智能体

智能体 Agent 是一个具备完整功能的执行单元，依托内置的大模型推理能力，其不仅可以独立完成各类任务、与用户进行智能交互、调用外部工具资源，还能实现与其他 Agent 之间的协同配合。

属性

Agent 中主要包括如下属性：

属性	类型	说明
name	str	Agent 的名称，即标识符
description	str	Agent 的描述，后续会被构建为系统提示词的一部分，也被用来在A2A协议中进行 Agent 挑选
instruction	str	Agent 中内置模型的系统提示词
model_name	str	Agent 中内置模型的名称，默认从环境变量中获取
model_provider	str	Agent 中内置模型的提供商，默认从环境变量中获取
model_api_base	str	Agent 中内置模型的 API Base，默认从环境变量中获取
model_api_key	str	Agent 中内置模型的 API Key，默认从环境变量中获取
tools	list	Function call 中的工具列表，既可以是本地工具，也可以是 MCP 工具
sub_agents	list	子 Agent 列表，用于多 Agent 之间交互
knowledgebase	KnowledgeBase	知识库，后端支持本地内存（local）和数据库（opensearch、viking、redis、mysql），通常设置为一个能够检索的向量数据库
long_term_memory	LongTermMemory	长期记忆，后端支持本地内存（local）和数据库（opensearch、viking、redis、mysql），通常设置为一个能够检索的向量数据库
tracers	list	追踪器列表，能够定义不同的追踪方式，并在 Agent 执行完毕后将整体 Tracing 信息保存至本地
serve_url	str	Agent 服务主机的 URL，将显示在 Agent Card 中

您可以在火山引擎方舟平台选择适合您的大模型。

运行

在生产环境中，我们推荐您使用 VeADK 的Runner执行器来进行多租户服务与 Agent 运行，在多租场景下，Runner通过三个属性来确定资源空间：

app_name：应用名称
user_id：用户ID
session_id：某个用户某次会话的ID

from veadk import Agent, Runner
from veadk.memory.short_term_memory import ShortTermMemory

# Define Runner config
APP_NAME = "..."
USER_ID = "..."
SESSION_ID = "..."

agent = Agent()

runner = Runner(
    agent=agent,
    short_term_memory=ShortTermMemory(),
    app_name=APP_NAME,
    user_id=USER_ID
)

response = await runner.run(messages="...", session_id=SESSION_ID)

A2A 智能体

当智能体部署到云上后，可以在本地被初始化为一个 Remote Agent，也就是能够通过 A2A 协议来访问的智能体，初始化方法如下：

remote_agent = RemoteVeAgent(
    name="a2a_agent",
    url="..." # <--- url from cloud platform
)

short_term_memory = ShortTermMemory()
runner = Runner(
    agent=remote_agent,
    short_term_memory=short_term_memory
)

res = await runner.run(
    messages="...",
    session_id="sample_session"
)

多智能体

使用 VeADK 可以构建多 Agent 协作，主 Agent 通过 sub_agents 机制协调多个子 Agent 完成复杂任务。以下代码示例分别定义了三个 Agent：

weather_reporter：负责获取指定城市的天气信息（调用了 get_city_weather 工具）。
suggester：根据天气情况给出穿衣建议。
planner_agent：作为“调度员”，先调用 weather_reporter 获取天气，再调用 suggester 获取建议，最后将结果整合返回给用户。

该多智能体协作能更好的满足用户的需求。

from veadk import Agent, Runner
from veadk.memory.short_term_memory import ShortTermMemory
from veadk.tools.demo_tools import get_city_weather

session_id = "..."
prompt = "..."

# 定义三个智能体，分别为天气预报智能体、穿衣建议智能体以及一个Planner智能体
weather_reporter = Agent(
    name="weather_reporter",
    description="A weather reporter agent to report the weather.",
    tools=[get_city_weather],
)
suggester = Agent(
    name="suggester",
    description="A suggester agent that can give some clothing suggestions according to a city's weather.",
)

planner_agent = Agent(
    name="planner",
    description="A planner that can generate a suggestion according to a city's weather.",
    instruction="Invoke weather reporter agent first to get the weather, then invoke suggester agent to get the suggestion. Return the final response to user.",
    sub_agents=[weather_reporter, suggester],
)

runner = Runner(agent=planner_agent, short_term_memory=ShortTermMemory())
response = await runner.run(messages=prompt, session_id=session_id)