接入一个日历服务或数据库，往往需要针对每个模型平台编写专用插件或API封装，集成逻辑高度耦合且难以复用。MCP通过定义标准的服务端（Server）与客户端（Client）通信规范，将工具能力抽象为可发现、可调用的资源接口：工具服务端只需按规范暴露“查找时段”“创建线索”等操作，任何支持MCP的Agent即可直接调用，无需关心底层实现细节。这一设计类似USB-C对硬件外设的标准化意义——一次接入，多处通用。文章中的招生Agent正是通过两个独立的MCP工具服务端分别连接招生数据库与排程日历，从而在不写代码的前提下获得真实业务操作能力。

实时测试与成本透明

在正式上线前，开发者通过测试面板以潜在学生的身份与Agent对话。测试中，Agent调用日历查找开放参观时间、预约最早时段、在招生数据库中创建线索，并返回真实的确认和线索ID。当进一步询问其他可用时间时，Agent会再次调用日历。

有意思的是，每一轮对话都被计量。聊天历史显示精确的每轮成本、所用模型、Token数量以及会话累计总额。这种颗粒度的成本可见性对于教育机构评估AI Agent的运营开销具有实际参考价值。此外，由于搭载了语音任务，同一个Agent可以通过WebSocket或WebRTC作为语音Agent运行。

三种交付方式覆盖全渠道咨询

Agent保存后会以唯一代码发布，并提供多种交付方式。

可嵌入聊天组件：将组件放置在招生页面上，每位访客都能获得一个随时可预约参观的助手。潜在学生在组件中提出参观请求，Agent即刻查找时间、完成预约并捕获详情，无需工作人员介入。

ChatAssist实时坐席副驾驶：招生办公室通常有咨询师处理实时消息。在ChatAssist中，咨询师可以将学生的参观请求交给助手处理，同一个招生Agent会完成预约并起草确认信息。咨询师审核后加入个性化问候再发送。AI负责排程和线索捕获，咨询师专注于维护关系。

SIP电话线路：由于这是AI MCP Agent，同一个助手或整个多Agent团队可以连接基于标准的SIP电话服务商，接听真实电话。学生直接拨打即可通过语音预约参观。电话设置中可管理号码、通话历史和诊断信息。

一个Agent同时服务于网页、实时聊天和电话三个渠道，且整个过程无需编写代码。

SIP（Session Initiation Protocol，会话发起协议）是IETF制定的应用层信令协议，广泛用于VoIP电话、视频会议和即时消息的建立、修改与终止。在AI Agent场景中，SIP电话线路意味着Agent不再局限于文字对话，而是能直接接听来自公共电话网络的真实来电。其基本流程是：学生拨号后，SIP服务商将音频流通过WebSocket或RTP转发给Agent的语音任务，Agent将语音转文字、理解意图、调用后端工具完成预约，再通过文字转语音回复学生。相比传统的IVR按键菜单，基于大模型的语音Agent能理解自然语言、处理多轮追问，并在同一通电话中完成预约全流程。文章提到可在电话设置中管理号码、通话历史和诊断信息，说明该平台已将SIP线路作为一等公民的交付渠道来运营。

MCP正在成为Agent能力扩展的通用接口

这个案例的价值不仅在于招生场景本身。它展示了MCP作为开放标准，如何让Agent以标准化方式连接外部工具——无论是数据库还是日历服务。对于教育机构的技术团队而言，这意味着不必为每个新工具重写集成逻辑，只需在画布上添加对应的任务节点。

George Snyder在视频中强调，每个解决方案都是工作流，每项能力都是可配置的任务。这种模式降低了教育行业部署AI Agent的技术门槛，同时保留了接入真实业务系统的能力。对于希望在不增加开发资源的情况下提升招生响应效率的学校，这条路径值得关注。