必须通过veadk定义工具契约并用agentkit.yaml统一编排，否则工具间会因上下文隔离导致决策断裂；需在tools/下为四类工具创建独立python模块并实现async invoke方法，返回含"result"字段的字典；在agentkit.yaml中精确声明module路径；app.py中按memory→gaode_mcp→web_search→viking_kg顺序串行调用；最后通过agentkit launch验证、deploy发布。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在火山引擎AgentKit中让一个智能体同时调用高德地图MCP服务、Web Search联网搜索、VikingDB知识库和记忆库这四类工具，必须通过VeADK定义工具契约并用agentkit.yaml统一编排，否则工具间会因上下文隔离导致决策断裂。
定义多工具能力契约
在项目根目录新建 tools/ 文件夹，为每个外部能力创建独立的Python模块：高德MCP对应 gaode_mcp.py，Web Search对应 web_search.py，VikingDB知识库对应 viking_kg.py，记忆库操作对应 memory_tool.py。
每个模块需严格实现 async def invoke(self, payload: dict) -> dict: 方法，且返回结构必须含 "result" 字段——这是AgentKit运行时解析工具响应的硬性要求，缺失会导致后续步骤直接中断。
这一步不能跳过或合并，VeADK要求工具能力必须原子化声明，否则agentkit build阶段会报错“tool contract validation failed”。
配置agentkit.yaml启用全部工具
打开项目中的 agentkit.yaml，在 tools: 节点下逐条声明：
- name: gaode_mcp module: tools.gaode_mcp.GaodeMCPTool- name: web_search module: tools.web_search.WebSearchTool- name: viking_kg module: tools.viking_kg.VikingKGTool- name: memory module: tools.memory_tool.MemoryTool
注意：module路径必须精确到类名，大小写敏感；若某工具未在此处注册，即使代码存在也无法被agent加载。
在入口函数中协调工具调用顺序
编辑 app.py 中的 @app.entrypoint 函数，在主逻辑里按需组合调用：
第一步：先调用 memory.invoke({"action": "get", "key": "user_preference"}) 获取用户历史偏好，避免重复提问。
第二步：用 gaode_mcp.invoke({"query": "北京三里屯附近咖啡馆"}) 获取LBS结果，此步必须在Web Search之前执行——因为地理位置信息是后续搜索关键词的强约束条件。
第三步：将高德返回的坐标点拼入搜索query，调用 web_search.invoke({"query": "三里屯咖啡馆营业时间 2026年8月19日实时"}) 补充动态信息。
第四步：最后用 viking_kg.invoke({"topic": "精品咖啡文化"}) 注入领域知识，增强回答专业性。这四步必须串行，不可并发——AgentKit当前不支持跨工具的并行上下文同步，强行并发会导致memory写入混乱。
这一步的顺序不可颠倒，否则工具链会因输入缺失而抛出 【KeyError: 'location'】 异常。
本地验证与云端部署
执行 agentkit launch --sandbox 启动沙箱环境，用curl向 http://localhost:8080/invoke 发送含完整payload的POST请求，观察日志中各tool.invoke的调用时序和返回值。
确认无误后，运行 agentkit deploy --env prod 将打包后的智能体发布至AgentKit云端运行时。
