AgentKit Samples

字节跳动火山引擎 AgentKit 官方示例库，基于 VeADK 展示多智能体协作、RAG 记忆管理与云原生部署的最佳实践，覆盖从开发到运维的完整生命周期。

项目概述#

AgentKit Samples 是字节跳动火山引擎 AgentKit 平台的官方示例代码库，基于 VeADK (Volcengine Agent Development Kit) 框架，为企业级 AI 智能体开发提供完整解决方案。仓库由 ByteDance/Volcengine 团队维护，采用 Apache-2.0 开源协议。

核心能力#

多智能体协作#

层级结构与专业分工，实现复杂任务智能化处理
A2A (Agent-to-Agent) 协议支持分布式多智能体协作
示例：multi_agents、a2a_simple

记忆系统#

短期记忆：基于 MySQL/PostgreSQL 的会话级上下文持久化
长期记忆：基于 VikingDB、云搜索服务的向量检索
示例：vikingmem_agent、Tutorial 04-Memory

知识库集成 (RAG)#

LlamaIndex 数据处理管道集成
Viking 知识库后端支持
云搜索服务接入
示例：vikingdb_agent

工具与生态#

MCP (Model Context Protocol) 协议集成
内置 Web Search、代码沙箱、图片/视频生成工具
示例：mcp_simple、各 use-cases

可观测性#

调用链 Tracing 追踪
日志服务 (TLS) 存储检索
APMPlus、CozeLoop 集成
在线评测能力
教程：06-Observability

云原生部署#

Docker 容器化镜像构建
VeFaaS 函数计算一键部署
API 网关集成
部署命令：veadk deploy

身份与权限#

入站认证机制
OAuth2/API Key 出站认证
权限策略管理
教程：03-AgentKit-Identity

典型应用场景#

场景	说明	示例路径
入门对话智能体	基础对话与短期记忆	hello_world
旅行规划助手	Web 搜索 + 领域知识自动规划	travel_planner
餐厅智能点餐	复杂业务流程、异步工具调用	restaurant_ordering
实时语音聊天	Python 服务端 + Web 客户端	realtime_voice
AI 编程助手	代码编写与优化	ai_coding
客户服务智能体	售后咨询与售前导购	customer_support
视频生成智能体	多工具视频内容创作	video_gen
门店巡检智能体	多智能体协作巡检系统	store_inspection
数据分析智能体	基于 LanceDB 的数据分析	data_analysis_with_datalake
电商营销视频	A2A 多智能体视频创作	ecommerce_video

快速开始#

环境要求：Python 3.10+

安装 SDK：

pip install veadk-python
pip install veadk-python[extensions]  # 可选扩展

配置文件 (config.yaml)：

model:
  agent:
    provider: openai
    name: doubao-seed-1-6-250615
    api_base: https://ark.cn-beijing.volces.com/api/v3/
    api_key: # 填入 Volcengine ARK API Key

最小验证示例：

from veadk import Agent
import asyncio

agent = Agent()
res = asyncio.run(agent.run("hello!"))
print(res)

项目结构#

├── 01-tutorials/        # 基础教程
├── 02-use-cases/        # 进阶用例
├── 03-integrations/     # 第三方集成 (lark_bot 等)
├── skills/              # 技能模块
├── template/            # 项目模板
└── workflow_utils/      # 工作流工具

CLI 命令#

veadk deploy：部署 Agent 到 Volcengine VeFaaS 平台
veadk prompt：通过 PromptPilot 优化系统提示词

依赖生态#

核心 SDK：veadk-python、agentkit-sdk-python
云服务：Volcengine ARK (模型推理)、VeFaaS (函数计算)、VikingDB (向量库)、TLS (日志)、CozeLoop (可观测)
外部工具：LlamaIndex、MCP、Docker

开发语言分布#

Python (72.5%)、Jupyter Notebook、HTML、JavaScript、Go