实时语音交互
Realtime Voice Agent
支持实时语音输入输出的agent系统，集成WebSocket流式通信和TTS能力
子问题
1.WebSocket事件驱动架构
2.音频流处理与缓冲
3.多模态输入融合
4.实时中断与恢复
5.多提供商 API 统一抽象
6.工具参数流式累积与解析
各项目的解法1 solutions
Signals
横向对比
| 维度 | AgentScope |
|---|---|
| WebSocket 管理 | 基类封装连接生命周期，子类实现 parse_api_message |
| 事件驱动架构 | 三层事件协议（Model/Server/Client），双队列解耦 |
| 音频流处理 | 自动重采样 + delta 增量传输 |
| 多提供商支持 | 统一抽象接口，支持 OpenAI/Gemini/DashScope |
| 工具调用模式 | asyncio.create_task 异步执行，ToolResultBlock 回传 |
| 多 Agent 协作 | Agent 间通过 ServerEvents 传递语音消息 |
最佳实践
1.使用异步生成器处理音频流
2.实现事件驱动的状态机
3.支持多agent实时对话协调
4.使用双队列解耦输入输出事件流
5.基类封装 WebSocket 生命周期，子类实现协议适配
6.工具调用用 asyncio.create_task 异步执行，避免阻塞音频流