AgentKit

Appearance

快速入门 ​

本指南将引导您使用 “Basic Agent App” 模板开发一个简单的 Agent，快速体验 AgentKit 从开发、部署到测试的全流程。

准备工作 ​

1. 获取火山引擎访问密钥 (AK/SK) ​

首先，您需要一个火山引擎账号并开通 AgentKit 服务。请访问 火山引擎控制台 完成注册和开通。

然后，在 访问控制 页面创建并获取访问密钥 (AK/SK)。

获取后，请将其设置为环境变量：

bash
export VOLCENGINE_ACCESS_KEY=<your_access_key>
export VOLCENGINE_SECRET_KEY=<your_secret_key>

2. 获取模型推理 API Key (可选) ​

您的 Agent 通常需要调用大语言模型 (LLM) 来提供核心智能。AgentKit Platform 支持火山方舟的多种模型。请确保您已开通 火山方舟 服务，并获取模型推理的 Endpoint 和 API Key。

  • 获取推理接入点 (Endpoint): 在方舟平台的「在线推理」页面，您可以选择预置的推理接入点，或创建自定义推理接入点。

    推理接入点

  • 获取 API Key: 在「API Key 管理」页面，选择或创建一个新的 API Key。

    API Key管理

请记录下您的 Endpoint ID 如ep-20250520174054-xxxxx（也可以是模型ID如 deepseek-v3-1-terminus）和 API Key，后续将通过环境变量MODEL_AGENT_NAME和MODEL_AGENT_API_KEY配置给 Agent

如果您不提供这些信息，AgentKit Platform 将在云端部署时自动为您注入一个内置的 doubao-seed-1-6 模型，本地调试也默认使用该内置模型。

开始使用 ​

步骤 1: 安装 AgentKit ​

在开始之前，请确保您已遵循 安装 AgentKit 指南完成 agentkit CLI 的安装和环境配置。

步骤 2: 初始化项目 ​

创建一个项目目录，并使用 agentkit init 命令初始化您的 Agent 应用：

bash
mkdir simple-agent && cd simple-agent
agentkit init

执行后会显示可用模板列表，选择模板 1 (Basic Agent App)：

命令执行后，将在当前目录生成模板代码和配置文件：

txt
.
├── agentkit.yaml       # **Agent** 的核心配置文件。
├── requirements.txt    # 项目的 Python 依赖。
└── simple_agent.py     # **Agent** 应用的入口文件。

步骤 3: 配置与部署 ​

您可以使用 agentkit launch 命令一键完成应用的构建和云端部署。该命令会使用 agentkit.yaml 文件中的配置。

如果需要自定义配置（例如，指定部署区域、镜像仓库或传入模型密钥），可以手动编辑 agentkit.yaml，或运行 agentkit config 命令，通过交互式向导生成配置。

bash
agentkit config

配置向导会引导您完成以下设置：

通用配置（按 回车 使用默认值）：

  • 1.应用名称：Agent 应用名称（模板1，默认值为 simple_agent，如接纳直接回车即可（下同））
  • 2.入口文件：应用入口文件（模板1，默认值为 simple_agent.py）
  • 3.应用描述：应用描述信息（可选）
  • 4.Python 版本：默认 3.12
  • 5.依赖文件：默认 requirements.txt
  • 6.Agent应用内部Runtime常用环境变量：
    • MODEL_AGENT_NAME：方舟模型接入点 ID（可选）
    • MODEL_AGENT_API_KEY：方舟模型 API Key（可选）
  • 7.部署模式：选择 cloud（云端构建和部署）

云端部署配置：

  • 1.服务区域：默认 cn-beijing
  • 2.镜像标签：默认 latest
  • 3.CR 镜像仓库：CLI 会自动生成CR实例名称、CR命名空间和CR仓库名，用户也可手动指定（建议自动即可）

完成配置后，执行 launch 命令即可一键部署：

bash
agentkit launch

该命令会自动完成以下步骤：

  1. 渲染 Dockerfile
  2. 创建项目压缩包并上传到 TOS
  3. 准备 CR（容器镜像仓库）资源
  4. 创建 Pipeline 并执行构建
  5. 部署到 Runtime 环境

部署成功会显示：

bash
✅ 创建Runtime成功: r-ye9j62wydcn****nhsoa, request_id: 20251120***************5344
等待Runtime状态为Ready...
💡 提示：Runtime初始化中，请耐心等待，不要中断进程
✅ Runtime状态为Ready
  Runtime状态: Releasing ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% 0:01:23
Endpoint: https://sd4fe31poh486****.apigateway-cn-beijing.volceapi.com
100% ▶ 部署完成
✅ Successfully launched agent: https://sd4fe31poh486npgcaqq0.apigateway-cn-beijing.volceapi.com
Built image: agentkit-cli-21076x****-cn-beijing.cr.volces.com/agentkit/myapp:2025112017****
Endpoint: https://sd4fe31poh486****.apigateway-cn-beijing.volceapi.com

提示：首次部署大约需要 2-3 分钟，请耐心等待。

使用 Agent ​

调用 Agent ​

使用 invoke 命令测试 Agent：

bash
agentkit invoke "你好"

如果看到类似下面的输出，恭喜您，第一个 Agent 已成功运行！

text
(agentkit) test@localhost:~/workspace/simple-agent$ agentkit invoke "你好"
Invoking agent...
Using default headers: {'user_id': 'agentkit_user', 'session_id': 'agentkit_sample_session'}
✅ Invocation successful
📝 Response:
你好！我是由****团队开发的AI助手，擅长数据科学（信息收集、数据分析等）、文档编写（撰写多章节文章、深度研究报告）以及软件开发（创建网站/应用、解决代码问题等）
。有什么具体需求，我很乐意为你提供帮助！

下一步 ​

恭喜您完成了第一个 Agent 的开发和部署！

接下来您可以：

  • 探索其他应用模板（MCP、A2A 等）
  • 集成 Memory、Knowledge 等 Platform 服务，开发更强大的 Agent

Released under the Apache-2.0 License.

Copyright © 2025 Volcengine