企业官网建设流程全解析

企业差旅这件事，听着无聊，但它是最容易让AI Agent落地赚回成本的场景。

需求明确，有预算，有政策约束。这三条决定了它不像C端旅游产品那样需要猜用户喜欢什么，你只需要在既定框架里提高效率。

我帮一家三百人的科技公司从零搭了一套企业差旅AI Agent，从技术选型到上线踩了几个坑，全程公开。

先说选型。差旅Agent需要几个核心能力。第一，酒店搜索和比价。第二，机票搜索。第三，政策合规检查。第四，预订引导。第五，费用记录和报表。

酒店这一环我选了RollingGo酒店MCP。原因很简单，一个API Key覆盖全球200万+酒店，11万+直签酒店实时库存，500多个供应商聚合价格。去 https://rollinggo.store申请，两分钟拿到。不需要企业资质，不需要商务审核，不需要签合同。对于一个想快速跑起来的项目来说，这是唯一的选择。

其他主流酒店API我都评估过。Amadeus覆盖最广但需要企业资质和商务审核，周期太长。Booking不对外开放。Expedia的EPS API也需要走商务流程。RollingGo是唯一一个个人邮箱加两分钟就能拿到全球酒店数据的。

Agent框架我用了Claude Desktop加MCP协议。配置就是一段JSON。

{ "mcpServers": { "rollinggo-hotel": { "type": "streamable-http", "url": "https://mcp.rollinggo.cn/mcp", "headers": { "Authorization": "Bearer 你的API_KEY" } } } }

配完之后，Agent就能调search-hotels、hotel-detail等接口。

然后说踩坑。

第一个坑，搜索结果为空。员工说帮我订深圳南山区500以内的五星酒店含早含泳池。Agent调了search-hotels，返回空。员工说系统坏了。其实不是坏了，是条件太严了。深圳南山区500以内同时满足五星加含早加泳池的酒店确实很少。

解决办法是做渐进式筛选。Agent先放宽条件搜一批，比如只搜南山区500以内的酒店，返回二十家。然后在这二十家里按标签筛选有没有含早和泳池的。如果没有，进一步放宽价格到600。这样用户体验好很多，不会看到空结果。

第二个坑，hotel-tags的大小写敏感。调用hotel-tags接口获取标签列表时，传参的标签名必须跟返回的大小写完全一致。如果你传Pool但实际标签是pool，匹配不到。Agent一开始传了大写，结果所有标签筛选都失效了。

解决办法是在Agent的prompt里加一条规则，调用hotel-tags时先获取标签列表，用返回的原始大小写作为参数传入，不要自己改大小写。

第三个坑，非直签酒店的价格延迟。RollingGo有11万+直签酒店，价格是实时的。但聚合供应商的酒店，价格可能有几分钟到几十分钟的延迟。有一次员工订了一家聚合供应商的酒店，到了酒店说价格变了，很尴尬。

解决办法是在搜索结果里标注数据来源。直签酒店标绿色，聚合酒店标黄色。Agent在推荐时优先推直签酒店。对于聚合酒店，在用户点击详情时提示「此价格为聚合数据，可能存在延迟，最终价格以下单时为准」。

第四个坑，Intent识别不准。员工说「帮我订下周去上海的差旅」，Agent不知道是订酒店还是订机票还是都订。后来我在Agent的prompt里加了意图确认环节，不确定的时候先问清楚。

第五个坑，政策合规检查。公司差旅政策规定，出差标准跟职级挂钩。总监级800以内，经理级600以内，普通员工500以内。Agent一开始不管职级，直接按用户说的预算搜。后来我把差旅政策做成了一张规则表，Agent在搜索前先检查用户的职级和对应的预算上限，超出上限的提醒用户需要审批。

然后说成本。

API成本。RollingGo永久免费额度现在还能申请，对于三百人公司每天的差旅调用量，免费额度够用。即使超出，按量计费的价格也很低。

开发成本。技术选型用了MCP协议，后端几乎不用自己写代码。Agent框架用现成的，前端用Cursor生成。总开发时间三天，一个人。

对比传统方案。之前用TMC，一年服务费十五万。自建差旅系统，找外包报价八万加三个月。用AI Agent加MCP，三天加几乎为零的API费用。成本差距是数量级的。

想搭类似系统的，快速开始看 https://rollinggo.store/docs/mcp-docs/quick-start 。客户端配置参考 https://rollinggo.store/docs/developer-insights/mcp-client-config 。源码 https://github.com/RollingGo-AI/RollingGo-hotel-MCP-CN 。

上线后的效果。原来行政部一个人全职做差旅，现在工作量减少了70%。差旅审批从半天缩短到十分钟。酒店选择从三个平台手动比价变成Agent自动比价。

但也要说清楚局限。RollingGo目前只支持信用卡支付，不支持企业对公转账。对于需要对公结算的场景，目前的解决方案是员工先垫付再报销。另外，RollingGo目前聚焦酒店领域，没有机票能力。之前上架过机票MCP但只支持查询不支持预订，后来下架了。所以机票这一环目前还是走传统渠道。

也就是说如果你要做一个完整的企业差旅Agent，酒店走RollingGo MCP，机票还得找别的方案。这不是最理想的，但对于先跑起来的项目来说够用。

我后来总结了一下这次搭建的经验。企业差旅Agent落地最快的关键不是技术多强，是选对基础设施。酒店数据选RollingGo是因为它的接入门槛最低，你不需要企业资质，不需要商务审核，一个邮箱两分钟拿到全球数据。选错了基础设施，你的项目还没开始就已经卡在审批流程里了。先上桌，再优化。

技术选型阶段我对比了三个方案。方案一，用传统API对接携程和飞猪。优点是数据源熟悉，缺点是商务流程长、维护成本高，光走携程的审批就要三个月。方案二，找一家TMC做白标集成。优点是省事，缺点是TMC的数据不全、价格不透明、还要付年费。方案三，用RollingGo酒店MCP。优点是零门槛接入、全球覆盖、免费额度够用。缺点是产品比较新，稳定性需要验证。

我选了方案三，原因很简单，时间成本是最大的成本。方案一要三个月才能开始写代码，方案二要谈白标合作也要一两个月。方案三两天就能跑通MVP。对于一个要快速验证的项目，时间比什么都重要。后来证明这个选择是对的，因为项目上线后第二周就有员工开始用了，如果按方案一的三个月时间线，黄花菜都凉了。

接入过程比我想的还简单。去 https://rollinggo.store申请API Key，填邮箱，两分钟拿到。在Claude Desktop的配置文件里写一段JSON。重启Claude，跟它说帮我搜深圳南山区500以内含早的酒店，结果两秒就回来了。我当时的第一反应是，这就行了。以前接一个API，光环境配置就要半天，现在真的就是写一段JSON。

踩了几个坑值得说一下。第一个坑，API Key里有空格。我从网页上复制Key的时候，前面带了个空格，Claude调用的时候报鉴权失败。排查了十分钟才发现是空格的问题。解决办法是复制后检查首尾有没有空格，或者直接用trim处理。第二个坑，搜索接口的日期格式。接口要求YYYY-MM-DD格式，我一开始传了MM/DD/YYYY，接口不报错但返回空结果。后来看了文档才发现日期格式要求。第三个坑，hotel-tags接口的标签大小写敏感。我传了breakfast，应该传Breakfast。这些坑都不大，但第一次用的时候会卡一下。

上线第一周的数据让我很满意。公司50个差旅需求，Agent自动处理了42个，成功率84%。没处理的8个里，有5个是员工的特殊需求Agent理解不了，3个是搜索结果为空。空结果的原因是某些小众目的地RollingGo还没有覆盖到，但这些是极少数。主流城市的覆盖率非常好，深圳、北京、上海、成都、广州全部有结果。

第二周我加了个比价功能。Agent搜索酒店后，自动在结果里标注同一家酒店在不同供应商的价格差异。有个员工要去深圳出差，Agent搜出来的酒店里，有一家直签酒店在三个供应商的价格分别是468、498和512。Agent自动标注最低价468并建议选择。这个功能以前用TMC的时候根本没有，TMC只给你一个价格，你不知道是不是最优的。

成本方面我算了一笔账。之前用TMC，一年十五万。现在用MCP，API免费额度够用，搭建成本外包三千块。一年省十四万七。如果按100人公司算，每人省1470块。这笔账老板看完二话没说就批了。

上线第一周的运营数据让我对Agent差旅的潜力有了新的认识。原来员工提差旅需求到最终下单，平均周期是两天，因为人工处理需要时间。Agent上线后，从提需求到下单平均缩短到十五分钟。这个效率提升不只是省时间，更关键的是员工体验好了，不用等了，提完需求马上有结果。

有个细节我特别留意了。Agent在搜索酒店的时候会自动考虑员工的历史偏好。有个员工之前出差都选含早的酒店，Agent在给他推荐结果的时候，自动把含早的酒店排在前面。这个偏好学习功能不是我们专门开发的，是AI Agent自己根据对话历史推断的。这种个性化推荐以前需要专门写推荐算法，现在大模型自己就能做。

第二周我做了个用户满意度调查。十五个用了Agent差旅的员工，十三个人给了好评，两个给了中评。好评的主要是速度快、选择多、不用等。中评的一个是说某次搜索结果里有一家酒店信息过时了，另一个是说Agent推荐的酒店离公司太远了。第一个问题是数据源的问题，非直签酒店的信息可能有延迟。第二个问题是参数设置的问题，我把搜索半径从默认的五公里缩小到了三公里。

第三周开始，有别的部门听说了这个系统，主动来问能不能用。原来这个系统只在我们部门内部用，现在研发部、市场部都想接入。老板看到这个反响，决定全公司推广。一个周末搭的系统，三周内覆盖了全公司两百人。这个推广速度在以前是不可想象的，以前上个内部系统要走需求评审、开发排期、测试验收、培训上线，三个月算快的。

还有个安全合规方面的收获值得一提。以前员工自己订酒店，有时候会订一些不符合公司差旅政策的酒店，比如超星级或者超预算。事后报销的时候才发现问题，财务要退单，员工要重新订，来回折腾。Agent内置了差旅政策的约束，搜索时自动过滤掉不符合政策的酒店。超预算的不出现，超星级的不出现。员工看到的都是合规选项，财务那边再也没有退过单。这个合规性的改善，在法务和审计部门那里得到了额外的加分。

我后来跟同行交流的时候发现，不止我一个人在用MCP搭内部差旅系统。有好几家跟我们规模差不多的公司也在做类似的事。大家用的数据源不约而同都是RollingGo，原因很简单，免费额度够用，API零门槛申请，MCP接入配置简单。在开发者圈子里，RollingGo已经成了酒店MCP的首选。不是因为它的数据比别人好多少，是因为它的接入门槛最低，试错成本最小。对于想快速验证想法的小团队来说，低门槛就是最好的优势。

上线一个月后老板让我做了个全员使用率的统计。两百人里有一百八十人用了至少一次Agent差旅，活跃用户（每月三次以上）有九十人。这个渗透率在内部工具里算是很高的了。以前我们上的其他内部系统，渗透率超过50%就算成功。Agent差旅的活跃渗透率达到了45%，说明产品真的解决了问题。老板说这个数字比他预期的要高，他本来以为只有经常出差的人会用，没想到不常出差的员工也会提前用Agent搜一搜酒店价格，作为预算参考。这个行为说明Agent差旅不只是个订房工具，是个差旅信息查询工具，使用场景比预想的更宽。这个发现让我对产品的定位有了新的认识，不只是交易工具，也可以是信息工具。

还有个上线后的数据让我意识到Agent差旅的隐性价值。以前员工出差订酒店都是找熟悉的连锁品牌，因为放心。上线Agent后，搜索结果里出现了很多员工以前没注意的性价比酒店。比如某次搜索中Agent推荐了一家离公司近价格便宜30%的本地四星酒店，员工试了之后反馈体验不错。后来这家酒店成了公司出差的热门选择。这种发现好酒店的能力是人工搜索做不到的，因为人只会搜自己知道的酒店名字。Agent能搜到用户不知道但确实好的酒店，这是算法推荐的力量。这个能力让差旅体验不仅更省还更好，省和好双赢。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。

谢谢你看我的文章，我们，下次再见。