AgentKit
AgentKit
文档指南
请输入
- 文档首页
AgentKitAgentKit快速入门进阶入门：开发并部署 Agent使用 AgentKit Studio 搭建并部署 Agent
复制全文
下载 pdf使用 AgentKit Studio 搭建并部署 Agent
文档反馈
问问助手本实践介绍如何使用 AgentKit Studio 从 0 开始可视化创建、调试并发布 Agent，最终将 Agent 部署为 AgentKit 云端智能体运行时（Agent Runtime）。
背景信息
AgentKit Studio 是面向 Agent 开发、调试和交付的一体化工作台。它把模型配置、提示词编写、工具与技能接入、知识库配置、在线调试、部署发布、版本管理、观测评测等能力集中到同一入口，适合快速验证 Agent 想法，也适合将已验证的能力沉淀为团队可协作、可维护、可持续优化的 Agent 应用。
- 如果您是首次接触 Agent 的个人开发者，可以通过 AgentKit Studio 在可视化界面中完成配置与试运行，减少对代码、命令行和日志的依赖。
- 如果您所在团队已经进入协作、上线和持续运营阶段，可以将 AgentKit Studio 作为统一的工程化入口，用于管理登录态、会话历史、权限控制、版本迭代和多角色协作。
搭建和部署 Agent 工作流
前提条件
条件 | 要求 |
注册账号 | |
开通服务 | 说明 首次登录 AgentKit 服务控制台，平台将默认勾选使用 AgentKit 基础功能的必备依赖产品（包含函数服务、API 网关、镜像仓库等），您也可以根据实际业务需求，勾选所需的其他产品，然后单击“批量开通并授权”按钮确认“AgentKit 依赖服务开通及跨服务授权”，允许 AgentKit 服务使用已选择的产品。  |
| |
| |
获取 API 访问密钥 |
环境配置
推荐您使用uv工具管理 Python 环境，将 AgentKit 相关依赖放进独立虚拟环境，避免影响您终端内运行的其他 Python 项目。
- 登录您需要安装 VeADK 和 AgentKit SDK 的终端。
- 执行如下命令，确认其 Python 版本不低于 3.10。
- python --version
-
- 执行如下命令，下载并安装 uv 工具。
- curl -LsSf https://astral.sh/uv/install.sh | shwget -qO- https://astral.sh/uv/install.sh | sh
- 执行如下命令，创建并激活 uv 环境。本实践以创建并激活一个基于 Python 3.13 版本且名称为 .venv 的虚拟环境为例。
- uv venv --python 3.13 .venvsource .venv/bin/activate
- 环境激活后，您可以看到您的命令行开头会有括号标注的虚拟环境名称。
-
- 执行如下命令，在已激活的虚拟环境中安装 VeADK 与 AgentKit SDK。
说明
本实践以安装 1.1.14 版本为例。您可以将 1.1.14 替换为目标版本号，或执行 uv pip install -U veadk-python 命令安装最新版。
- uv pip install veadk-python==1.1.14
- 执行如下命令，检测是否安装成功。
- veadk --version
- 若回显类似如下信息，则表示安装成功。
-
开发 Agent
步骤一：进入 AgentKit Studio
- （可选）若您退出了虚拟环境，请执行如下命令重新激活。否则，请跳过本步骤。
- source .venv/bin/activate
- 在您本地终端中执行如下命令，设置环境变量。
注意
由于 AK/SK 属于高敏感凭据，直接写入.env等静态配置文件存在泄露风险，在本地开发环境中配置火山引擎 AK/SK 时，推荐通过终端会话级环境变量导出的方式管理。
- export VOLCENGINE_ACCESS_KEY=<your_access_key>export VOLCENGINE_SECRET_KEY=<your_secret_key>
- 启动 AgentKit Studio。
- 选择 AgentKit Studio 启动方式。
- AgentKit Studio 支持 本地启动、云端部署 两种方式。
说明
- 建议您先使用 本地启动 方式完成 Agent 0-1 验证，确认 Agent、模型、工具和页面流程均可正常运行且符合预期；当团队需要多人稳定访问、统一登录或对外演示时，再切换到 云端部署 方式。
- 云端部署 方式基于 函数服务（veFaaS） 与 API 网关 构建，服务运行期间将按调用次数与公网流量持续计费。为避免产生非预期费用，请在使用前确认计费规则，详情可查看 函数服务 - 计费概览、 API 网关 - 计费概览。
-
- 进入 AgentKit Studio 页面。
-
- 执行如下命令，本地运行 AgentKit Studio。
- veadk studio
- 回显如下所示时，表示已成功启动 Studio 界面，请根据界面提示获取访问 Web 界面的链接。
-
- 在您项目所在终端的本地浏览器中，访问上一步获取的访问地址，本实践为http://127.0.0.1:8000。
-
- 自定义您本次的测试用户名，即可进入 AgentKit Studio 页面。
注意AgentKit Studio 将按用户名标记开发中和已发布至 AgentKit 的 Agent，建议您使用同一个用户名进入 AgentKit Studio。
-
- 登录 函数服务控制台，根据控制台指引，开通函数服务。
- 执行如下命令，将本地 AgentKit Studio 部署至云端。
说明- 请按需调整如下参数配置：
- --vefaas-app-name：指定 veFaaS 应用名称。
- --region：指定 veFaaS 应用所属地域，请确保该地域与您希望创建的 AgentKit 智能体运行时所在地域一致。支持：
- cn-beijing：华北2（北京）
- cn-shanghai：华东2（上海）
- 本命令默认会为您创建 AgentKit Identity 用户池及客户端，用于管理企业 SSO 登录。
- 如需在 AgentKit Studio 创建的用户池及客户端中启用本地密码登录、无密码登录、注册、找回及未确认用户登录流程，可在命令中添加 --allow-dangerous-login true参数。该参数仅对 AgentKit Studio 创建的用户池生效，通过 --user-pool-id 指定已有用户池时将保留其现有登录配置。由于该参数可能降低登录安全性，不建议在生产环境使用。
- 部署前，本命令会自动校验创建云资源所需的权限。如果存在权限缺失，命令行将展示缺失项并暂停部署流程。建议您根据提示补齐权限后重新执行；若您确认当前账号已有等效权限，可选择继续，AgentKit Studio 将忽略权限问题继续尝试创建云资源。
- veadk studio deploy \--vefaas-app-name "veadk-studio" \--region "cn-beijing"
- 部署成功后，您可以在回显信息 Frontend deployed 参数中获取统一的公网访问地址，AgentKit Identity 用户池 ID（user pool id） 及客户端 ID（client id）等云资源信息。
-
- 配置登录方式。
- 使用您在上一步中获取的 AgentKit Identity 用户池 ID（user pool id），查询并进入其详情页。
- 在任意可访问公网的终端浏览器中，访问 AgentKit Studio 公网访问地址。
-
- 使用有权限的账号完成登录认证，即可进入 AgentKit Studio 云端页面。
-
、
步骤二：新建 Agent
本步骤以创建对话机器人 personal_assistant 为例，说明如何在 AgentKit Studio 中配置主 Agent、模型、工具、技能、知识库和记忆。
- 在左侧目录树选择“智能体”并单击“创建智能体”按钮。
-
- 选择创建方式。
注意
仅 VeADK 1.1.8 及以上版本支持使用本功能。
- 方式说明图示快速模式通过该模式创建的 Agent 会自动内置 CreateAgentToolset（动态智能体委派工具集）。主 Agent 可在运行时根据用户任务自动收集所需资源、创建子 Agent，并将任务移交给子 Agent 执行；同时支持按需调用技能、自主规划、多 Agent 协作、过程追踪和结果自动汇总。适用于任务目标较开放、需要边执行边拆解步骤的场景，例如资料收集、复杂问答和多步骤任务处理。
传统模式支持通过可视化方式配置 Agent 结构，并对模型、工具、参数和执行逻辑进行精细控制；同时支持存量 Agent 迁移、实时调试和按需性能优化，便于将已有 Agent 项目接入并发布到 AgentKit。本实践选择该方式创建 Agent。适用于 Agent 流程和结构已经明确、需要精细控制运行参数和执行逻辑的场景，例如对 Agent 进行定向调试、性能优化和稳定性验证的场景。
- 选择添加新 Agent 的方式。
- 方式说明图示从 0 快速创建在 AgentKit Studio 中从 0 开始创建新的 Agent，逐项配置模型、系统提示词、工具、记忆、知识库与技能，并在调试完成后直接部署到 AgentKit。本实践选择该方式。本实践选择该方式创建 Agent。适用于首次搭建新的 Agent 应用，需要从业务目标出发设计能力结构，或希望在可视化界面中逐步验证配置效果的场景。
智能模式用一段话描述 Agent 要解决的问题，AgentKit Studio 会基于您的自然语言自动判断意图，完成项目构建、调试和临时云端验证，生成可部署的源码产物。适用于有明确业务目标，但不熟悉 Agent 配置细节的场景。说明智能模式需要已配置包含 Codex 的开发沙箱 。- 本地启动 时：
- 请 创建 Code Sandbox 沙箱模板 并获取模板 ID。
-
- 在安装、运行 AgentKit Studio 的虚拟环境中，执行 export SANDBOX_DEV=<your_sandbox_id> 命令。
- 请将<your_sandbox_id>替换为实际沙箱模板 ID。
- 重新执行 veadk studio 命令，启动 AgentKit Studio 即可。
- 云端部署 时会自动创建该沙箱，无需额外配置。
从代码包添加和部署上传已有 Agent 项目压缩包（.zip），在 AgentKit Studio 中查看或编辑项目配置，并直接部署到 AgentKit。适用于将已编写好的 VeADK 项目快速上线，或对已有项目做少量调整后重新部署的场景。注意Agent 项目压缩包需符合如下要求：- 大小不超过 50 MB。
- 解压后文件数不超过 800 个。
- 根目录必须包含 app.py 文件作为 AgentKit 启动入口
从工作区新建Studio 为您提供了持久化云端代码项目功能。每位用户拥有一个持久的云端 Sandbox，项目以目录形式存放在 /home/gem/Projects 下。同时，工作区会提供云端 VS Code，方便您在线编写、调试和管理项目代码。适用于从零创建符合 VeADK 规范的 Agent 项目，并在 AgentKit Studio 中完成开发、调试和后续部署。从存量迁移上传一个已有的 Agent 项目压缩包（.zip），AgentKit Studio 会通过沙箱中的 Codex 自动分析项目框架和入口，生成可部署的 VeADK 项目。适用于将 LangChain、LangGraph、Dify 等框架的存量 Agent 项目快速转换为符合 VeADK 规范的项目，并部署到 AgentKit。说明- 支持迁移 LangChain、LangGraph、Google ADK、Strands、AgentCore 、Dify 框架的存量项目。
- 若您的项目框架不属于上述框架，AgentKit Studio 将按照通用迁移模式（Any），通过 Agentic 迁移。
- 跟随指引完成主 Agent 配置。
说明
- 主 Agent 是 Agent 项目的入口，负责接收用户输入、进行整体规划并调度后续能力。主 Agent 类型决定项目的控制方式：LLM 智能体可由模型直接推理响应；顺序型/并行型/循环型智能体属于编排型主 Agent，不含模型相关配置，会按规则调度子 Agent。
- 如需构建包含主、子 Agent 的多 Agent 项目，可参考 多智能体概述 进行规划。
- 选择主 Agent 类型
- 类型说明图示智能体自主决策型 Agent，基于大语言模型构建，支持完整的智能对话、工具调用、记忆管理等功能。它可以根据配置自动调用子 Agent 或工具来完成复杂任务。本实践选择创建该类型 Agent。适用于单 Agent 对话、策略性任务、步骤不固定的多变需求场景。
分布协作顺序型 Agent，自身不具备语言模型能力，串行依次调度子 Agent 完成任务，像流水线仅可从前往后执行。适用于“检索 -> 归纳 -> 生成 -> 审核”等明确阶段流程的任务场景。同时处理并行型 Agent，自身不具备语言模型能力，可并发执行多个子 Agent 的任务，最后进行汇总。适用于多来源同时检索、生成多个候选方案、需要提速的任务场景。循环执行循环型 Agent，自身不具备语言模型能力，在迭代上限内循环执行多个子 Agent 的流程，直到满足条件或达到循环轮次上限。适用于“生成 -> 评审 -> 修复闭环”等质量门槛明确、需要多轮改进的任务场景。
- 配置基本信息
- 参数说明图示Agent 名称自定义当前 Agent 名称，本实践以 personal_assistant为例。
描述请填写当前 Agent 对外展示的功能、特点、适用场景等简要说明，该信息会展示在 Agent 列表与选择器中。本实践以默认配置为例。系统提示词用于确定 Agent 的角色定位、任务目标、执行策略和输出规范，是决定 Agent “像谁、做什么、怎么做、以什么形态输出”的核心静态配置。本实践以默认配置为例。
- 配置模型信息
- 模型（Model） 是 Agent 进行理解、推理和生成的核心能力来源，负责把用户的问题转化为可用的回答、方案或内容，是 Agent 具备智能交互能力的基础。
- 参数说明图示模型来源请配置为 Agent 提供推理服务的模型信息。支持：
- 火山方舟：使用 火山方舟 的模型为 Agent 提供推理服务。
说明- 自定义：使用自建或第三方提供的模型为 Agent 提供推理服务。请填写对应服务提供商名称及调用模型的 API 请求地址及 API Key 信息。
模型配置选择 火山方舟 作为模型来源时，您需要配置：- API Key：请下拉选择调用方舟模型的 API Key。
- 模型：请下拉选择提供推理服务的主模型。本实践以火山方舟 doubao-seed-2-1-pro-260628模型为例。
- Fallback 模型：配置 LLM 智能体时，您可为每个智能体添加有序的回退模型，当主模型不可用时按顺序自动切换。本实践以保持默认配置为例。
- 同提供商：仅需指定模型名称，自动复用主模型的提供商、API 地址和 API Key。生成的项目代码通过 model_name 列表实现回退。
- 跨提供商：为每个回退端点单独指定模型提供方、API 地址和 API Key。
- 配置工具
- 工具（Tool）是 Agent 可调用的执行能力，用于把模型的判断转化为具体动作，让 Agent 不仅能理解问题，还能完成查、调、取、写等实际操作，提升任务自动化程度和落地能力。例如，Agent 可以通过工具查询库存、发送请求或读取文件。
- 参数说明图示内置工具内置工具是 VeADK 预先封装好的原生函数工具，开箱即用，让 Agent 获得网页搜索、代码执行、图像 / 视频生成等火山引擎能力，无需您实现底层逻辑。本实践以选用代码执行为例。
- 联网搜索：通过 豆包搜索 Custom 版 进行全网搜索。
说明- 火山引擎 豆包搜索 是面向大模型构建的联网搜索服务，以灵活 API 形式提供多垂类、多信源搜索能力。了解更多
- 支持 按量后付费、订阅套餐 两种计费模式，通过各自独立的 API Key 使用进行响应计费。了解更多
- 并行联网搜索：通过输入搜索关键词，查询搜索引擎结果，并获取包含网页标题、链接和摘要等信息的结构化内容。适用于需要实时检索互联网信息、补充模型回答时效性或生成搜索增强内容的场景。
- 网页读取：该工具可接收网页 URL，读取并解析其网页内容。常与搜索工具搭配，可让 Agent 深入阅读目标网页信息。
- 图像生成：根据传入的图片及文本信息生成图片。
- 图像编辑：在给定原图的基础上，根据用户输入的文本指令执行图生图编辑（替换元素、改风格等）操作。
- 视频生成：根据传入的图片及文本信息生成视频。
- 代码执行：使用 AgentKit 沙箱模板 AIO Sandbox 作为代码任务的执行工具。适用于 Agent 需要在沙箱环境中开发、调试代码的场景。
- 请 创建沙箱模板。
- 获取环境变量：工具创建完成后，在工具详情页的“集成代码”页签中，获取工具需配置的环境变量信息。
-
- 填写您获取的代码执行沙箱 ID（AGENTKIT_TOOL_ID）及 AgentKit Tools 所属地域（AGENTKIT_TOOL_REGION）。
-
更多类型工具为 Agent 配置更多类型的工具。支持：- MCP 工具：MCP（Model Context Protocol）是连接大模型与外部工具 / 数据源的开放协议。AgentKit Studio 支持通过 HTTP（streamable-http）、stdio 两种传输方式连接 MCP 工具，并在推理过程中按需调用。
- 本实践以添加 AgentKit 平台中创建的 MCP 服务为例。您需要：
- 创建 MCP 服务：按照您的需要新建或导入 MCP 工具（如：Sequential Thinking MCP、地图 MCP 等）。
- 获取环境变量：工具创建完成后，在工具详情页的“集成代码”页签中，获取工具需配置的环境变量信息。
-
- 填写您获取的 MCP 服务地址（MCP_SERVICE_URL）及 MCP 服务鉴权密钥（MCP_SERVICE_API_KEY）。
-
说明
- 配置技能
- 技能（Skill）是面向特定任务封装的标准化能力单元，通常整合了完成任务所需的知识说明、执行流程、代码脚本和相关资源，可以让 Agent 在需要时快速加载成熟能力，减少重复配置和重复提示，提高执行质量与效率。例如，Agent 可以调用文档评审技能，按固定规范完成一篇技术文档的检查和优化。
- 创建 Agent 时可从如下来源添加技能，添加后技能文件写入生成项目的 skills/ 目录。
- 技能来源说明图示本地文件支持上传本地包含技能信息的文件夹或 ZIP 包。说明
- 支持上传包含多个技能的文件夹或 ZIP 包。
- 每个技能目录需包含 SKILL.md 文件，AgentKit Studio 会检查文件是否存在、文件数量、大小和路径安全。完整的 frontmatter 与技能格式由 ADK 在加载时校验。生成项目中的技能目录名取自 SKILL.md 文件中的 name 字段或上传目录名。
火山 Find Skill 技能广场在火山引擎公开技能仓库中按关键词检索技能并添加。AgentKit Skill 中心浏览当前账号可见的 AgentKit Skills 中心的技能（Skill）空间，并选择其中可用的技能及其版本。本实践以该技能来源为例。若无可用 Skill 空间或技能，您可以：- 创建 Skills 空间：用于统一组织和管理一组 Skill 版本的逻辑空间。
- 创建 Skill：将您自建或第三方提供的 Skill 导入至 AgentKit。
- 选择“AgentKit Skill 中心”，在下拉列表中选择目标 Skill 空间，并按需添加 Skill。
-
- 配置知识库
- 知识库用于为 Agent 提供可检索、可更新、可追溯的外部知识来源。大模型本身具备通用语言理解与推理能力，但并不天然掌握企业内部文档、产品规则、最新政策、接口说明或业务流程。将这些内容接入知识库后，Agent 可以在回答前检索相关资料，再基于检索结果生成回复，从而降低凭经验猜测的概率，并让回答更贴近业务事实。
- 知识库后端说明图示VikingDB Knowledge
OpenSearch使用自建或托管的 OpenSearch 集群，并自行配置 embedding。Context SearchOpenViking Knowledge使用 OpenViking 资源目录知识库，由服务端完成资源解析与检索，无需配置本地 embedding。
- 配置记忆
- 记忆是 Agent 保存的与用户、会话或任务相关的上下文信息，可以让 Agent 在多轮对话或跨会话交互中保持对任务背景、用户身份和已完成步骤的理解，避免每次都从零开始。
- 参数说明图示短期记忆保存当前会话内的上下文与中间状态，帮助 Agent 在同一次对话中理解上下文指代、跟踪当前任务进度、复用已经给出的信息。会话结束或超过一定时间后一般会淘汰。支持：
- 本地内存：将短期记忆保存在当前 Agent 服务的运行进程中，不需要额外创建数据库或配置存储文件，进程结束、服务重启或实例迁移后，内存中的短期记忆不会保留。本实践以该存储位置为例。
- SQLite 文件：将短期记忆写入本地数据库文件，该方式无需要单独部署数据库服务，且可以持久化保存。适合单机开发、小规模试用、离线演示场景。
- MySQL：将短期记忆写入本地 MySQL 数据库中。
- PostgreSQL：将短期记忆写入本地 PostgreSQL 数据库中。
长期记忆跨会话保存对用户长期有效的信息，让 Agent 在不同时间、不同会话中都能识别用户、复用偏好并延续长期任务，形成个性化和持续服务能力。支持：- 本地向量库：进程内向量库，适合本地调试，不持久化，需要配置向量化模型。
- OpenSearch：使用自建或托管的 OpenSearch 集群，并自行配置向量化模型。
- Redis：使用 Redis 向量检索，并自行配置向量化模型。
- VikingDB Memory：火山引擎 VikingDB 记忆库（支持用户画像），使用 AgentKit Studio 的火山引擎凭证。本实践以该记忆库为例。
- OpenViking Memory：OpenViking 长期记忆，按用户维度保存和检索偏好、事件与实体。了解更多
- mem0：Mem0 托管记忆服务。
- （可选）若您需要为主 Agent 添加子 Agent，可单击智能体架构图中的“添加子 Agent”按钮，并参考步骤 3 完成子 Agent 配置。本实践未添加子 Agent。
说明
- 子 Agent 是由主 Agent 调度的下级执行单元，主 Agent 可根据架构，自动识别并派发任务给匹配的子 Agent，实现多角色分工协作。
- 子 Agent 额外支持选择 远程智能体 类型，即使用当前账号有权限的 AgentKit A2A 中心的智能体空间，适合将已经发布到 A2A 中心的专业能力接入多 Agent 项目。了解更多
-
- 完成配置后，单击“下一步”按钮进入调试流程。
步骤三：本地调试 Agent
- 单击“启动环境”按钮，在本地创建 Agent 临时运行环境。
-
- 启动成功，您可以在对话框中向 Agent 发送测试消息，验证效果。例如：介绍下自己。
-
- 若调试结果不符合预期，您可以单击“上一步”按钮并确认离开调试页面，调整 Agent 配置。
-
- 若调试结果符合预期，您可以单击“使用该配置”或“下一步”按钮并确认离开调试页面，进入 Agent 优化项配置流程。
-
步骤四：选择 Agent 优化项（可选）
您可以按需为主 Agent 开启优化能力。AgentKit Studio 通过 Harness Sidecar 为 Agent 提供增强服务，在不修改 Agent 主体代码的情况下，增强其稳定性并提升任务成功率。若无需配置 Agent 优化项，请直接单击“下一步”按钮进入后续流程。
说明
- 本功能处于邀测阶段，仅对已通过申请的用户生效。如需试用，请 提交工单 或联系您的客户经理。
- Harness Sidecar 是一种与主容器运行在同一 Pod 中的辅助服务，可以在不修改 Agent 主体代码的情况下，为其提高任务成功率、增强稳定性、降低Tokens消耗。例如，可以通过 Sidecar 代理和治理模型上下文请求、MCP工具调用，在 Agent 代码无感知的情况下完成稳定性治理和请求重试。
- 启用 Harness Sidecar 优化后，相关增强行为在受控运行时中执行，会访问模型与 MCP 网关。请确认所配置的模型凭据、MCP 网关地址与访问范围符合业务的数据处理与安全要求。
- 选择 Agent 优化场景。
-
- 勾选用于 Agent 优化的组件。
-
- 单击“下一步”按钮，进入配置云上环境流程。
步骤五：配置云上环境
您可以自行选择 Agent 部署时所使用的基础运行环境，保障 Agent 在不同部署中的依赖一致性、环境可复用性和运维可控性。
说明
运行环境本质上是一组可复用的镜像配置，包含操作系统、Python 版本、命令行工具、技能及 Dockerfile 等内容。
- 在下拉列表中选择目标环境。本实践使用 AgentKit Studio 预置的默认环境。
-
- 单击“下一步”按钮，进入 Agent 发布流程。
步骤六：发布 Agent
- 确认当前 Agent 架构。
-
- 完成如下部署配置。
-
- 完成配置后，单击“部署”按钮。
-
- 确认风险提示后，单击“确定部署”按钮。
-
- 查看当前 Agent 部署为 AgentKit 智能体运行时的进度。
-
- 部署完成后，您可以在线调试智能体运行时，也可以通过 AgentKit Studio 页面直接使用该运行时。
说明
-
- 复制 Agent 名称，并前往 AgentKit 智能体运行时控制台。
-
- 在顶部导航栏选择目标智能体运行时所在地域。
- 通过名称找到目标 Agent，单击其右侧“操作”列的“在线测试”按钮。
-
- 发送测试 Prompt（本实践以“介绍下自己”为例），验证返回内容符合预期。
-
- 在左侧目录树选择“智能体”，并单击目标智能体卡片。
-
- 单击“去对话”按钮。
-
- 连接成功后，即可在对话框中向 Agent 发送消息，正常使用您部署至云端的 Agent。
-
观测与评测 Agent
Agent 发布并完成在线测试后，建议您继续通过 AgentKit 提供的观测和评测能力验证其运行状态与实际效果，逐步完成“是否稳定可用”到“足够好、值得上线”的优化。
观测 Agent
观测用于查看 Agent 在真实调用过程中的运行表现，帮助您发现链路异常、模型调用异常、日志报错或性能瓶颈。开启数据观测后，AgentKit 与 VeADK SDK 会基于 OpenTelemetry 自动采集各环节（例如模型调用、工具执行、记忆库检索等）的 Trace（调用链）与 Metrics（指标），并将数据投递至观测平台。
评测 Agent
评测用于通过标准化实验衡量 Agent 在效果、性能和成本三个维度的表现，帮助您判断当前版本是否满足预期，并为后续优化迭代及上线提供依据。
- 通过 AgentKit Studio 进行评测
- AgentKit Studio 提供在智能体部署至 AgentKit 后自动沉淀评测数据并生成优化建议的能力，帮助开发者在对话验证阶段快速发现和修复问题。
- 当您在部署 Agent 至 AgentKit 时开启创建评测集功能，AgentKit Studio 将自动为该 Agent 创建 Good Case 与 Bad Case 评测集。
-
- 在 AgentKit Studio 与 Agent 完成对话后，AgentKit Studio 会自动评估每轮对话的质量并归入对应评测集，再基于累计的评测案例生成优化建议。
- 您可以在 AgentKit Studio 对应 Agent 详情页的"评测集"页签中查看评测信息。
-
- 通过 AgentKit 在线评测
- AgentKit 提供了包括评测集、评估器和实验三个核心模块的在线评测机制，覆盖从数据准备到结果分析的全链路评测流程。其中，评测集用于提供标准化输入与参考答案；评估器可以基于 LLM 或 Code 按既定规则打分；实验则负责组合执行、聚合结果指标，并支持多实验之间的对比分析。了解更多
后续操作
注意
最近更新时间：2026.10.12 14:46:47
这个页面对您有帮助吗？
有用
有用
无用
无用