# Geo Agent 设计文档

## 1. 项目目标

本项目用于实现一个“多目标地点最优路线规划 + 货物装载规划”服务。

核心能力如下：

- 接收一个固定起点或当前位置语义的路线规划请求
- 解析终点和多个途经点
- 对候选送货顺序进行比较
- 逐段调用高德地图 MCP 工具计算距离和时长
- 根据策略选出最佳路线
- 返回结构化 JSON，供前端直接消费
- 在需要时生成高德 deep link
- 接收区域和车牌号，获取待出货出货单与车辆容量
- 根据针织/梭织规则选择可装载的出货单

当前阶段的目标不是构建一个复杂的调度系统，而是先交付一个可工作的第一版 Agent API。

## 2. 设计原则

- Prompt-first：第一版以 `system_prompt` 驱动整体执行流程，优先保留灵活性
- Strong output contract：最终输出必须符合固定的 Pydantic 结构
- Guardrail-driven：对输入、执行规模和输出一致性增加代码护栏
- Stateless：每次请求独立完成，不依赖长期记忆
- Tool-grounded：坐标、POI、距离、时长、deep link 必须来自地图工具，而不是模型臆造

## 3. 架构概览

当前工程结构：

- `main.py`
  - FastAPI 入口
  - 暴露 `/healthz`、`/route/plan` 和 `/load/plan`
  - 负责 Authorization 鉴权与 HTTP 错误映射
- `schemas.py`
  - 定义请求和响应模型
  - 实现输入校验
- `agent/route_plan.py`
  - 路线规划 Agent
  - 负责 LLM、MCP、prompt、运行护栏、结果护栏
- `agent/load_plan.py`
  - 装载规划 Agent
  - 负责装载模型、skills、工具接入与结构化输出
- `agent/load_plan_tools.py`
  - 装载规划业务 API 工具
  - 当前提供车辆详情和未出货出货单查询
- `skills/fabric-load-planning/SKILL.md`
  - 装载规划 skill
  - 定义面料判断、欠载与不混装规则
- `.env`
  - 管理模型配置、MCP 配置和运行护栏配置

运行链路：

1. 前端请求进入 FastAPI
2. `/route/plan` 和 `/load/plan` 先通过 Authorization 鉴权
3. Pydantic 校验请求结构
4. 根据不同入口进入对应 Agent
5. Agent 调用地图 MCP 或装载业务 API 工具
6. Agent 返回结构化结果
7. 服务侧执行错误映射
8. 返回 JSON 给前端

## 4. 关键技术选型与决策依据

### 4.1 为什么使用 pydantic_ai

- 原生支持结构化输出
- 可以直接挂接 MCP toolset
- 非常适合“模型编排 + 强类型结果”场景
- 与当前项目希望保留 prompt 灵活性的目标一致

### 4.2 为什么第一版采用 prompt-first

这次的核心业务不是纯算法问题，而是“模型理解任务 + 使用地图工具求事实 + 按规则组织返回”。

第一版采用 prompt-first 的原因：

- 业务规则还在收敛阶段，prompt 更容易快速调整
- 高德 MCP 工具已经能直接提供底层能力，没有必要在第一版就再包一层 Python tool abstraction
- 当前最重要的是先建立“可靠结果 + 清晰约束 + 可持续迭代”的骨架

### 4.3 为什么不是纯 prompt-only

虽然第一版以 `system_prompt` 为核心，但没有把全部控制权放给模型。原因是以下几类问题更适合代码层兜底：

- 输入明显非法
- 候选排列爆炸
- 输出结构不一致
- 运行配置错误

因此最终方案是：

- Prompt 负责业务编排
- Pydantic 负责结构约束
- Python 代码负责运行护栏

## 5. 当前实现策略

### 5.1 LLM 和 MCP 接入

- LLM：豆包 Ark OpenAI-compatible 接口
- MCP：高德远程 `streamable_http`
- MCP 已验证可连通，当前可用工具包括：
  - `maps_geo`
  - `maps_text_search`
  - `maps_search_detail`
  - `maps_direction_driving`
  - `maps_distance`
  - `maps_schema_personal_map`
  - `maps_schema_navi`
  - `maps_weather`

### 5.2 装载规划 Agent 接入

- 装载规划 Agent 使用独立模型配置：
  - `LOAD_PLAN_BASE_URL`
  - `LOAD_PLAN_API_KEY`
  - `LOAD_PLAN_MODEL`
  - `LOAD_PLAN_REQUEST_TIMEOUT_SECONDS`
- 装载规划业务 API 使用独立配置：
  - `LOAD_PLAN_API_HOST`
  - `LOAD_PLAN_AGENT_ACCESS_KEY`
  - `LOAD_PLAN_API_TIMEOUT_SECONDS`
- 当前装载规划已接入两个业务工具：
  - 按车牌查询车辆详情
  - 按区域查询未出货出货单
- 装载规则通过 `pydantic-ai-skills` 从本地 `skills/` 目录注入

### 5.2 Prompt 组织方式

`system_prompt` 中定义了以下行为约束：

- 必须显式调用地图工具
- 必须逐段计算驾车路线
- 必须区分 fixed origin 和 current location
- 必须按 `route_strategy` 做选择
- 不得伪造坐标、POI、距离、时长和 deep link
- 必须输出结构化结果

在实际运行时，还会再注入一次“用户级 prompt”，其中包含：

- 当前请求 JSON
- 本次候选顺序的硬上限
- 对起点模式的额外提醒

这样做的目的是把“长期规则”和“本次任务上下文”拆开，减少 prompt 污染。

### 5.3 当前严格执行流

当前版本已不再把“地址解析是否足够精确”和“deep link 是否能生成”完全交给模型决定。

当前执行流如下：

1. 服务端先对起点、终点、所有途经点做前置解析
2. 每个点都必须成功完成：
  - `maps_text_search` 命中精确 POI
  - `maps_search_detail` 返回稳定坐标
  - 取得 `poi_id`
3. 任意一个点解析模糊、缺少 `poi_id`、或地理结果交叉校验失败，直接返回错误
4. 只有在所有点都通过后，才把“预解析点位 JSON”交给 Agent
5. Agent 只负责候选顺序、逐段驾车计算、最佳路线选择、summary 和 warnings
6. 服务端最后再直接调用 `maps_schema_personal_map` 生成 deep link
7. 如果 deep link 生成失败，则整个请求失败

## 6. 已实现的代码护栏

### 6.1 输入护栏

在 `schemas.py` 中已经实现：

- 清理空白字符串
- `stop.address` 不能为空
- `stops` 列表不能为空
- `destination_address` 不能为空
- `origin_mode=fixed` 时必须提供 `origin_address`
- 终点地址不能同时出现在 `stops`
- `max_permutations` 如果传入，必须大于 0
- `need_deep_link` 必须为 `true`

### 6.2 执行规模护栏

在 `agent.py` 中已经实现：

- 从 `.env` 读取 `ROUTE_MAX_PERMUTATIONS`
- 当前默认值是 `20`
- 请求可以传更小值，但不能超过服务配置上限
- 在模型执行前，根据 `stops` 数量计算排列数 $n!$
- 如果排列数超过限制，直接报错并返回 422

当前策略是“超限直接拒绝”，暂不做启发式近似。

### 6.3 结果护栏

在 `agent.py` 中已经实现：

- 输出 `origin_mode` 必须和请求一致
- `resolved_destination.role` 必须是 `destination`
- `resolved_stops` 数量必须和输入一致
- 所有 `resolved_stops.role` 都必须是 `stop`
- `origin_mode=fixed` 时必须返回 `resolved_origin`
- `origin_mode=current_location` 时禁止返回固定 `resolved_origin`
- 成功结果必须至少有一个 candidate
- `best_route` 必须能在 `candidates` 中找到对应项
- `success` 必须为 `true`
- 成功结果必须包含至少一个 deep link
- 成功结果中的所有点必须带有 `poi_id`

### 6.4 配置护栏

已实现以下配置检查：

- 必须提供模型 URL、API key、模型名
- MCP URL 必须存在
- MCP transport 仅允许 `streamable_http`、`http`、`sse`
- 自定义 MCP 认证头必须成对提供
- `ROUTE_MAX_PERMUTATIONS` 必须是正整数
- 模型和 MCP 的 timeout 参数必须是正数

### 6.5 超时护栏

已实现以下超时相关策略：

- 模型请求超时通过 `ARK_REQUEST_TIMEOUT_SECONDS` 配置
- MCP 连接超时通过 `AMAP_MCP_TIMEOUT_SECONDS` 配置
- MCP 读取超时通过 `AMAP_MCP_READ_TIMEOUT_SECONDS` 配置
- 上游 timeout 会被映射为 HTTP 504，而不是泛化成 500

## 7. 当前已实施进展

当前已完成：

- FastAPI 服务可启动
- `/healthz` 正常返回 200
- `/route/plan` 已打通真实调用链
- 高德远程 MCP 连通性已验证
- 单个途经点请求可成功返回结构化结果
- 超限请求可返回 422，并中止模型执行
- 已改为严格 deep-link 模式：成功结果必须包含 deep link，否则直接失败
- 已增加前置点位解析与 POI 校验阶段，缺少 `poi_id` 或命中模糊时直接失败
- 已增加 `/load/plan` HTTP 入口
- 已接入装载规划 Agent、业务 API tools 与本地 skills
- 已验证 `merchant_id + area + license_plate` 可返回装载规划结果

当前尚未完成：

- 把文档中的每一步拆成显式 Python 服务函数
- `current_location` 场景的更细粒度行为控制
- 深链策略的更强一致性校验
- 自动化测试
- 前端展示层 HTML 输出
- 多出货单组合场景的稳定性增强

## 8. 关键取舍

### 8.1 已做取舍

- 选择 prompt-first，而不是一开始就把所有流程写死在 Python 中
- 选择保留高德 MCP 原生工具，而不是先做二次工具封装
- 选择超限直接报错，而不是第一版就引入启发式近似搜索
- 选择结构校验和运行护栏优先，而不是先追求功能面最大化

### 8.2 这套取舍的收益

- 业务规则可快速迭代
- 系统仍然保有基本可控性
- 接口结构对前端稳定
- 便于后续逐步从 prompt-first 演进到“prompt + service function”混合架构

### 8.3 当前代价

- 模型仍然承担了较多流程理解责任
- 某些复杂场景的结果稳定性暂时依赖 prompt 质量
- 当前没有启发式优化，超限就会拒绝
- 当前上游调用仍然依赖外部服务稳定性，但 timeout 已具备可调能力和明确错误语义

## 9. 已知限制

- 当前版本的最优路线能力仍然高度依赖 LLM 遵守 prompt
- 当前对 `best_route` 的一致性校验是结构级护栏，不是全量数学证明
- `current_location` 模式尚未做专门增强
- `need_html` 目前尚未实现独立展示层
- 没有缓存机制，请求成本与工具调用次数直接相关
- 当前严格策略可能会拒绝一部分“人看上去可接受、但程序判断为不够精确”的地址输入

## 10. 下一阶段 TODO

- 为 `current_location` 模式增加专门提示和更严格结果校验
- 对 `deep_link_mode` 增加更明确的输出校验规则
- 追加自动化测试，覆盖成功路径和失败路径
- 将部分高频子流程下沉为显式服务函数
- 评估是否引入启发式近邻策略处理超限请求
- 增加请求日志和运行观测能力
- 增加 README 中的启动与调试说明

## 11. 文档维护建议

后续如果发生以下变更，应同步更新本文档：

- Prompt 主策略变化
- 输出结构变化
- 错误语义变化
- 护栏策略变化
- MCP 服务配置方式变化