隨著大語言模型（LLM）能力的飛速提升，AI 應用正在從單一的“對話機器人”向複雜的“智能體（Agent）”演化。然而，如何構建一個能夠處理複雜商務程序、具備高可維護性和擴充性的企業級 Agent 系統，依然是行業面臨的巨大挑戰。本文以開源專案“希希咖啡店”為例，基於Function Compute的AgentRun服務和A2A（Agent-to-Agent）協議，構建一個分工明確、協作高效的多智能體系統。
開始體驗
準備工作
在開始之前，請確保您已完成以下準備工作：
選擇模板並部署
在AgentRun控制台上方點擊Agent 模板按鈕，在熱門Agent專案模板中點擊希希咖啡店，點擊快速部署。
在部署頁面，請參考以下說明配置參數：
应用名称：為您的應用設定一個易於識別的名稱，便於後續管理和識別，如：
buy-me-a-coffee。输入Agent描述（可選）：簡要描述應用的功能，如：
基於希希咖啡店模板建立的Agent。許可權配置：為AgentRun應用授權，以便其能訪問模型、工具等雲資源。
（推薦）點擊快速创建，系統將引導您建立一個名為
AliyunAgentRunDefaultRole的預設角色，該角色已包含要求的權限；如需自訂許可權，您也可以點擊下拉框右側的添加按鈕
，通過創建角色手動設定，並為其添加相應的權限原則，詳情可參見按需配置執行角色。
大語言模型：從下拉框中選擇您剛剛配置的qwen3-model，並選擇qwen3-max模型。如果您未提前配置，可點擊下拉框右側的添加按鈕
，參考準備工作步驟3進行配置。點擊確認建立，等待應用部署完成。
部署成功後，頁面會顯示應用的訪問連結。點選連結即可進入WebUI體驗頁面。
應用體驗
進入WebUI頁面後，請留意左下角的狀態提示：
無A2A服務/正在載入A2A服務：表示前端正在搜尋已部署的 Agent。請稍作等待。
2個A2A服務運行中：表示“訂單”和“配送”這兩個業務 Agent 已成功載入，可點擊卡片查看詳情或進行互動。總控 Agent 作為前端的調用入口，不在此處顯示。
通過文字進行對話：
查看菜單：輸入或點擊看菜單。
下單
樣本輸入：給小明點一杯焦糖瑪奇朵，去冰，全糖。配送到阿里雲穀園區1號樓，手機號是1234567。
標記訂單
查詢訂單
配送
查看應用詳情
應用部署成功後，您可以在AgentRun控制台對應用進行全方位的管理和營運。在應用列表中找到您建立的應用，點擊進入详情頁面，左側導覽列提供了以下核心功能：
概覽與配置：快速查看應用的基本資料、運行時配置（如模型、記憶體規格），並在此管理環境變數。
代碼與調試：支援線上查看、編輯和調試，並進行線上二次開發。
版本與灰階：提供版本管理能力，支援通過灰階發布將少量流量切換到新版本進行測試，驗證通過後再全量上線。每個版本都有一個臨時網域名稱供測試使用。
整合與發布：可參考Agent整合與發布，將開發的Agent快速整合到您的前端網頁、後端應用等。
彈性與執行個體：查看當前正在啟動並執行執行個體列表和狀態，並配置靈活的Auto Scaling策略，讓應用根據業務負載自動增減執行個體。
可觀測性：通過整合阿里雲應用即時監控服務（ARMS），可以獲得代碼級的效能診斷、請求追蹤、異常監控和警示能力，保障應用的穩定運行。
刪除資源
為避免產生不必要的費用，體驗結束後，請及時清理資源。
在AgentRun控制台的應用列表中，找到您建立的“希希咖啡店”相關應用。由於該模板會建立多個Agent應用（總控、訂單、配送），請將它們逐一刪除，以完成所有資源的清理。
計費說明
部署“希希咖啡店”應用將建立並使用以下阿里雲付費服務。最終費用以您的阿里雲賬單為準。
Agent 服務 / Function Compute (FC)
說明：應用中的三個 Agent 執行個體將部署在阿里雲Function Compute之上。Function Compute根據您的實際調用次數和資源使用量進行計費。
計費文檔：Function Compute計費概述。
大語言模型 / 阿里雲百鍊
說明：應用依賴的大語言模型服務由阿里雲百鍊平台提供。模型調用將根據輸入和輸出的 Token 數量進行計費。
計費文檔：百鍊模型調用計費說明。
日誌與監控 / Log Service (SLS) & 應用即時監控服務 (ARMS)
成本管理提示：建議您在部署前詳細閱讀各服務的計費文檔，並根據業務需求在阿里雲控制台設定消費預警，以有效管理成本。
應用架構解析
1. 業務挑戰
在複雜的互動情境中，一個簡單的使用者指令背後往往需要跨領域的任務協作。
例如，對於指令：“來一杯熱拿鐵，全糖，送到阿里雲雲穀園區。”
系統需要依次完成：
意圖識別： 理解使用者需要“購買商品”。
商品處理： 查詢商品資訊，解析規格。
訂單產生： 建立包含商品、規格、價格的訂單。
物流調度： 解析地址，調用配送服務。
狀態同步： 向使用者反饋流程中的關鍵狀態。
傳統的單體應用難以有效處理此類跨域工作流程。我們的解決方案採用多智能體（Multi-Agent）架構，將複雜任務解耦，交由一組各司其職的智能體協作完成。
2. 架構設計
在“希希咖啡店”這個樣本中，我們將商務程序拆解為三個獨立的 Agent，它們通過標準化的 A2A (Agent-to-Agent) 協議進行通訊。下圖分別展示了“希希咖啡店”的使用者互動介面（左側）與 AgentRun 的應用管理主控台（右側）。
左側顧客端為寒小艾智能助手聊天介面，作為主Agent類比使用者手機小幫手，提供看菜單、查訂單、叫配送等快捷操作；右側為商家後台·訂單管理系統，含咖啡訂單和配送訂單Tab頁簽，可操作製作與配送進度以測試Agent效果。底部狀態列顯示咖啡Agent和配送Agent兩個A2A服務運行中，技術棧為AgentRun + Google ADK + A2A Protocol + AGUI + CopilotKit。
該應用樣本背後的技術架構如下，它展示了各個智能體如何與底層服務協同工作：
3. 智能體角色與職責
寒小艾（Root Agent）：總控入口與任務路由器
作為系統的統一入口，負責解析使用者意圖，並將任務分發給下遊的專業 Agent。它不執行具體業務，而是扮演“調度中心”的角色。
核心職責：
意圖識別： 判斷使用者指令的業務類型（如購物、查詢、閑聊）。
任務路由： 根據意圖，將任務精準路由至對應的業務 Agent（如 Coffee Agent）。
上下文管理： 在多輪對話中維護和傳遞上下文資訊。
希希（Coffee Agent）： 領域業務智能體
封裝了特定業務領域（此例中為咖啡銷售）的所有邏輯和能力。
核心職責：
供應商品菜單查詢（
get_menu）。處理商品語義搜尋（
search_product）。建立和管理訂單（
create_order）。
設計原則：
通過 API 提供標準服務，實現商務邏輯的封裝與資料隔離。
小騎手（Delivery Agent）：泛型服務 Agent
提供獨立的、與具體業務無關的通用能力（如此處的物流配送）。
核心職責：
接收配送請求，調度運力（
create_delivery）。提供配送狀態的即時查詢（
query_delivery）。
設計原則：
高度解耦與複用： 該 Agent 不關心配送的具體商品，只處理“取貨地”和“送貨地”。因此，它可以被無縫複用於任何需要配送服務的業務情境（如鮮花、外賣等）。