企业官网建设流程全解析

本文是"AI Agent 接入实时 Amazon 数据"系列总纲的 CSDN 改编版：代码实现向。保留总纲全部 8 节的定义—论证—推论结构，接入命令、配置片段、工具 payload、第一次测试脚本全部可直接运行。

一、定义：什么叫"接了数据的 agent"

一个 AI agent，剥到最简，是套在语言模型外的一层循环：观察、推理、行动、再观察。接了数据的 agent 与裸模型的全部区别，可以归结为一个性质——接地（grounding）。接地的 agent 能在使用时刻把一条断言拿到外部源上去核验；裸模型只能拿它的参数去核验，而参数在训练结束那一刻就冻结了。

这个区别与文采无关。在答案稳定的问题上——术语的定义、定理的陈述——两者没有差别。差别恰好出现在商业所在之处：每小时都在变的价格、昨天才写下的评论、随每次投放而漂移的排名。

二、论证：AI agent 为什么需要实时商业数据

参数化知识——模型在训练中"学到"的东西——应用于商业问题时有三个结构性缺陷：时间冻结、无计数、无出处。

证据是一组对照实测，于 2026-10-12 对 Pangolinfo MCP 服务器真实执行。同一个提示词——“AirPods Pro 3 的差评主要集中在哪些方面？”——被送入数据层的两种条件。

接地条件：search_amazon先找到商品（ASIN B0FQFB8FMG，Apple AirPods Pro 3，4.4 星，16,350 条评分），get_amazon_reviews加filterByStar=critical返回 4,268 条评论中的 1,392 条差评，最新评论日期为 2026 年 10 月 10 日——距测试仅两天。按 helpful 排序，差评主题集中为四条：更新后的软件问题、降噪名不副实、4–6 个月内损坏、来电接听故障。每条评论都带有 verified purchase 标记与 helpful 票数。

无数据条件：同一提示词仅凭参数化知识回答，只能给出看似合理的主题——降噪、佩戴、价格——没有数字、没有时间、没有验证标记。更严重的是代际污染风险：旧款 AirPods Pro 2 的记忆可能混入关于 Pro 3 的回答，而输出中没有任何机制让读者察觉这种替换。

论证于是成立：对商业问题而言，未接地的 agent 的缺陷不在文采，而在可验证性。接地的全部内容，就是把断言替换为测量。本节的实测数据就是第八节脚本的预期输出。

三、三种接入模式对照（MCP / REST API / Skill）

给 agent 接实时 Amazon 数据有三种模式。区别在于谁发起调用、agent 需要知道什么、以及成本如何计量。

MCP（Model Context Protocol）。agent 在对话中途自己发现服务器上的工具并调用。Pangolinfo MCP 服务器开放 20 个工具（19 个数据工具加 1 个免费的自检工具），调用按对应 REST 端点的点数标准计费，鉴权用Authorization: Bearer <API key>请求头。

REST API。你的代码调固定端点，拿回结构化 JSON。这是自动化与流水线的模式：定时任务、n8n 或 Make 工作流、看板、对数千 ASIN 的批量分析。Amazon Scraper API是 canonical 入口——商品数据每页 1 点，评论数据每页 5 点。分页、重试、存储都由你控制；即使流程里有 agent，它消费的也是你备好的数据，而不是自己联网。

Skill。打包好的能力，直接装进 dev agent 生态——Claude Code、OpenClaw 这类编码 agent——装完即用，无需逐项目接线。这是"agent 住在 IDE 里"时的模式。

选择规则是机械的：agent 对人说话，选 MCP；机器按计划跑，选 REST；agent 住在 IDE 里，选 Skill。

四、代码一：三种客户端的接入配置

4.1 Claude Code（一行命令接入 MCP）

claude mcpadd--transporthttp pangolinfo https://mcp.pangolinfo.com/mcp\--header"Authorization: Bearer YOUR_KEY"

接入后，在 Claude Code 里直接提问"AirPods Pro 3 的差评主要集中在哪些方面？"，agent 会自行调用search_amazon和get_amazon_reviews。注意：YOUR_KEY替换为你的 Pangolinfo API key，永远不要把真实 key 粘贴进可能被分享的对话文本。

4.2 Claude Desktop（JSON 配置片段）

{"mcpServers":{"pangolinfo":{"url":"https://mcp.pangolinfo.com/mcp","transport":"http","headers":{"Authorization":"Bearer YOUR_KEY"}}}}

4.3 REST 模式（host + Bearer 鉴权）

REST 接入不需要 SDK：host 为api.pangolinfo.com，鉴权走Authorization: Bearer <API key>请求头。所有端点路径、分页参数与返回结构以官方文档为准（本文不转述端点路径，一律以文档为准）。

# REST 模式的最小连通性探测：只验证 host + key 是否通curl-s-o/dev/null-w"%{http_code}\n"\-H"Authorization: Bearer$PANGOLINFO_API_KEY"\https://api.pangolinfo.com/

五、代码二：MCP 工具的精确 payload

第一次测试只用到两个工具。参数是固定的（2026-10-12 实测同参）：

// 工具 1：search_amazon —— 商品发现{"name":"search_amazon","arguments":{"keyword":"wireless earbuds","site":"amz_us","page":1}}

// 工具 2：get_amazon_reviews —— 拉评论并过滤到差评带{"name":"get_amazon_reviews","arguments":{"asin":"B0FQFB8FMG","site":"amz_us","pageCount":1,"filterByStar":"critical","sortBy":"helpful"}}

实测返回值（2026-10-12）：工具 1 返回 5 条真实 ASIN（含 B0FQFB8FMG：Apple AirPods Pro 3，4.4 星，16,350 条评分）；工具 2 返回 4,268 条评论中的 1,392 条差评，最新一条日期为 2026-10-10，主题为软件更新翻车、降噪名不副实、4–6 个月损坏、来电接听故障——每条带 verified purchase 标记与 helpful 票数。调用的Pangolinfo 评论端点评论数据每页 5 点。

六、代码三：可运行的三步第一次测试脚本

下面这段 Python（只用标准库）直接走 MCP Streamable HTTP（JSON-RPC）驱动上面两个工具，复现 2026-10-12 的实测链路。三步消耗约 6 点，免费档每月 60 credits，跑好几遍都够。

#!/usr/bin/env python3"""Pangolinfo MCP 第一次测试：与 2026-10-12 实测同参数的三步走通。 前置: export PANGOLINFO_API_KEY="你的长期 key" # 从环境变量读，绝不硬编码 步骤: 1) search_amazon 找 ASIN 2) get_amazon_reviews 挖差评 3) 打印可验证的结论 传输: MCP Streamable HTTP（JSON-RPC）；实现遵循公开 MCP 传输规范。 """importjsonimportosimporturllib.request MCP_URL="https://mcp.pangolinfo.com/mcp"API_KEY=os.environ["PANGOLINFO_API_KEY"]classMCPClient:def__init__(self):self.session_id=Nonedef_post(self,method,params):body=json.dumps({"jsonrpc":"2.0","id":1,"method":method,"params":params}).encode("utf-8")req=urllib.request.Request(MCP_URL,data=body,method="POST")req.add_header("Content-Type","application/json")req.add_header("Accept","application/json, text/event-stream")req.add_header("Authorization","Bearer "+API_KEY)ifself.session_id:req.add_header("Mcp-Session-Id",self.session_id)withurllib.request.urlopen(req,timeout=120)asresp:ifnotself.session_id:self.session_id=resp.headers.get("Mcp-Session-Id")returnself._read_rpc(resp.read().decode("utf-8"))@staticmethoddef_read_rpc(text):# Streamable HTTP 以 SSE 形式回 JSON-RPC：逐行取 data: 块中的 resultforlineintext.splitlines():ifline.startswith("data:"):try:payload=json.loads(line[5:].strip())exceptValueError:continueif"result"inpayload:returnpayload["result"]raiseRuntimeError("未收到有效的 JSON-RPC 响应")defconnect(self):self._post("initialize",{"protocolVersion":"2025-06-18","capabilities":{},"clientInfo":{"name":"pangolinfo-first-test","version":"1.0.0"},})self._post("notifications/initialized",{})defcall(self,tool,arguments):returnself._post("tools/call",{"name":tool,"arguments":arguments})defmain():client=MCPClient()client.connect()# 第一步：发现 —— 找测试目标 ASINfound=client.call("search_amazon",{"keyword":"wireless earbuds","site":"amz_us","page":1})print("== 第一步：商品搜索 ==")print(json.dumps(found,ensure_ascii=False)[:800])# 第二步：挖投诉 —— 固定实测参数reviews=client.call("get_amazon_reviews",{"asin":"B0FQFB8FMG","site":"amz_us","pageCount":1,"filterByStar":"critical","sortBy":"helpful"})print("== 第二步：差评（实测参数） ==")print(json.dumps(reviews,ensure_ascii=False)[:2000])# 第三步：结论 —— 连接通的判据print("== 第三步：验证 ==")print("若输出包含 B0FQFB8FMG 的商品信息、约 4,268 条评论的计数、""以及日期在 2026-10-10 附近的差评正文，连接即通。")print("本系列后续的监测、告警、跨品对比，都是这三个原语的组合。")if__name__=="__main__":main()

跑法：

exportPANGOLINFO_API_KEY="你的 key"python3 first_test.py

七、平台一览：每个 agent 在哪里遇到 Amazon 数据

• Meta Muse。Meta 的个人 AI agent（2026-09-08 发布；当前仅美国、加拿大可用）。经自定义 MCP 连接器接入；Pangolinfo 连接已由我们团队实测走通。
• Claude。Anthropic 助手支持自定义连接器与 MCP 服务器；Claude Code 直接接受 MCP 配置（见第四节命令）。Pangolinfo MCP 是同一个公网 HTTPS 端点，差别只在客户端一侧的注册方式。
• ChatGPT。Custom GPT 经 Actions 调用外部 API；开发者模式的 MCP 支持把同一套工具带到对话界面。详见本系列 ChatGPT 篇。
• 腾讯 Workbuddy。腾讯云桌面 AI agent（2026-03-09 发布），定位"AI teammate"，分国内版与国际版（Workbuddy AI）。首月月活 885 万，自带开放平台与云端数万生态 Skill。接入走其开放平台与 Skill 生态。详见本系列 Workbuddy 篇。
• IDE agent。Cursor 一类开发 agent 在编辑器内消费 MCP 服务器或 skill 包，天然适配 Pangolinfo MCP 端点与 skill 包。详见本系列 IDE agent 篇。
• n8n / Make。工作流自动化平台按计划调 REST API——持续监测的 canonical 形态：盯一组 ASIN，每晚拉新增评论，差评率过阈值即告警。详见本系列自动化篇。

诚实的边界：本系列中，只有 Meta Muse 的连接路径经我们团队端到端实测走通；其余平台在本文中只如实陈述其接入面。

八、成本与安全

点数模型在三种模式下是统一的：调用按 Pangolinfo 余额扣点，费率与底层数据端点一致（商品数据每页 1 点，评论数据每页 5 点）。MCP 工具调用与对应 REST 调用同价——协议改变的是谁发起调用，不改变数据的价格。免费档：每月 60 credits，按月重置。

key 管理三条规则。第一，永远不要把 API key 粘贴进可能被记录或分享的对话文本；所有受支持的客户端——Muse 的连接器安全流、Claude 的连接器、MCP 的 Authorization 请求头——都有 agent 看不到明文的凭证位。第二，按环境或成员签发独立 key，用量可归因。第三，只读研究就按只读对待：没有什么可写的，就在客户端把连接器锁成只读或写前审批。

九、FAQ

免费 key 够跑通第一次测试吗？
够。注册即得每月 60 credits 免费额度；第六节的三步链路（找 ASIN → 抓评论 → 过滤差评）约消耗 6 点。先完整跑一遍，再决定是否升级。

MCP、REST API、Skill 怎么选？
看 agent 住在哪里：对人说话的聊天助手（Muse、Claude、ChatGPT）选 MCP；按计划跑的自动化与批量任务（n8n、Make、脚本）选 REST API；住在 IDE 里的编码 agent（Claude Code、OpenClaw）选 Skill。底层的数据和价格是一样的。

有地区限制吗？
agent 有，数据没有。Meta Muse 目前仅美国、加拿大可用；腾讯 Workbuddy 分国内版与国际版。Pangolinfo 的端点在 agent 能联网的地方就能用。

API key 放在 agent 的连接器里安全吗？
走客户端的凭证机制提交——Muse 的安全凭证流、MCP 的 Authorization 请求头、vault 字段——不要以聊天文本形式出现。按环境用长期 key，定期轮换。

一个 key 能通吃本系列所有 agent 吗？
能。同一个 Pangolinfo API key 同时鉴权 MCP 服务器、REST 端点与 skill 包。按 agent 分 key 是为了用量归因，不是功能必需。

十、系列导航

本指南是总纲。下面每篇子文章带一个 agent 从接入走到第一次测试（每篇都复用第六节的同一套三步第一次测试，跨 agent 的结果可比）：

• Meta Muse 篇——自定义 MCP 连接器，实测走通。
• Claude Code 篇——Claude Code、Desktop、网页端三条路径对照与鉴权面拆解。
• ChatGPT 篇——开发者模式自定义连接器（Token 鉴权），兼述 Custom GPT Actions 路径。即将推出。
• 腾讯 Workbuddy 篇——开放平台与 Skill 生态，国内版与国际版。即将推出。
• IDE agent 篇——编辑器内的 MCP 与 skill。即将推出。
• n8n / Make 篇——持续监测的定时 REST 工作流。即将推出。

先拿免费 key 跑通测试，再选贴合你工作流的 agent。

本文首发于 Pangolinfo 博客。