基于 A2A 协议的 LlamaIndex 文件聊天工作流

于 2025-07-18 17:52:38 发布
阅读量8 收藏
点赞数
合集 - A2A(13)
1.A2A + CrewAI + OpenRouter 图表生成 Agent 教程 2.A2A Java 示例 3.A2A MCP 集成
4. 基于 A2A 协议的 LlamaIndex 文件聊天工作流
5.A2A Samples: Hello World Agent 6.使用 A2A Python SDK 实现 CurrencyAgent 7.A2A MCP AG2 智能代理示例 8.A2A .NET SDK 详细介绍文档 9.A2A vs ACP 协议对比分析报告 10.A2A Protocol: 最佳的 Agent 协作协议 11.A2A ADK 费用报销代理 (Expense Reimbursement Agent) 12.使用 ADK 实现 A2A Agent：完整开发指南 13.A2A协议规范（Python）
收起

本示例展示了一个使用 LlamaIndex Workflows 构建并通过 A2A 协议公开的对话代理。它展示了文件上传和解析、支持多轮对话的对话交互、流式响应/更新以及内联引用。

源代码

a2a llama index file chat with openrouter

工作原理

该代理使用 LlamaIndex Workflows 与 OpenRouter 提供一个对话代理，可以上传文件、解析文件并回答有关内容的问题。A2A 协议实现了与代理的标准化交互，允许客户端发送请求并接收实时更新。

外部 API ParseAndChat 工作流 A2A 服务器 A2A 客户端 外部 API ParseAndChat 工作流 A2A 服务器 A2A 客户端 alt [有附件] 为后续问题维护上下文 发送消息（带或不带附件） 转发为 InputEvent 流式传输 LogEvent "正在解析文档..." 流式状态更新 解析文档 流式传输 LogEvent "文档解析成功" 流式状态更新 流式传输关于聊天处理的 LogEvent 流式状态更新 LLM 聊天（如果可用，包含文档上下文） 结构化 LLM 响应 流式传输关于响应处理的 LogEvent 流式状态更新 返回最终 ChatResponseEvent 返回带引用的响应（如果可用）

主要功能

  • 文件上传：客户端可以上传文件并解析它们以为聊天提供上下文
  • 多轮对话：代理可以在需要时请求额外信息
  • 实时流式传输：在处理过程中提供状态更新
  • 推送通知：支持基于 webhook 的通知
  • 对话记忆：在同一会话中跨交互维护上下文
  • LlamaParse 集成：使用 LlamaParse 准确解析文件

注意： 此示例代理接受多模态输入，但在撰写本文时，示例 UI 仅支持文本输入。UI 将来会变为多模态以处理此用例和其他用例。

先决条件

  • Python 3.12 或更高版本
  • UV
  • 访问 LLM 和 API 密钥（当前代码假设使用 OpenRouter API）
  • LlamaParse API 密钥（免费获取）

设置和运行

  1. 克隆并导航到项目目录：

    git clone https://github.com/sing1ee/a2a_llama_index_file_chat
cd a2a_llama_index_file_chat

  2. 创建虚拟环境并安装依赖项：

    uv venv
uv sync

  3. 使用您的 API 密钥创建环境文件：

    echo "OPENROUTER_API_KEY=your_api_key_here" >> .env
echo "LLAMA_CLOUD_API_KEY=your_api_key_here" >> .env

    获取 API 密钥：

  4. 运行代理：

    # 使用 uv
uv run a2a-file-chat

# 或激活虚拟环境并直接运行
source .venv/bin/activate  # Windows 上：.venv\Scripts\activate
python -m a2a_file_chat

# 使用自定义主机/端口
uv run a2a-file-chat --host 0.0.0.0 --port 8080

  5. 在单独的终端中，运行 A2A 客户端 CLI：

下载要解析的文件，或链接到您自己的文件。例如：

curl -L https://arxiv.org/pdf/1706.03762 -o attention.pdf

git clone https://github.com/google-a2a/a2a-samples.git
cd a2a-samples/samples/python/hosts/cli
uv run . --agent http://localhost:10010

然后输入类似以下内容：

======= Agent Card ========
{"name":"Parse and Chat","description":"Parses a file and then chats with a user using the parsed content as context.","url":"http://localhost:10010/","version":"1.0.0","capabilities":{"streaming":true,"pushNotifications":true,"stateTransitionHistory":false},"defaultInputModes":["text","text/plain"],"defaultOutputModes":["text","text/plain"],"skills":[{"id":"parse_and_chat","name":"Parse and Chat","description":"Parses a file and then chats with a user using the parsed content as context.","tags":["parse","chat","file","llama_parse"],"examples":["What does this file talk about?"]}]}
=========  starting a new task ======== 

What do you want to send to the agent? (:q or quit to exit): 这个文件讲的是什么？
Select a file path to attach? (press enter to skip): ./attention.pdf

技术实现

  • LlamaIndex Workflows：使用自定义工作流来解析文件然后与用户聊天
  • 流式支持：在处理过程中提供增量更新
  • 可序列化上下文：在轮次之间维护对话状态，可选择性地持久化到 redis、mongodb、磁盘等
  • 推送通知系统：基于 webhook 的更新，带有 JWK 身份验证
  • A2A 协议集成：完全符合 A2A 规范

限制

  • 仅支持基于文本的输出
  • LlamaParse 前 10K 积分免费（基本设置约 3333 页）
  • 内存基于会话且在内存中，因此不会在服务器重启之间持久化
  • 将整个文档插入上下文窗口对于较大文件不可扩展。您可能希望部署向量数据库或使用云数据库对一个或多个文件运行检索以实现有效的 RAG。LlamaIndex 与大量向量数据库和云数据库集成。

示例

同步请求

请求：

POST http://localhost:10010
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "id": 11,
  "method": "tasks/send",
  "params": {
    "id": "129",
    "sessionId": "8f01f3d172cd4396a0e535ae8aec6687",
    "acceptedOutputModes": [
      "text"
    ],
    "message": {
      "role": "user",
      "parts": [
        {
          "type": "text",
          "text": "这个文件讲的是什么？"
        },
        {
            "type": "file",
            "file": {
                "bytes": "...",
                "name": "attention.pdf"
            }
        }
      ]
    }
  }
}

响应：

{
  "jsonrpc": "2.0",
  "id": 11,
  "result": {
    "id": "129",
    "status": {
      "state": "completed",
      "timestamp": "2025-04-02T16:53:29.301828"
    },
    "artifacts": [
      {
        "parts": [
          {
            "type": "text",
            "text": "这个文件讲的是 XYZ... [1]"
          }
        ],
        "metadata": {
            "1": ["引用 1 的文本"]
        }
        "index": 0,
      }
    ],
  }
}

多轮示例

请求 - 序列 1：

POST http://localhost:10010
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "id": 11,
  "method": "tasks/send",
  "params": {
    "id": "129",
    "sessionId": "8f01f3d172cd4396a0e535ae8aec6687",
    "acceptedOutputModes": [
      "text"
    ],
    "message": {
      "role": "user",
      "parts": [
        {
          "type": "text",
          "text": "这个文件讲的是什么？"
        },
        {
            "type": "file",
            "file": {
                "bytes": "...",
                "name": "attention.pdf"
            }
        }
      ]
    }
  }
}

响应 - 序列 2：

{
  "jsonrpc": "2.0",
  "id": 11,
  "result": {
    "id": "129",
    "status": {
      "state": "completed",
      "timestamp": "2025-04-02T16:53:29.301828"
    },
    "artifacts": [
      {
        "parts": [
          {
            "type": "text",
            "text": "这个文件讲的是 XYZ... [1]"
          }
        ],
        "metadata": {
            "1": ["引用 1 的文本"]
        }
        "index": 0,
      }
    ],
  }
}

请求 - 序列 3：

POST http://localhost:10010
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "id": 11,
  "method": "tasks/send",
  "params": {
    "id": "130",
    "sessionId": "8f01f3d172cd4396a0e535ae8aec6687",
    "acceptedOutputModes": [
      "text"
    ],
    "message": {
      "role": "user",
      "parts": [
        {
          "type": "text",
          "text": "那 X 事物呢？"
        }
      ]
    }
  }
}

响应 - 序列 4：

{
  "jsonrpc": "2.0",
  "id": 11,
  "result": {
    "id": "130",
    "status": {
      "state": "completed",
      "timestamp": "2025-04-02T16:53:29.301828"
    },
    "artifacts": [
      {
        "parts": [
          {
            "type": "text",
            "text": "X 事物是... [1]"
          }
        ],
        "metadata": {
            "1": ["引用 1 的文本"]
        }
        "index": 0,
      }
    ],
  }
}

流式示例

请求：

{
  "jsonrpc": "2.0",
  "id": 11,
  "method": "tasks/send",
  "params": {
    "id": "129",
    "sessionId": "8f01f3d172cd4396a0e535ae8aec6687",
    "acceptedOutputModes": [
      "text"
    ],
    "message": {
      "role": "user",
      "parts": [
        {
          "type": "text",
          "text": "这个文件讲的是什么？"
        },
        {
            "type": "file",
            "file": {
                "bytes": "...",
                "name": "attention.pdf"
            }
        }
      ]
    }
  }
}

响应：

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"working","message":{"role":"agent","parts":[{"type":"text","text":"正在解析文档..."}]},"timestamp":"2025-04-15T16:05:18.283682"},"final":false}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"working","message":{"role":"agent","parts":[{"type":"text","text":"文档解析成功。"}]},"timestamp":"2025-04-15T16:05:24.200133"},"final":false}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"working","message":{"role":"agent","parts":[{"type":"text","text":"正在与 1 条初始消息聊天。"}]},"timestamp":"2025-04-15T16:05:24.204757"},"final":false}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"working","message":{"role":"agent","parts":[{"type":"text","text":"正在插入系统提示..."}]},"timestamp":"2025-04-15T16:05:24.204810"},"final":false}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"working","message":{"role":"agent","parts":[{"type":"text","text":"已收到 LLM 响应，正在解析引用..."}]},"timestamp":"2025-04-15T16:05:26.084829"},"final":false}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","artifact":{"parts":[{"type":"text","text":"这个文件讨论了 Transformer，一种完全基于注意力机制的新型神经网络架构，完全摒弃了循环和卷积 [1]。该文档将 Transformer 与循环和卷积层进行了比较 [2]，详细介绍了模型架构 [3]，并展示了机器翻译和英语成分解析任务的结果 [4]。"}],"metadata":{"1":["主流的序列转换模型基于复杂的循环或卷积神经网络，包括编码器和解码器。性能最佳的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构 Transformer，完全基于注意力机制，完全摒弃了循环和卷积。在两个机器翻译任务上的实验表明，这些模型在质量上更优越，同时更易于并行化，训练时间显著减少。我们的模型在 WMT 2014 英德翻译任务上达到了 28.4 BLEU，比现有最佳结果（包括集成）提高了 2 BLEU 以上。在 WMT 2014 英法翻译任务上，我们的模型在 8 个 GPU 上训练 3.5 天后建立了新的单模型最先进 BLEU 分数 41.8，这只是文献中最佳模型训练成本的一小部分。我们通过将其成功应用于大型和有限训练数据的英语成分解析，表明 Transformer 能够很好地泛化到其他任务。"],"2":["在本节中，我们比较了自注意力层与通常用于将一个可变长度符号表示序列 (x1, ..., xn) 映射到另一个等长序列 (z1, ..., zn) 的循环和卷积层的各个方面，其中 xi, zi ∈ Rd，例如典型序列转换编码器或解码器中的隐藏层。为了激发我们对自注意力的使用，我们考虑三个要求。",""],"3":["# 3 模型架构"],"4":["# 6   结果"]},"index":0,"append":false}}}

stream event => {"jsonrpc":"2.0","id":"367d0ba9af97457890261ac29a0f6f5b","result":{"id":"373b26d64c5a4f0099fa906c6b7342d9","status":{"state":"completed","timestamp":"2025-04-15T16:05:26.111314"},"final":true}}

您可以看到工作流产生了一个带有内联引用的工件，这些引用的源文本包含在工件的元数据中。如果我们在同一会话中发送更多响应，代理将记住之前的消息并继续对话。

了解更多

原创作者: sing1ee 转载于: https://www.cnblogs.com/sing1ee/p/18907929/a2a-samples-llama-index-file-chat-openrouter
CHAO JIANG
关注
【大模型应用开发 动手做AI Agent】LlamaIndex和基于RAG的AI开发
AI天才研究院
05-27 1341
随着人工智能技术的飞速发展,大语言模型(Large Language Models, LLMs)在各个领域得到了广泛应用。LLMs通过从大规模文本语料中学习,可以生成连贯、自然的文本,完成复杂的自然语言处理任务。然而,LLMs仍然存在知识储备有限、推理能力不足等问题。为了进一步增强LLMs的能力,学术界和工业界开始探索LLMs与其他技术的结合,比如知识图谱、检索增强生成(Retrieval-Augmented Generation, RAG)等。
汽车标定技术(五)--基于模型开发如何生成完整的A2L文件(1)
认真搞搞汽车MCU
11-07 3265
A2L文件的生成分为两章讲解：本文主要是讲模型开发，讲解如何把标定量、观测量放到链接文件中的指定位置。下一篇讲解如何使用matlab生成完整的A2L文件
A2A 和 MCP 服务器的 Agentic 工作流
iCloudEnd的博客
06-24 1004
A2A和MCP协议是构建智能代理系统的两种不同方法。
一文让你彻底搞懂谷歌的新玩意Agent2Agent（A2A）
EnjoyEDU的博客
04-15 1675
如果扩展到多个Agent，这些Agent有不同的供应商、不同的平台、不同的开发框架，它们之间有协作的需求。该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。让我们假想一个简单的场景：你开发了某个Agent（比如Web自动化机器人或AI研究员），现在我在开发一个新的Agent系统，希望可以把部分任务交给你的Agent来完成，我们会怎么做呢？
下一代 Agent 架构基础：MCP、A2A 与 AG-UI 协议详解
Android_XG的博客
07-10 913
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。
汽车电子A2L文件协议详解
04-05
### 汽车电子A2L文件协议详解 #### 一、引言 A2L文件格式是由ASAM（Automotive Simulation and Measurement Systems Association）组织制定...希望本文能帮助读者更全面地了解A2L文件协议，并在实际工作中加以应用。
XCP协议系列介绍02-基于ASAP2 Tool-Set生成A2l介绍
initiallizer的博客
06-02 2732
基于vector公司的ASAP2 Tool-Set工具介绍A2l文件的生成及相关的工具进行功能性介绍
matlab 生成a2l文件,a2l文件生成过程.docx
weixin_29161719的博客
03-23 2467
基于ASAPZ标准的A2L文件生成与解析技术实现ASAP2标准规定了ECU内部数据单元的描述规范，即A2L数据库文件(简称为A2L文件)。标定系统在对ECU内部数据单元进行测量和标定时，所需的通信配置参数及变量基本信息等都要从A2L文件中获取。A2L文件是标定系统一切功能的基础。A2L文件记录了标定系统与ECU通信的配置参数和ECU内部数据单元的详细信息。目前，ECU内部控制参数的数量不断增加，部...
高大上信息化教学设计说课PPT课件模板.pptx
08-04
高大上信息化教学设计说课PPT课件模板.pptx
电子商务文案入门必读PPT学习课件.ppt
08-04
电子商务文案入门必读PPT学习课件.ppt
web压力测试实验报告.doc
08-04
web压力测试实验报告.doc
Linux-I2C总线分析(主要是probe的方式).doc
08-04
Linux-I2C总线分析(主要是probe的方式).doc
图片添加文字的两种常见方法
08-04
资源下载链接为： https://pan.quark.cn/s/9e7ef05254f8 在网页设计中，为图片添加文字是一种常见的需求，用于增强视觉效果或传达更多信息。本文将介绍两种常用的方法：一种是将图片设置为背景并添加文字；另一种是利用<span>标签结合CSS定位来实现。 这种方法通过CSS实现，将图片设置为一个容器（通常是<div>）的背景，然后在容器中添加文字。具体步骤如下： 创建一个包含文字的<div>元素： 使用CSS设置<div>的背景图片，并调整其尺寸以匹配图片大小： 如有需要，可使用background-position属性调整图片位置，确保文字显示在合适位置。这样，文字就会显示在图片之上。 另一种方法是将文字放在<span>标签内，并通过CSS绝对定位将其放置在图片上。步骤如下： 创建一个包含图片和<span>标签的<div>： 设置<div>为相对定位，以便内部元素可以相对于它进行绝对定位： 设置<span>为绝对定位，并通过调整top和left属性来确定文字在图片上的位置： 这种方法的优点是可以精确控制文字的位置，并且可以灵活调整文字的样式，如颜色和字体大小。 两种方法各有优势，可根据实际需求选择。在实际开发中，还可以结合JavaScript或jQuery动态添加文字，实现更复杂的交互效果。通过合理运用HTML和CSS，我们可以在图片上添加文字，创造出更具吸引力的视觉效果。
linux下搭建SVN服务器完全手册模板.doc
08-04
linux下搭建SVN服务器完全手册模板.doc
基于三维卷积神经网络的卒中患者疲劳检测源码部署教程文档全部数据训练好的模型高分项目
08-04
基于三维卷积神经网络的卒中患者疲劳检测项目源码+部署教程+数据+训练模型。该项目为个人高分毕业设计，经导师认可，答辩评分95分。代码已在mac/window10/11测试通过，功能正常。适用于计算机相关专业学生、教师及员工，可用于毕业设计、课程设计、作业及项目演示，也可作为学习进阶资源。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
计算机组装与维修试题.doc
08-04
计算机组装与维修试题.doc
计算机网络公选课—第4讲之网络与信息安全PPT.ppt
08-04
计算机网络公选课—第4讲之网络与信息安全PPT.ppt
计算机配许课上C语言数据类型和学习框架思维导图
最新发布
08-04
课上总结
A2A协议码流示例
07-18
以下是一个基于RESTful接口的A2A协议数据流示例，展示了如何通过JSON格式进行数据交换。 ### A2A协议数据流示例（JSON格式） #### 请求示例 ```json POST /model-inference HTTP/1.1 Content-Type: application/...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值