当前位置： 首页 > news >正文

基于最新豆包大模型1.6实现 ArXiv Paper Reading MCP与Agent构建

news 2025/6/18 15:07:16

AI 云原生开发的核心在于 “模型能力 × AI 开发平台”。在本次开发体验中，以 Trae 作为 IDE 环境，结合火山方舟通过 MCP 协议无缝调用模型服务与云端工具，再加上豆包大模型1.6强大的思考、多模态等能力，形成了一套真正的端到端 Agent 构建流程。下面我们开始正文分享！

Doubao-Seed-1.6系列模型

2025春季Force大会这次火山引擎带来Doubao-Seed-1.6系列模型

体验地址: https://console.volcengine.com/ark/region:ark+cn-beijing/experience/chat

豆包大模型1.6，由三个模型组成：

  • doubao-seed-1.6-thinking：在深度思考方面的强化版​， 对比doubao-1.5-thinking，在coding、math、 逻辑推理等基础能力上进一步提升，且支持了视觉理解 。
  • doubao-seed-1.6：能力多面手，同时支持thinking/non-thinking/自适应思考三种模式 。non-thinking对比上一代模型在推理、数学、代码、专业知识等方面，有全面的提升。自适应思考，模型可以根据prompt难度自动决定是否思考，在效果接近thinking模式情况下，大幅减少tokens开销。此外，该模型还针对前端编程能力做了加强 。
  • doubao-seed-1.6-flash，具备极致的速度，tpot仅需10ms，同时支持文本和视觉理解，文本理解能力超过上一代lite。

豆包1.6重点能力：推理能力、多模态理解能力、GUI操作能力

下面是具体的对比和介绍，大家可以看下这个表格

特性Doubao-Seed-1.6-thinking/250615Doubao-Seed-1.6/250615Doubao-Seed-1.6-flash/250615
一句话说明思考能力强化、支持多模态、256K长上下文支持thinking/non-thinking/auto三种思考模式、支持多模态、256K长上下文极致速度、支持多模态、256K长上下文
模型简介思考能力大幅强化，对比Doubao-1.5-thinking-pro，在Coding、Math、逻辑推理等基础能力上进一步提升，支持视觉理解。支持256k上下文窗口，输出长度支持最大16k tokens全新多模态深度思考模型，同时支持auto/thinking/non-thinking三种思考模式。non-thinking模式下，模型效果对比Doubao-1.5-pro/250115大幅提升。支持256k上下文窗口，输出长度支持最大16k tokens推理速度极致的多模态深度思考模型，TPOT仅需10ms；同时支持文本和视觉理解，文本理解能力超过上一代lite，视觉理解比肩友商pro系列模型。支持256k上下文窗口，输出长度支持最大16k tokens

不同技术参数的对比

规格项Doubao-Seed-1.6-thinkingDoubao-Seed-1.6Doubao-Seed-1.6-flash
输入文本、图片、视频文本、图片、视频文本、图片、视频
输出文本文本文本
是否输出思考过程✅ 思考内容：reasoning_content
思考token统计：reasoning_tokens
❌ 不支持关闭思考		✅ 思考内容：reasoning_content
思考token统计：reasoning_tokens
默认开启思考
支持enabled、disabled、auto		✅ 思考内容：reasoning_content
思考token统计：reasoning_tokens
默认开启思考
支持enabled、disabled
推理速度(TPOT)30 ms30 ms10 ms
Function calling✅✅✅
Structured Outputs✅ JSON Object ✅ JSON Schema✅ JSON Object ✅ JSON Schema✅ JSON Object ✅ JSON Schema
批量推理✅✅✅
上下文窗口256k256k256k
最大思维链长度32k32k32k
最大输入224k224k224k
最大输出16k，默认4k16k，默认4k16k，默认4k

同时豆包1.6也支持的思考模式灵活配置了，可以更加节省token预算，Doubao-Seed-1.6支持三种模式：

// 开启thinking，默认设置，模型一定先思考后回答
"thinking": {"type": "enabled"
}// 关闭thinking，模型不会进行思考，直接回答问题
"thinking": {"type": "disabled"
}// 模型自适应思考，模型自主判断是否需要思考，简单题目直接回答
"thinking": {"type": "auto"
}

其中Doubao-Seed-1.6-flash (支持两种模式)，不支持auto

// 开启thinking，默认设置，模型一定先思考后回答
"thinking": {"type": "enabled"
}// 关闭thinking，模型不会进行思考，直接回答问题
"thinking": {"type": "disabled"
}

关于限流与计费可以参考下面表格，我们可以看到还是比较划算的，，另外可以支持高并发请求，之前我用来标注数据发现火山TPM最抗打了。

项目Doubao-Seed-1.6-thinkingDoubao-Seed-1.6Doubao-Seed-1.6-flash
默认限流(toB)RPM：3W
TPM：500W		RPM：3W
TPM：500W		RPM：3W
TPM：500W
默认限流(内部业务)RPM：1.2W
TPM：120W		RPM：1.2W
TPM：120W		RPM：1.2W
TPM：120W
计费• 方式：按token后付费
• 免费额度: 50万 token
• 全新模式，待发布		• 方式：按token后付费
• 免费额度: 50万 token
• 全新模式，待发布		• 方式：按token后付费
• 免费额度: 50万 token
• 全新模式，待发布

下面笔者简单测试了一些能力，简直效果超出想象

  • 请帮我生成一个天气页面


只能说太能写了，然后效果超级好

  • 多模态理解能力测试

最近在读论文，刚好可以拿一个论文的图片来测试狭隘豆包1.6的多模态能力

我现在需要总结这两张饼图的内容。首先看左边的 (a) 图，标题是 “Distributions of RAG Paradigms”，也就是 RAG 范式的分布。里面有四个部分：Useless Doc（r0）占 20.7%，Single-Doc Support（r1）占 20.9%，Multi-Doc Support（r2）占 18.0%，还有 Single-Doc Answer（r3）？不对，等一下，左边图里的部分应该是：Useless Doc (r0) 20.7%，Multi-Doc Answer (r4) 19.2%？不对，左边图的标签是：上面蓝色的是 Multi-Doc Answer (r4) 19.2%，右边黄色的是 Single-Doc Answer (r3) 21.2%，下面粉色的是 Multi-Doc Support (r2) 18.0%，左边绿色的是 Single-Doc Support (r1) 20.9%，左上角蓝色的是 Useless Doc (r0) 20.7%。对，左边图是五个部分吗？等一下，饼图是分成五块吗？左边图的标签有五个：Useless Doc (r0) 20.7%，Multi-Doc Answer (r4) 19.2%，Single-Doc Answer (r3) 21.2%，Multi-Doc Support (r2) 18.0%，Single-Doc Support (r1) 20.9%。总和是 20.7+19.2=39.9，加 21.2 是 61.1，加 18 是 79.1，加 20.9 是 100，对，五个部分。左边图展示了不同 RAG 范式的分布情况，其中 Single-Doc Answer（单一文档回答，r3）占比最高，为 21.2%；其次是 Single-Doc Support（单一文档支持，r1）20.9% 和 Useless Doc（无用文档，r0）20.7%，三者占比相近，均在 20% 左右；Multi-Doc Answer（多文档回答，r4）占 19.2%，Multi-Doc Support（多文档支持，r2）占比最低，为 18.0%。然后看右边的 (b) 图，标题是 “Distributions of Data Sources”，即数据来源的分布。里面有五个部分：ShareGPT_V3 占 19.3%，SlimOcar 占 25.0%，Lmsys-Chat-1M 占 24.1%，WizardLM 占 17.0%，GPT4-Alpaca 占 14.6%。右边图的分布是：SlimOcar 占比最高，为 25.0%；其次是 Lmsys-Chat-1M，占 24.1%，两者合计接近 50%；接下来是 ShareGPT_V3 占 19.3%，WizardLM 占 17.0%，GPT4-Alpaca 占比最低，为 14.6%。总结的时候需要分别说明两张图的主题、各部分的占比情况以及主要结论（比如占比最高的部分，各部分的分布特点）。

上面是思考过程，我们看到也是非常正确，不管是文字识别还是数字提取，对图片内容理解非常正确

总结图片内容

火山方舟 MCP

官方地址：https://www.volcengine.com/mcp-marketplace

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。

  • 优势参考：
    MCP作为大模型领域的开源工具协议，主要解决Agent开发的三个问题：
    • 链接Agent 开发：目前完成与Al编程工具Trae打通，并且支持方舟、扣子等火山应用构建体系
    • 链接云服务：agent开发完，需要在云的计算、网络、存储等环境部署，通过MCP可以一键拉起相关云产品，打通开发到部署的最后一公里
    • 链接大模型工具生态：gent开发依赖大量工具，如通信、财经、地理信息等工具，火山mcp提供了全栈的生态工具

我们可以在火山方舟极速体验模型与MCP结合的效果：

访问地址：https://www.volcengine.com/experience/ark?model=doubao-seed-1-6-thinking-250615

点击对话框中的MCP按钮，我们可以配置已有MCP能力

比如我们这里开启了飞常准的MCP，我们测试下效果


通过调用MCP然后获取航班信息，给出的航班信息如下，这个能力体验还是不错的，大家可以尝试更多MCP效果

基于豆包1.6大模型构建Arxiv论文阅读智能体

下面我们通过Trae编辑器来实现论文阅读MCP集成以及智能体构建

我们将下面代码粘贴到MCP配置中

{"mcpServers": {"arxiv-mcp-server": {"command": "uv","args": ["--directory","g:\\Projects\\arxiv-mcp-server","run","arxiv-mcp-server","--storage-path","C:\\path\\to\\paper\\storage"]}}
}


正常确认之后，我们可以看到MCP的运行状态


上面绿色对号代表正常运行了

在构建好Paper Reading 的MCP之后，我们可以继续配置智能体，将构建好的MCP集成到智能体对话能力中

然后我们对话框中加入智能体

这里提一下火山方舟的PromptPilot,可以快速帮我们构造和优化提示语，提升开发效率

PromptPilot 通过交互式引导与提示词优化，帮助开发者将模糊需求转化为精准指令

  • 平台能力：火山方舟Prompt Pilot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。
  • 平台功能：Prompt Pilot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。

这里我们通过火山方舟Prompt Pilot优化一下Arxiv论文解读的提示语

体验网址：https://promptpilot.volcengine.com/startup

大家也可以尝试下效果，写prompt的效率太高了！

下面我们尝试下效果：

请帮我解读下这个论文：FedRAG: A Framework for Fine-Tuning Retrieval-Augmented Generation Systems,
论文链接为：https://www.arxiv.org/abs/2506.09200

我们可以看到MCP有执行论文搜索，论文下载以及论文解读的过程，下面是正在下载论文

下一步是对论文内容进行转换

这个解读效率还是比较高的

这里提一下veFaaS官方推出的 MCP server，自然语言的方式驱动Serverless应用的开发、部署、上线流程，适用于 Serverless 服务的运维排障

我们通过添加veFass mcp，将论文解读内容部署发布成一个网页

官方介绍地址：https://www.volcengine.com/mcp-marketplace/detail?name=veFaaS%20MCP

{"mcpServers": {"mcp_server_vefaas_function": {"url": "替换成自己的内容"}}
}


然后将json内容粘贴到MCP配置输入框中


我们接续在聊天框中输入指令，将论文解读内容发布成一个网页：

请帮我把这个网页发布到veFass，给我返回可以访问的地址


最后可以点开返回地址，查看网页

结语

火山引擎AI云原生的核心在于打造了全新的Agent开发范式：“模型能力 × AI开发平台”，通过强大的模型底座与智能化开发工具的深度融合，为开发者提供端到端的AI应用构建解决方案。

在模型层面，豆包大模型1.6系列展现出卓越的综合能力。其中，Doubao-Seed-1.6-thinking在深度思考方面实现突破性提升，在编程、数学、逻辑推理等核心能力上全面增强，并新增视觉理解能力；Doubao-Seed-1.6作为能力多面手，独创性地支持thinking/non-thinking/自适应思考三种模式，既保证了推理质量，又大幅降低了token成本，特别针对前端编程能力进行了专项优化；而Doubao-Seed-1.6-flash则以10ms的极致推理速度，在保持高质量多模态理解的同时，为实时应用场景提供了强有力支撑。

在平台工具层面，火山引擎构建了完整的智能化开发生态。火山方舟PromptPilot通过交互式引导与智能优化机制，帮助开发者将模糊的业务需求精准转化为高效的模型指令，显著提升了Prompt工程的效率与质量。更为重要的是，火山方舟通过MCP（Model Context Protocol）协议实现了开发与部署的无缝衔接，开发者可以直接调用云服务资源，彻底解决了传统AI应用从开发到生产环境部署的"最后一公里"问题。

这种"模型+平台"的创新架构，不仅降低了AI应用开发的技术门槛，更是为企业级AI应用的规模化落地提供了完整的解决方案，真正实现了从想法到产品的快速迭代与部署。

http://www.lryc.cn/news/571405.html

相关文章：

  • C++ map代码练习 1、2、priority_queue基础概念、对象创建、数据插入、获取堆顶、出队操作、大小操作，自定义结构、代码练习 1 2
  • 电机及驱动器的安全、性能和能效认证
  • 02 ( chrome 浏览器插件, 立马翻译）， 搭建本地 api
  • c++学习-多态
  • MacOS上MySQL的安装以及使用
  • 【编译工具】CodeRider 2.0：驭码 CodeRider 2.0 产品功能分析
  • 【电力电子】基于STM32F103C8T6单片机双极性SPWM逆变(软件篇)（二）
  • RK 安卓10/11平台 HDMI-IN 调试
  • RAG轻松通-P1：分块
  • 爬虫技术：数据获取的利器与伦理边界
  • 输电线路电缆护层环流在线监测装置：原理、优势与应用解析
  • Elasticsearch/OpenSearch MCP Quickstart
  • 日本生活：日语语言学校-日语作文-沟通无国界（2）：回忆深刻的生日
  • threejs webVR获取相机正前方向量
  • 【保姆级】讯飞ROS智能车 Debian系统 U盘克隆/恢复教程
  • Spring Boot启动流程深度解析（源码级剖析）
  • 键盘动作可视化技术浅析：如何做到低延迟显示
  • word如何插入高清晰的matlab绘图
  • 【数据分析三：Data Storage】数据存储
  • Kafka数据写入流程源码深度剖析（Broker篇）
  • Python训练营打卡Day50
  • Linux网络配置工具ifconfig与ip命令的全面对比
  • 游戏技能编辑器之状态机的设计与实现
  • 攻防世界[level7]-Web_php_wrong_nginx_config
  • 一次生产故障引发的JVM垃圾回收器选型思考：彻底掌握垃圾回收原理及通用配置！
  • 在 Java 中操作 Map时，高效遍历和安全删除数据
  • Arrays.asList() 的不可变陷阱：问题、原理与解决方案
  • FPGA 43 ，UDP 协议详细解析（ FPGA 中的 UDP 协议 ）
  • 升级OpenSSL和OpenSSH 修复漏洞
  • 多组件 flask 项目