agent_management/agent_templates/agents/code_ai_agent/README.md

Pydantic AI Agents

使用 Pydantic AI 创建的两个示例 Agent：天气查询 Agent 和搜索 Agent。

安装依赖

# 激活虚拟环境
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

1. 天气查询 Agent

配置 API Key（可选）

如果要使用真实的天气 API（OpenWeatherMap），需要设置环境变量：

export WEATHER_API_KEY=your_api_key_here

获取免费 API Key：https://openweathermap.org/api

如果不设置 API Key，Agent 会返回模拟数据用于演示。

运行

python weather_agent.py

使用方式

Agent 支持以下类型的查询：

• "北京今天的天气怎么样？"
• "请查询上海的天气"
• "What's the weather in Tokyo?"

Agent 会自动调用天气查询工具，获取并返回天气信息。

2. 搜索 Agent（A2A 模式）

配置

搜索 Agent 使用以下服务：

1. LiteLLM 服务器（已配置在代码中）：

   • 服务器地址：https://litellm.graystone-fb459c5d.southeastasia.azurecontainerapps.io/v1
   • API Key：已内置在代码中
   • 模型：taiji/gpt-4o-mini

   也可以通过环境变量自定义：

   export OPENAI_BASE_URL=https://your-litellm-server.com/v1
   export OPENAI_API_KEY=your_litellm_api_key
   export LITELLM_MODEL=your_model_name
   

2. Serper.dev 搜索 API（已内置在代码中）：

   export SERPER_API_KEY=your_api_key_here  # 可选，代码中已有默认值
   

运行

python search_agent.py

功能特性

• 搜索 Agent：直接执行网络搜索，返回结构化搜索结果
• 协调 Agent（A2A 模式）：接收用户查询，委托搜索 Agent 执行搜索，并整理结果返回给用户

使用方式

Agent 支持以下类型的查询：

• "苹果公司最新新闻"
• "Python 异步编程最佳实践"
• "What is machine learning?"
• "请帮我搜索人工智能的最新发展"

A2A（Agent-to-Agent）通信

搜索 Agent 演示了 A2A 通信模式：

1. 协调 Agent 接收用户查询
2. 协调 Agent 调用搜索工具（内部使用搜索 Agent）
3. 搜索工具 返回结果给协调 Agent
4. 协调 Agent 整理并返回给用户

这种模式允许多个 Agent 协作完成复杂任务。

测试结果

运行 python search_agent.py 后，Agent 会：

1. 连接到 LiteLLM 服务器
2. 使用 serper.dev API 执行网络搜索
3. 整合搜索结果并返回给用户
4. 展示 A2A 通信流程

测试输出显示 Agent 成功调用了搜索工具，并能够处理中英文查询。