模型先收到用户输入，根据工具描述判断需要调用 query_order ，MCP Server 执行 MySQL 查询拿到结构化数据，模型再把 JSON 结果转成自然语言。 整个链路里，TaoToken 负责模型调用这一段，MCP 负责工具调用这一段，LangChain 负责编排。 验证时我建议分两步走。

整个后端基于 Nest、langchain、MySQL、MongoDB、Redis，前端是 React 加 Vite，模型侧依赖 deepseek-r1、deepseek-v3 以及本地部署的 SBERT 双塔模型。 问题在于，这类项目天然要调用多个模型：分析亮点用推理模型，定制简历用对话模型，人岗匹配还要先跑向量召回再让 LLM 重排。