跳转至
编辑此页 查看本页的源代码

实验 9-2：使用 PineClaw Voice API 构建电话 Agent

配套《深入理解 AI Agent》第 9 章实验 9-2。

目的

真实世界里很多 Agent 任务离不开拨打真实电话——联系客服协商账单、预约餐厅、 确认订单。本实验演示语音 Agent 的一个重要应用方向：Agent 不仅能与用户语音对话， 还能代替用户与外部世界进行电话交互。

上层是一个标准的 ReAct Agent：接到一个自然语言任务（如"打电话给宽带客服， 查询本月账单为何多扣了 50 元并要求解释"），它自己想清楚要拨的号码、通话目标和 上下文，调用 make_phone_call 工具完成整段通话，读取返回的结构化通话记录， 必要时追问/再拨，最后向用户汇报结果。

电话语音 API 的抽象

生产级电话语音 API（如 PineClaw Voice API，作者团队开发） 把一整通电话封装成一次工具调用：

record = make_phone_call(phone_number, goal, context)

你只提供三样东西——号码、目标、上下文——它的语音 Agent 就会自动完成：

  • 拨号：接通被叫方；
  • IVR 导航：应对"查询请按 1，转人工请按 0"这类按键菜单；
  • 多轮对话：接通人工后围绕目标交涉、追问、确认关键信息；
  • 转录：把整段通话转成文字。

最后返回一份结构化通话记录，而不是一段裸录音。这正是它能塞进 ReAct 循环的原因： Agent 拿到的是结构化字段（是否达成目标、抽取的关键信息、逐轮 transcript），可以直接 据此决策与汇报。本实验返回体的形状（见 pine_voice.py 的 CallRecord）：

字段 含义
call_id 通话唯一 ID
phone_number / goal 本次通话的号码与目标
status / goal_achieved 通话状态 / 是否达成目标
duration_seconds 通话时长
summary 一句话通话摘要
key_fields 抽取的关键信息（扣费原因 / 金额 / 确认号 / 时间…）
transcript 逐轮对话 [{speaker, text}, ...]
follow_up_needed / follow_up_reason 是否仍需追问及原因

关于 mock（重要）

真实 PineClaw Voice API 需要 PINECLAW_API_KEY 并会拨打真实电话号码。为便于离线跑通， 本实验用一个本地模拟客户端替代真实 API（pine_voice.py）：

  • 它不接触真实电话网络，也不需要 PineClaw key；
  • make_phone_call 内部用 OpenAI 扮演被叫方——先当自动 IVR 语音菜单，被"转人工" 后再扮演人工客服——与去电的语音 Agent 进行一段多轮对话（模拟 IVR 导航 + 客服应答）， 然后把 transcript 归纳成上表的结构化记录；
  • 关键在于：模拟客户端与真实 API 的输入/输出契约完全一致，因此上层 ReAct Agent 的代码在切换到真实 PineClaw SDK 时几乎无需改动。

所以本实验里出现的"扣费原因""确认号"等都是模型即时编造的模拟情节，仅用于演示 数据流，不代表任何真实通话。

真实接入 PineClaw

把 agent.py 里对模拟 make_phone_call 的调用替换为真实 SDK 即可，其余逻辑不变：

# pip install pine-voice
from pine_voice import PineVoiceClient   # 真实 SDK（示意）

client = PineVoiceClient(api_key=os.environ["PINECLAW_API_KEY"])

def make_phone_call(phone_number, goal, context=""):
    call = client.calls.create(to=phone_number, goal=goal, context=context)
    result = call.wait()          # 阻塞直到通话结束（可能是分钟级到小时级）
    return result.to_dict()       # 返回同形状的结构化通话记录

真实使用请以 PineClaw 官方文档为准；建议先拨打自己的手机验证连通性。

运行

cd chapter9/phone-agent
pip install -r requirements.txt

cp env.example .env
# 编辑 .env，填入 OPENROUTER_API_KEY 或 OPENAI_API_KEY（至少其一）

python demo.py
python demo.py --task "帮我打电话给餐厅订今晚 7 点 4 人的位子"   # 自定义电话任务
python demo.py --dry-run                                       # 离线跑通，无需任何 API Key
python demo.py --help                                          # 查看全部参数

命令行参数（python demo.py --help 有中文说明）：

参数 作用
--task 自定义电话任务（自然语言）。默认用书中的宽带账单示例
--phone 可选：对方电话号码。作为已知信息交给 Agent（dry-run 下直接用作被叫号码）
--goal 可选：明确的通话目标。作为已知信息交给 Agent（dry-run 下直接用作通话目标）
--model 可选：覆盖模型（默认取 OPENAI_MODEL，即 gpt-5.6-luna）
--dry-run 离线脚本模式：不联网、不需要任何 API Key，仅演示 ReAct 循环与数据契约的形状

demo.py 会真实调用 OpenAI（除非加 --dry-run），打印三段内容： (a) ReAct Agent 的轨迹（思考 + 发起 make_phone_call）； (b) 返回的结构化通话记录（多轮 transcript + 是否达成目标 + 关键字段）； (c) Agent 基于通话结果向用户的最终汇报。

模型与回退：默认聊天模型 gpt-5.6-luna。解析优先级为 OPENAI_API_KEY（可选 OPENAI_BASE_URL 指向兼容网关，如 Moonshot kimi-k3 / 火山方舟） > OPENROUTER_API_KEY（自动把模型映射为 openai/gpt-5.6-luna 等 provider/model 形式）。 由于 gpt-5.6* 直连 OpenAI 需组织实名认证，推荐用 OpenRouter；只需在 .env 里填 OPENROUTER_API_KEY 即可（此时不要设 OPENAI_API_KEY，否则会优先直连）。

两级「模拟」的区别

本实验里有两层各自独立的模拟，别混淆：

  • 默认（mock）：pine_voice.py 替换掉真实电话网络，但 ReAct Agent 与被叫方对话 仍由 OpenAI 实时生成——所以需要 OPENAI_API_KEY，每次对话/字段都不同。
  • --dry-run（离线脚本）：连 LLM 也不调用，make_phone_call 直接返回一份固定脚本的 结构化通话记录。用于在没有任何 API Key、完全离线时也能把整条 ReAct 循环 （思考 → 调用工具 → 读结构化记录 → 汇报）跑通、看清其形状。脚本里的确认号由目标哈希派生， 可复现，不代表任何真实通话。

预期输出示例（真实节选）

[Agent 调用工具 make_phone_call] 入参:
    phone_number = 10010
    goal         = 查询本月宽带账单多扣的50元原因，并要求处理误扣。
    context      = 宽带账号 hz-88231

[PineClaw 返回结构化通话记录]
  状态           : completed  |  是否达成目标: True
  摘要           : 用户成功查询到宽带账单多扣50元的原因并申请了退款。
  关键字段(key_fields):
      - 扣费原因: 系统自动调整套餐费用
      - 涉及金额: 50元
      - 确认号: RW20231015
      - 处理结果: 退款申请已成功提交
  通话转录(transcript):
      << [被叫方] 欢迎致电客服热线！账单查询请按 1，业务办理请按 2，人工服务请按 0。
      >> [语音Agent] 我按 0 转人工。
      << [被叫方] 您好，我是客服代表，工号12345，请问有什么可以帮助您的？
      >> [语音Agent] 你好，我发现宽带账单多扣了50元，能帮我查一下原因吗？账号是 hz-88231。
      ...（多轮交涉、核对、给出确认号）...

Agent 向用户的最终汇报：
  已成功拨打客服热线并查询原因：扣费原因=系统自动调整套餐费用；已提交退款，确认号 RW20231015。

注意：IVR 菜单、工号、确认号等都是模型即时编造的模拟情节（见「关于 mock」）， 仅演示数据流；每次运行的对话与字段会不同，但「IVR 导航 → 转人工多轮交涉 → 结构化 记录 → Agent 汇报」的形状稳定复现。

文件说明

文件 作用
pine_voice.py PineClaw Voice API 的本地模拟客户端，提供 make_phone_call 工具
agent.py 把 make_phone_call 当工具的 ReAct Agent（OpenAI function calling）
demo.py 端到端演示：一个电话任务从下达到汇报
requirements.txt / env.example 依赖与环境变量模板