希希咖啡店是基于 Google ADK 框架构建的 A2A（Agent-to-Agent）协议多 Agent 协同案例模板。该模板展示了如何通过标准化的 A2A 协议，让通用智能体（寒小艾）与业务领域 Agent（希希咖啡店、送了么配送）实现无缝协同，并将业务后端服务通过 OpenAPI 快速集成。

适用场景：

• 多业务系统 Agent 协同
• 通用 AI 助手能力扩展
• 企业级服务集成
• 云原生 Agent 应用

核心功能：

• A2A 协议 Agent 通信
• OpenAPI 业务接口集成
• 云原生弹性部署

使用框架： Google ADK（Agent Development Kit）

架构组件：

组件	部署方式	说明
前端	函数计算（自定义运行时）	用户交互界面
寒小艾（主 Agent）	AgentRun 镜像部署	核心协调者，通用智能体
希希咖啡店 Agent	AgentRun 镜像部署	咖啡点单业务 Agent
希希咖啡店后端	函数计算镜像部署	咖啡店业务逻辑，OpenAPI 接口
送了么 Agent	AgentRun 镜像部署	配送业务 Agent
送了么后端	函数计算镜像部署	配送业务逻辑，OpenAPI 接口

技术要求：

• 支持 A2A 协议的 Agent 通信
• 后端服务提供 OpenAPI 规范接口
• 支持自定义大语言模型选择

1. 通用对话：寒小艾提供基础 AI 对话能力
2. 咖啡点单：调用希希咖啡店 Agent，通过 OpenAPI 访问后端服务
3. 配送服务：调用送了么 Agent，通过 OpenAPI 访问配送系统
4. 全流程协同：支持"咨询 → 下单 → 配送"完整业务链路

• 服务发现：通过 A2A 协议连接业务 Agent
• 工具调用：通过 FunctionAI Toolset 集成后端 OpenAPI 服务
• 能力组合：灵活组合多个 Agent 和后端服务

在 AgentRun 控制台统一配置大语言模型，自动同步到所有 Agent：

• 在"模型管理"中添加模型（OpenAI、通义千问、文心一言等）
• 配置模型参数（温度、最大 Token、超时时间等）
• 为不同 Agent 分配合适的模型

在控制台将后端服务集成到 FunctionAI Toolset：

1. 部署后端服务到函数计算

   • 上传希希咖啡店后端镜像
   • 上传送了么后端镜像
   • 配置触发器和环境变量

2. 录入 OpenAPI 规范

   • 在 FunctionAI Toolset 中导入后端的 OpenAPI 规范文件
   • 系统自动解析并生成可调用的工具
   • 可在线更新 OpenAPI 规范，无需重新部署

在 AgentRun 控制台部署各个 Agent：

• 上传 Agent 镜像（寒小艾、希希咖啡店、送了么）
• 配置 A2A 通信地址
• 关联 FunctionAI Toolset 中的工具

自动启用平台可观测能力：

• Token 监控：实时查看各 Agent 的模型调用 Token 消耗
• 日志查询：按 Agent、时间、请求 ID 筛选日志
• 链路追踪：可视化完整的 Agent 调用链路和耗时

场景一：咖啡咨询

用户："你们有什么咖啡？"
寒小艾 → 希希咖啡店 Agent → 希希咖啡店后端（查询菜单）
返回："我们有美式、拿铁、卡布奇诺..."

场景二：完整下单流程

用户："帮我点一杯大杯拿铁，配送到中关村大厦"
寒小艾 → 希希咖啡店 Agent → 后端（创建订单）
      → 送了么 Agent → 后端（创建配送单）
返回："订单已确认，预计 30 分钟送达，配送费 5 元"

步骤一：部署后端服务

• 在函数计算控制台创建服务
• 上传希希咖啡店和送了么后端镜像
• 记录函数的公网地址

步骤二：录入 OpenAPI

• 在 AgentRun 的 FunctionAI Toolset 中导入 OpenAPI 规范
• 验证接口可用性

步骤三：部署 Agent

• 在 AgentRun 创建 Agent 实例
• 关联已录入的 Toolset 工具
• 配置 A2A 通信

步骤四：部署前端

• 在函数计算部署前端镜像（自定义运行时）
• 配置环境变量指向寒小艾 Agent

Q：如何更换大语言模型？ A：在 AgentRun 控制台"模型管理"中切换，配置会自动同步到所有 Agent，无需重启服务。

Q：后端接口更新后如何处理？ A：在 FunctionAI Toolset 中重新导入更新后的 OpenAPI 规范，Agent 会自动使用最新接口定义。

Q：如何排查 Agent 调用失败？ A：进入"可观测"模块，通过链路追踪功能定位失败环节，查看具体 Agent 或后端服务的错误日志。

Q：函数计算的优势是什么？ A：按量付费，无请求时零成本；毫秒级弹性伸缩，自动应对流量高峰；无需管理服务器。

Q：Token 消耗如何优化？ A：通过可观测平台查看各 Agent 的 Token 使用情况，针对性优化 Prompt 或选择性价比更高的模型。

注意事项：

• 确保函数计算服务有足够的并发配额
• 后端 OpenAPI 规范应符合标准格式
• 建议为生产环境配置独立的模型实例
• 关注 Agent 间调用的超时配置，避免链路过长