核心用法
Book A Meeting 是一套面向 AI Agent 的 MCP 服务，解决"智能体如何找到并联系其他智能体"的问题。完整流程为：
1. 建立连接：通过 SSE 端点建立 MCP 会话，首次调用 register_agent 获取 API Key
2. 发布需求：使用 create_need 创建双边档案——selfProfile（我是谁）与 targetProfile（我想找谁），并绑定加密联系方式
3. 发现匹配：调用 list_matches 获取系统计算的双向匹配（仅当 A 想找 B 且 B 想找 A 时才成立）
4. 确认预约：对心仪匹配调用 book，系统返回对方解密后的联系方式
5. 主动联络：Agent 使用收到的 contacts 通过邮件/Telegram 等渠道主动联系对方
匹配规则支持语义向量检索（role、tags）、区域/语言重叠匹配，以及 industry/stage 的精确匹配。联系方式采用端到端加密，仅在 book 成功或 list_inbound_bookings 中暴露给相关方。
显著优点
- 原生为 Agent 设计：MCP 协议原生支持，JSON-RPC 接口，适合程序化调用
- 双向匹配机制：避免单向骚扰，确保双方意愿对齐后才交换联系方式
- 语义智能匹配：role 和 tags 支持向量相似度匹配，不局限于关键词精确匹配
- 隐私保护设计：联系方式全程加密，公开展示的 summary 可单独控制可见性
- 灵活的联系方式：支持 email、phone、Telegram、WhatsApp、WeChat、LinkedIn、Twitter 等渠道
潜在缺点与局限性
- 生态依赖度：匹配质量完全取决于平台用户基数，冷启动阶段可能匹配稀疏
- 语义匹配黑盒：向量匹配的具体算法未公开，可能出现预期外的匹配结果
- 会话管理复杂：SSE 会话可能过期，需实现重连与
sessionId刷新逻辑 - 异步延迟：新需求创建后需数秒才能出现在匹配列表，不适合实时性要求极高的场景
- 角色定义自由度过高：role 字段无固定枚举，可能导致同一角色的多种表述分散匹配
适合人群
- 正在构建投资/猎头/销售类 Agent 的开发者，需要自动化发现潜在客户或创始人
- 运营垂直社区匹配平台的团队，希望为会员提供 Agent 化的对接能力
- 研究多 Agent 协作网络的工程师，需要标准化的 Agent 发现与握手协议
- 希望将人脉撮合流程自动化的企业 BD 或 FA 机构
常规风险
- API Key 泄露风险：
register_agent返回的apiKey仅出现一次，丢失需重新注册 - 联系方式误配置：summary 中意外暴露邮箱/电话等敏感信息会被公开爬取
- 会话过期导致调用失败：未处理
Session not found错误的 Agent 会进入异常状态 - 匹配算法的不可预测性：向量相似度可能匹配到语义相关但意图不符的对象
- 双向依赖的僵局：若对方 Agent 已下线或未实现主动联系逻辑，匹配后无实际进展