feat: support inspection assistant

Author: YumengBao

02-use-cases/ai_coding/.dockerignore

@@ -0,0 +1,27 @@
+# AgentKit configuration
+agentkit.yaml
+agentkit*.yaml
+
+# Python cache
+__pycache__/
+*.py[cod]
+*$py.class
+
+# Virtual environments
+.venv/
+venv/
+ENV/
+env/
+
+# IDE
+.vscode/
+.idea/
+.windsurf/
+
+# Git
+.git/
+.gitignore
+
+# Docker
+Dockerfile*
+.dockerignore

02-use-cases/ai_coding/requirements.txt

@@ -1,4 +1,4 @@
 veadk-python==0.2.27
 agentkit-sdk-python==0.1.15
 tos>=2.8.7
-google-adk==1.18.0
+google-adk==1.18.0

02-use-cases/beginner/hello_world/requirements.txt

@@ -1,5 +1,6 @@
+veadk-python[extensions]==0.2.29
 veadk-python==0.2.29
 agentkit-sdk-python==0.1.15
 google-adk==1.18.0
 urllib3<2.0.0
-volcengine-python-sdk>=4.0.31
+volcengine-python-sdk>=4.0.31

02-use-cases/customer_support/__init__.py

@@ -1,4 +1,4 @@
 veadk-python==0.2.27
 google-adk==1.18.0
 agentkit-sdk-python==0.1.15
-mem0ai==0.1.118
+mem0ai==0.1.118

02-use-cases/customer_support/requirements.txt

@@ -0,0 +1,187 @@
+# 智能门店巡检系统
+
+基于AgentKit的智能门店巡检助手，专门用于门店质量检测：招牌LED发光状态检测、洗手池整洁检测、货架陈列检测、工服穿着检测。系统能够自动识别异常情况并触发告警，实现门店运营的标准化管理。
+
+## 项目概述
+
+本项目构建了一个AI驱动的门店质量检测解决方案，通过计算机视觉和人工智能技术，实现对门店各项设施状态的自动化巡检。系统能够智能识别招牌LED发光状态、洗手池整洁度、货架陈列规范等关键指标，并在发现异常时及时上报告警，帮助门店管理者快速响应和处理问题。
+
+## 核心功能
+
+### 🔍 智能图像处理与分析
+
+- **精准目标检测**：自动识别门店招牌区域，智能框选完整招牌范围
+- **智能图像剪裁**：自动提取招牌主体，去除无关背景干扰
+- **文字智能识别**：准确检测招牌中的中英文文字
+- **多模态图像理解**：通过视觉大模型深度理解图像内容，识别LED发光异常、货架/洗手池整洁度等问题
+
+### 🚨 异常检测与智能告警
+
+- **自动告警上报**：发现异常时自动触发告警机制，可无缝接入企业内部告警系统
+- **多渠道消息推送**：异常告警自动触发飞书机器人推送，确保信息及时传达
+
+### 🤖 多智能体协同架构
+
+- **Multi-Agent架构**：采用多智能体协同工作模式，自主判断最优任务执行流程
+- **专业分工协作**：图像处理、异常分析、告警通知各司其职，提升检测效率
+- **端到端自动化**：从图像采集到告警通知的全流程自动化处理
+
+### 🛠️ MCP工具高效集成
+
+- **外部系统无缝对接**：通过AgentKit Gateway，便捷地将外部工具集成为MCP Tool，扩展Agent能力边界
+- **身份凭据安全托管**：通过Identity服务安全托管出站凭据，保护敏感密钥信息
+
+## 技术架构
+
+### 核心智能体组件
+
+#### 1. 根智能体 (Root Agent)
+
+- **核心职责**：统筹协调整个质检流程，智能判断最优任务执行路径
+- **使用模型**：deepseek-v3-1-terminus
+
+#### 2. 图像处理智能体 (Image Process Agent)
+
+- **核心职责**：负责图像预处理、目标检测和智能剪裁
+- **使用模型**：doubao-seed-1-6-vision-250815 / deepseek-v3-1-terminus
+- **集成工具**：
+  - `signboard_detection_tool`：招牌区域检测
+  - `crop_image_by_bbox`：按边界框精准剪裁
+  - `signboard_char_detection_tool`：招牌文字检测标注
+
+#### 3. 图像分析智能体 (Image Analysis Agent)
+
+- **核心职责**：专业分析LED发光状态和异常识别
+- **使用模型**：doubao-seed-1-6-vision-250815 / deepseek-v3-1-terminus
+- **集成工具**：
+  - `led_status_analysis_tool`：LED发光状态分析
+
+#### 4. 洗手池检测智能体 (Sink Debris Detector)
+
+- **核心职责**：洗手池整洁度智能检测
+- **使用模型**：doubao-seed-1-6-vision-250815
+- **集成工具**：
+  - `warn_tools`：告警信息上报系统
+  - `warn_tools_lark`：飞书机器人告警推送
+
+#### 5. 货架陈列检测智能体 (Shelf Display Checker)
+
+- **核心职责**：货架陈列规范性智能检测
+- **使用模型**：doubao-seed-1-6-vision-250815
+- **集成工具**：
+  - `warn_tools`：告警信息上报系统
+  - `warn_tools_lark`：飞书机器人告警推送
+
+## 快速开始
+
+### 环境要求
+
+- Python 3.12 或更高版本
+
+### 1. 安装核心依赖
+
+```bash
+# 安装AgentKit SDK
+pip install agentkit-sdk-python
+
+# 安装VEADK
+pip install -U veadk-python
+```
+
+### 2. 部署告警服务（可替换为内部告警系统）
+
+我们提供了模拟告警服务，用于演示如何接入企业内部告警系统。请按照以下流程将告警服务部署到VeFaaS平台。
+
+#### 2.1 安装VeCLI工具
+
+```bash
+npm install -g @volcengine/vecli@latest
+```
+
+#### 2.2 配置VeCLI连接VeFaaS
+
+请参考官方文档进行配置：[VeCLI配置VeFaaS](https://www.volcengine.com/docs/83927/1826777)
+
+#### 2.3 部署告警服务
+
+```bash
+# 进入告警服务目录
+cd mcp_tools/warn_service
+vecli
+```
+
+![告警服务部署](assets/warn_service.png)
+
+#### 2.4 在AgentKit平台创建MCP服务
+
+![创建MCP服务1](assets/create_mcp_0.png)
+![创建MCP服务2](assets/create_mcp.png)
+
+### 3. 开发和部署Agent到火山引擎AgentKit
+
+#### 3.1 开发智能体
+
+1. **初始化项目**
+
+```bash
+agentkit init
+```
+
+执行完成后，目录下会生成三个核心文件：
+
+- `agentkit.yaml` - Agent配置文件
+- `requirements.txt` - Python依赖包列表
+- `simple_agent.py` - Agent主程序文件
+
+![项目初始化](assets/agent_init.png)
+
+2. **环境配置**
+
+```bash
+agentkit config
+
+# 配置时需要设置的环境变量
+LARK_EMAIL=XXX          # 飞书告警消息接收人邮箱地址
+LARK_APP_ID=XXX         # 飞书告警机器人应用ID
+VOLCENGINE_ACCESS_KEY=XXX   # 火山引擎控制台访问密钥
+VOLCENGINE_SECRET_KEY=XXX   # 火山引擎控制台秘密密钥
+```
+
+![配置界面](assets/agent_config.jpeg)
+
+3. **创建出站凭据**
+
+   在AgentKit平台创建两个出站凭据：
+
+   - `LARK_APP_ID`：飞书应用身份凭据
+   - 告警系统访问鉴权API密钥
+
+   ![创建身份凭据](assets/create_identity.jpeg)
+
+修改 `mcp_tools/warn.py` 文件，将 `auth_config` 和 `auth_config_lark` 的凭据名称分别修改为对应创建的凭据名称
+![身份凭据配置](assets/identity.png)
+
+4. **部署Agent**
+
+```bash
+export VOLCENGINE_ACCESS_KEY=xxxxx
+export VOLCENGINE_SECRET_KEY=xxxxx
+agentkit launch
+```
+
+5. **功能验证**
+
+部署完成后，可以通过以下命令测试Agent的招牌质检功能：
+
+```bash
+agentkit invoke '{"prompt": "招牌质检，图片url: https://agentkit-demo.tos-cn-beijing.volces.com/volc_coffe.jpeg"}'
+```
+
+## 最佳实践
+
+- **图像质量要求**：确保上传的门店图像清晰、光线充足，以获得最佳的检测效果
+- **监控与维护**：建立完善的监控机制，确保系统稳定运行
+
+## 技术支持
+
+如需技术支持或有任何疑问，请参考AgentKit官方文档或联系火山引擎技术支持团队。

02-use-cases/inspection_assistant/README.md

@@ -0,0 +1,56 @@
+# Copyright (c) 2025 Beijing Volcano Engine Technology Co., Ltd. and/or its affiliates.
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
+
+import logging
+import os
+import sys
+from pathlib import Path
+
+from agentkit.apps import AgentkitAgentServerApp
+from veadk import Runner
+from veadk.agent_builder import AgentBuilder
+from veadk.memory.short_term_memory import ShortTermMemory
+
+# 建议通过logging.basicConfig设置全局logger，默认Log级别为INFO
+logging.basicConfig(level=logging.INFO)
+logger = logging.getLogger(__name__)
+
+# current path
+sys.path.append(str(Path(__file__).resolve().parent))
+# parent path
+sys.path.append(str(Path(__file__).resolve().parent.parent))
+
+# 1. Define root_agent with veadk.AgentBuilder (support veadk web)
+yaml_path = "agent.yaml"
+if not os.path.isfile(yaml_path):
+    yaml_path = "inspection-assistant/agent.yaml"
+app_name="inspection_assistant"
+agent_builder = AgentBuilder()
+agent = agent_builder.build(path=yaml_path)
+runner = Runner(
+    agent=agent,
+    app_name=app_name
+)
+# support veadk web
+root_agent = agent
+
+# 2. Build Agent as Server App (support agentkit)
+short_term_memory = ShortTermMemory(backend="local")
+agent_server_app = AgentkitAgentServerApp(
+    agent=root_agent,
+    short_term_memory=short_term_memory
+)
+
+if __name__ == "__main__":
+    agent_server_app.run(host="0.0.0.0", port=8000)