BYO-Agent

CTICloud 支持接入企业自有智能体能力。通过开放的三方智能体接口,您可以将现有的 Agent 框架、大模型能力或业务编排逻辑接入 CTICloud,用于外呼机器人、智能客服等语音交互场景。

1. 概览

在三方智能体接入场景中,CTICloud 负责语音交互底座能力,包括通话控制、语音输入输出、ASR 识别、TTS 播报、打断处理等;客户侧智能体负责对话理解、上下文管理、回复生成和工具调用。

通过这种“CTICloud 语音底座 + 企业自有智能体大脑”的解耦方式,企业可以在保留既有 AI 能力与业务逻辑的基础上,快速获得稳定的语音交互能力。

本文档作为总览导读页,主要说明以下问题:

  • 三方智能体接入 CTICloud 的整体方式是什么
  • 接入流程分为哪些阶段
  • 不同角色应阅读哪一篇文档
  • 完成接口开发后,下一步应如何进行平台侧对接

如需查看具体开发协议、请求参数、SSE 事件格式、平台配置步骤等详细内容,请前往后续子文档。

2. 文档阅读指引

三方智能体接入主要分为两个阶段,分别对应两篇文档:

阶段适用角色说明对应文档
接口开发阶段开发人员 / 智能体服务提供方按 CTICloud 协议实现接口鉴权、请求处理、流式响应、上下文管理等能力三方智能体接口开发说明文档
平台接入阶段实施人员 / 配置人员 / 项目对接人员在 CTICloud 平台完成三方智能体接入配置,并在语音导航中使用该智能体三方智能体对接配置说明文档

建议按以下顺序阅读:

  1. 先阅读本文,了解整体接入方式与文档分工。
  2. 再阅读 1.1,完成智能体接口开发。
  3. 接口开发完成后,阅读 1.2,完成平台侧配置与业务调用。

3. 三方智能体接入方式

在接入自有 AI 能力时,CTICloud 与三方智能体的职责分工如下:

  • CTICloud 平台能力
    • 通话控制
    • AudioSocket 语音交互状态机
    • ASR 语音识别与断句
    • TTS 语音合成与播报
    • 打断、挂机、转人工、按键采集等通话控制能力
  • 三方智能体能力
    • 对话逻辑编排
    • 上下文管理与记忆
    • Prompt 构造
    • 大模型推理与生成
    • 工具调用与业务决策

整体交互方式为:CTICloud 将用户语音转为文本后,通过标准接口将内容发送给三方智能体;三方智能体生成回复后,再由 CTICloud 进行播报与通话控制。

sequenceDiagram
    autonumber

    participant User as 用户

    box CTICloud 平台
        participant AS as AudioSocket
        participant VA as 语音AI模型服务<br/>(ASR / TTS)
    end

    box 三方智能体
        participant Agent as 智能体逻辑
        participant LLM as 大模型
    end

    User ->> AS: 用户说话(语音)
    AS ->> VA: 语音流 → ASR 识别与断句
    VA ->> AS: 识别文本
    AS ->> Agent: 文本输入 / 上下文 / userField 等交互信息
    Agent ->> LLM: Prompt
    LLM ->> Agent: 生成文本
    Agent ->> AS: 文本回复
    AS ->> VA: 文本 → TTS
    VA ->> AS: 语音流
    AS ->> User: 播报回复

在外呼机器人场景中,推荐三方智能体采用 SSE 流式响应 模式,以保障语音交互的实时性与自然度。相关接口规范和示例请参考 1.1 文档。

4. 接入流程概述

4.1 三方智能体接入完整流程

┌───────────────────────────────────────────────┐
│            三方智能体接入全流程                 │
└───────────────────────────────────────────────┘

🚀 步骤 1:完成智能体接口开发
└── 按 CTICloud 协议实现鉴权、请求处理、SSE 流式响应等能力

⚙️ 步骤 2:提供智能体接入信息
├── 智能体调用地址(URL)
├── appKey
└── secretKey

🔧 步骤 3:完成平台侧接入配置
└── 在 CTICloud 平台中新增三方智能体配置

🔀 步骤 4:在业务流程中调用智能体
├── 在语音导航中配置变量或路由信息
└── 在智能体节点中使用该三方智能体

📞 步骤 5:发起任务并验证通话效果
└── 通过实际通话、交互日志与通话记录进行联调验证

4.2 接入前需准备的信息

在开始平台侧接入前,通常需要先准备以下信息:

  • 智能体调用地址(URL)
  • appKey
  • secretKey

若接入方需要在不同业务场景下调用不同智能体,建议在接口开发阶段预留 userField 中的路由变量,例如 arg。后续 CTICloud 可根据语音导航中配置的变量值,向同一接口 URL 传递不同参数,从而实现多业务场景下的智能体路由。

5. 下一步

根据当前所处阶段,进入对应文档: