文档中心

AgentKit

SDK参考

Tools

本文通过集成Built-in Tools的run_code工具展示了如何使用VeADK构建一个在沙箱环境中安全地执行代码的智能体。

推荐您使用agentkit-cli，从Basic Agent模版来创建项目。在模版创建完成后，您需要做以下修改：

为智能体添加代码执行工具run_code。

配置环境变量AGENTKIT_TOOL_ID为您的沙箱工具实例ID。

完整代码如下所示：

将代码保存为simple_agent_tool.py。更多工具的集成示例，请参见在Agent中集成工具。

from veadk import Agent, Runner​
from veadk.tools.builtin_tools.run_code import run_code​
from agentkit.apps import AgentkitSimpleApp​
​
app = AgentkitSimpleApp()​
agent: Agent = Agent(​
    tools=[run_code],​
)​
runner = Runner(agent=agent)​
​
@app.entrypoint​
async def run(payload: dict, headers: dict) -> str:​
    prompt = payload["prompt"]​
    user_id = headers["user_id"]​
    session_id = headers["session_id"]​
    ​
    response = await runner.run(​
        messages=prompt, ​
        user_id=user_id, ​
        session_id=session_id​
    )​
    return response​
@app.ping​
def ping() -> str:​
    return "pong!"​
​
if __name__ == "__main__":​
    app.run(host="0.0.0.0", port=8000)​

参数说明

run_code 工具：提供安全的代码执行环境，支持Python、JavaScript等多种编程语言。

session_id：用于标识用户会话，同一session_id的请求将共享沙箱实例。

异步处理：使用async/await语法支持高并发请求。

本地调试

安装Python依赖。

UV安装

# 使用 `uv` 来创建一个基于 Python 3.10 版本的虚拟环境
uv venv --python 3.10

# 激活 `uv` 环境
source .venv/bin/activate

PIP安装

pip install veadk-python

配置环境变量。

# 必需配置：沙箱工具ID（从控制台获取或调用ListTools接口获取）
export AGENTKIT_TOOL_ID=t-ye7fhfmghsc1kdxxxxxx

# 必需配置：火山引擎访问凭证
export VOLCENGINE_ACCESS_KEY=<your_access_key>
export VOLCENGINE_SECRET_KEY=<your_secret_key>

本地启动智能体服务。

服务启动成功后，将监听http://0.0.0.0:8000，您可以通过该地址调用智能体。

python simple_agent_tool.py

调用智能体。

curl --location 'http://localhost:8000/invoke' \
--header 'Content-Type: application/json' \
--header 'user_id: veadk-test' \ #用户标识符
--header 'session_id: local_session' \ #会话标识符，用于关联沙箱实例
--data '{"prompt": "给我在50和100之间一个随机的质数"}' #用户的自然语言请求

调用成功后，控制台会输出详细的执行日志：

2025-11-23 21:10:24 | DEBUG | runner.py:578 - Function call: id='call_jwrcwdayjj8xnlgalyzzcoqq' args={'code': 'import random\n\ndef is_prime(n):\n if n <= 1:\n return False\n if n == 2:\n return True\n if n % 2 == 0:\n return False\n for i in range(3, int(n**0.5) + 1, 2):\n if n % i == 0:\n return False\n return True\n\nprimes_between = [p for p in range(50, 101) if is_prime(p)]\nrandom_prime = random.choice(primes_between)\nprint(random_prime)', 'language': 'python3'} name='run_code'
2025-11-23 21:10:24 | DEBUG | run_code.py:48 - tools endpoint: agentkit.cn-beijing.volces.com
2025-11-23 21:10:24 | DEBUG | run_code.py:54 - tool_user_session_id: veAgent_veadk-test_local_session
2025-11-23 21:10:24 | DEBUG | run_code.py:56 - Running code in language: python3, session_id=local_session, code=import random

def is_prime(n):
if n <= 1:
return False
if n == 2:
return True
if n % 2 == 0:
return False
for i in range(3, int(n**0.5) + 1, 2):
if n % i == 0:
return False
return True

primes_between = [p for p in range(50, 101) if is_prime(p)]
random_prime = random.choice(primes_between)
print(random_prime), tool_id=t-ye7yhff668o2eybtfvr0, host=agentkit.cn-beijing.volces.com, service=agentkit, region=cn-beijing
2025-11-23 21:10:24 | DEBUG | run_code.py:65 - Get AK/SK from tool context failed.
2025-11-23 21:10:24 | DEBUG | run_code.py:77 - Successfully get AK/SK from environment variables.
2025-11-23 21:10:25 | DEBUG | run_code.py:103 - Invoke run code response: {'ResponseMetadata': {'RequestId': '****', 'Action': 'InvokeTool', 'Version': '2025-10-30', 'Service': 'agentkit', 'Region': 'cn-beijing'}, 'Result': {'ToolId': 't-****', 'UserSessionId': '****', 'SessionId': 's-****', 'Endpoint': '', 'InternalEndpoint': '', 'Result': '{\n "success": true,\n "message": "Code executed successfully",\n "data": {\n "kernel_name": "python3",\n "session_id": "****",\n "status": "ok",\n "execution_count": 1,\n "outputs": [\n {\n "output_type": "stream",\n "name": "stdout",\n "text": "67\\n",\n "data": null,\n "metadata": {},\n "execution_count": null,\n "ename": null,\n "evalue": null,\n "traceback": null\n }\n ],\n "code": "import random\\n\\ndef is_prime(n):\\n if n \\u003c= 1:\\n return False\\n if n == 2:\\n return True\\n if n % 2 == 0:\\n return False\\n for i in range(3, int(n**0.5) + 1, 2):\\n if n % i == 0:\\n return False\\n return True\\n\\nprimes_between = [p for p in range(50, 101) if is_prime(p)]\\nrandom_prime = random.choice(primes_between)\\nprint(random_prime)",\n "msg_id": "****"\n }\n}'}}
2025-11-23 21:10:38 | DEBUG | runner.py:586 - Event output: 在50到100之间的随机质数为：67
2025-11-23 21:10:38 | WARNING | runner.py:652 - No tracer is configured in the agent, no trace id provided.
INFO: 127.0.0.1:52785 - "POST /invoke HTTP/1.1" 200 OK

部署到云上生产环境

完成本地开发和测试后，您可以将集成工具后的Agent部署到智能体运行时。

打包代码：确保所有依赖都已正确配置在requirements.txt中。

将Agent部署到智能体运行时，部署时，系统会自动注入必要的环境信息，无需手动配置。当前支持以下两种部署方式：

通过CLI工具创建运行时

通过控制台创建智能体运行时

部署完成后，您可以通过平台提供的API或SDK调用智能体。调用示例：

agentkit invoke "给我在50和100之间一个随机的质数"

最近更新时间：2026.01.08 10:02:18

这个页面对您有帮助吗？

有用

无用