Day 7：FastAPI部署——Agent上线

昨天的问题

Agent已经完整了——但只能在你自己的终端里跑。别人用不了，前端接不上，没法演示给老板看。今天是让它对世界开放的日子。

前6天的回顾

你的Agent已经具备了完整的能力：

1. ✅ 骨架（Day 1）——能跑的最简程序
2. ✅ Prompt + MockLLM（Day 2）——有性格的客服
3. ✅ RAG知识库（Day 3）——能查公司政策
4. ✅ 三个工具（Day 4）——能查订单、算退款
5. ✅ 多轮对话记忆（Day 5）——LangGraph + 检查点
6. ✅ MCP标准化（Day 6）——工具变成标准服务

但这一切都只在你自己的终端里跑。今天，让它对世界开放。

今天做什么

用FastAPI把Day 5的LangGraph Agent包装成RESTful API。完成之后：

• 前端可以发HTTP请求调用Agent
• 每个用户有独立的 thread_id，互不干扰
• 自动生成API文档（Swagger UI）
• 一条命令启动/停止

你需要安装

pip install fastapi uvicorn

📁 今天的代码目录

customer_service_agent/
├── day1~6.py        (前6天代码不动)
├── tools.py
├── tools_server.py
├── main.py          ← 新增！FastAPI入口
└── test_client.py   ← 测试脚本

# main.py — FastAPI 包装 Day5 的 LangGraph Agent

import sys
sys.path.insert(0, '.')  # 确保能导入Day5的模块

from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel, Field
from langchain_core.messages import HumanMessage
import uuid

# ===== Day5的Agent（假设保存在 day5_agent.py 中）=====
# 实际使用时，把Day5的 graph 和 memory 导入
from day5 import app as agent  # Day5编译好的StateGraph

# ===== FastAPI 应用 =====
api = FastAPI(
    title="智能客服Agent API",
    description="7天从零搭建的智能客服系统。支持查订单、退货政策、多轮对话。",
    version="1.0.0"
)

# 允许跨域（前端调用需要）
api.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_methods=["*"],
    allow_headers=["*"],
)

# ===== 请求/响应模型 =====
class ChatRequest(BaseModel):
    """用户发来的消息"""
    message: str = Field(..., description="用户消息", example="ORD001")
    user_id: str = Field(default="guest", description="用户ID，用于区分会话", example="user-alice")

class ChatResponse(BaseModel):
    """Agent的回复"""
    answer: str = Field(..., description="Agent的回答")
    session_id: str = Field(..., description="会话ID")

# ===== API接口 =====
@api.post("/chat", response_model=ChatResponse)
async def chat(request: ChatRequest):
    """
    用户发送消息，Agent回复。
    
    同一个 user_id 的多次请求共享会话上下文（多轮对话记忆）。
    不同 user_id 完全隔离。
    """
    try:
        # thread_id 让不同用户的会话隔离
        config = {"configurable": {"thread_id": request.user_id}}
        
        # 调用Day5的LangGraph Agent
        result = agent.invoke(
            {"messages": [HumanMessage(content=request.message)]},
            config
        )
        
        # 提取最后一条AI消息
        last_message = result["messages"][-1]
        answer = last_message.content if hasattr(last_message, 'content') else str(last_message)
        
        return ChatResponse(
            answer=answer,
            session_id=request.user_id
        )
    
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"Agent处理出错: {str(e)}")

@api.get("/health")
async def health_check():
    """健康检查"""
    return {"status": "ok", "service": "智能客服Agent"}

@api.get("/")
async def root():
    """根路径"""
    return {
        "service": "智能客服Agent API",
        "version": "1.0.0",
        "docs": "/docs",
        "endpoints": {
            "chat": "POST /chat",
            "health": "GET /health"
        }
    }

# ===== 启动 =====
if __name__ == "__main__":
    import uvicorn
    print("🚀 智能客服 Agent 启动中...")
    print("📍 访问 http://localhost:8000 查看服务信息")
    print("📖 访问 http://localhost:8000/docs 查看API文档")
    uvicorn.run(api, host="0.0.0.0", port=8000)

运行和测试

# 启动服务
python main.py

# 输出：
# 🚀 智能客服 Agent 启动中...
# 📍 访问 http://localhost:8000 查看服务信息
# 📖 访问 http://localhost:8000/docs 查看API文档

打开浏览器，访问 http://localhost:8000/docs——你会看到自动生成的Swagger文档，可以直接在网页上测试API。

命令行测试及预期结果：

# 健康检查
curl http://localhost:8000/health
# → {"status":"ok","service":"智能客服Agent"}

# Alice的第一轮对话
curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"ORD001","user_id":"alice"}'
# → {"answer":"📦 订单ORD001 | 无线耳机 | ¥299 | 运输中","session_id":"alice"}

# Alice的第二轮——Agent记得上一轮！
curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"那这个能退货吗？","user_id":"alice"}'
# → {"answer":"订单ORD001：状态为'运输中'，请先确认收货。","session_id":"alice"}

# Bob完全独立的会话
curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"退货需要什么条件？","user_id":"bob"}'
# → {"answer":"根据公司政策：7天内可退货...","session_id":"bob"}

🎬 最终效果演示

启动服务后，模拟一段真实的多轮对话场景——Alice在查订单，Bob在问政策：

============================================================
🚀 智能客服Agent v1.0 已上线
📍 http://localhost:8000/docs
============================================================

——— Alice的会话（thread_id: alice）———

👤 Alice: 你好
🤖 小智: 您好！我是小智。可以帮您查订单、退货政策。有什么需要？

👤 Alice: ORD001
🤖 小智: 📦 订单ORD001 | 无线耳机 | ¥299 | 运输中

👤 Alice: 那这个能退货吗？
🤖 小智: ⏳ 订单当前状态为'运输中'。请先确认收货后再申请退货。

👤 Alice: 好的，那退款流程是什么？
🤖 小智: 在"我的订单"页面点击"申请退款"，客服24小时内审核。
         审核通过后3-5个工作日到账。

——— Bob的会话（thread_id: bob，完全独立）———

👤 Bob: 退货需要什么条件？
🤖 小智: 根据公司政策：顾客收到商品后7天内可申请退货。
         商品需保持原包装，邮费由公司承担。

👤 Bob: ORD002
🤖 小智: 📦 ORD002 | 手机壳 | ¥39 | 已签收

👤 Bob: 这个能退吗？
🤖 小智: ❌ 订单ORD002已签收15天，超过了7天退货期，无法退货。

关键证明：Alice和Bob的对话完全隔离。Alice问"这个"指向ORD001，Bob问"这个"指向ORD002——各记各的，互不干扰。多用户并发场景下，7天搭建的Agent系统运行稳定。

你学到了什么

FastAPI是最简单的Agent部署方案。 几行装饰器就把Agent变成了HTTP服务。而且自动生成API文档——你不需要额外写任何前端文档。

thread_id 是生产级的多用户隔离方案。 Alice和Bob的对话完全独立，互不干扰。同一个用户多次请求共享上下文——这就是真实客服系统的运行方式。

7天项目总结

天	文件	增量	核心概念
Day 1	day1.py	10行	Agent骨架，先跑通
Day 2	day2.py	+40行	Prompt模板，MockLLM
Day 3	day3.py	+50行	RAG，文档切分，向量检索
Day 4	day4.py	+50行	@tool装饰器，工具调用
Day 5	day5.py	+80行	StateGraph，MemorySaver，多轮对话
Day 6	tools_server.py	+60行	MCP Server，工具标准化
Day 7	main.py	+60行	FastAPI，/docs，多用户

总计约350行代码，7天渐进式搭建。 你从零开始，没有跳过任何一步。每天只加一点，但每一天的代码都是完整可运行的。

现在打开 http://localhost:8000/docs，你有一个真正上线的Agent系统了。

---

🎉 项目一完成。你的智能客服Agent已经上线运行。