EdgeOneMakers+WorkBuddy零基础搭建可上线AI智能体图文教程

从“我想做个Agent”到“用户已经在用”，中间只隔着一个正确的工具链。

---

一、为什么你的AI Agent想法一直没能落地？

做一个AI Agent的念头，很多人都有过。

想象可以很丰满：做一个能回答客户问题的客服Agent，做一个能把摄影经验复用的顾问Agent，做一个能帮用户规划饮食的健康助手……但真到了动手这一步，门槛往往比预想的高出不少。

实际中碰到的难题，通常是这样的：

想让模型查天气、调接口、写代码？它一调用外部工具就报错，根本跑不起来。好不容易本地调通了，怎么上线？买服务器、配环境、搭CI/CD，全是实打实的工程活。应用要7×24小时跑，一台低配云服务器每个月几百块，做Demo阶段根本划不来。想接个国产大模型，结果每个厂商的API格式都不一样，换一家就得重写代码。用户反馈Agent答错了，可日志残缺不全，根本不知道是哪一步出了问题。

说白了，做Agent应用的核心难题，其实不是Prompt怎么写，而是“让Agent跑起来”和“稳定上线”这两件事。

这就是EdgeOne Makers出现的背景。

---

二、什么是EdgeOne Makers？

EdgeOne Makers（前身为EdgeOne Pages）是腾讯云基于Tencent EdgeOne基础设施打造的Web与AI Agent开发部署平台。

它的核心定位一句话就能说清楚：帮你把AI Agent从想法快速变成用户能访问的在线服务，不需要自己买服务器、搭环境、配DevOps。

2.1 产品架构图


2.2 平台核心能力

能力	说明
Agent运行时	内置Agent运行环境，支持Claude SDK、OpenAI Agents SDK等主流框架，直接写业务逻辑，不用从零搭基础设施
隔离沙箱	腾讯云隔离实例，按对话维度创建和复用，执行命令、读写文件、浏览器访问、临时代码运行等能力已封装好
会话记忆	平台内置持久化上下文，同一会话内Agent记得用户前文，无需手动配置存储
AI网关	模型调用与业务代码解耦，一套代码可切换不同模型厂商（DeepSeek、混元、第三方），改个环境变量即可
工具调用链路	支持自定义工具注册，流式事件让前端实时展示Agent状态（“正在查天气……”）
边缘网络加速	基于EdgeOne全球边缘节点，静态资源和动态内容全球加速
可观测性	提供完整日志和执行链路追踪，快速定位Agent答错的环节
一键部署	GitHub Actions触发自动构建部署，代码推送即上线

---

三、为什么选择EdgeOne Makers + WorkBuddy？

传统方式做一个Agent，流程是这样的：


每一步都是工程量，核心的“业务能力”反而淹没在基础设施里。

用EdgeOne Makers + WorkBuddy，流程是这样的：


核心差异很明显：

• 不需要买服务器：平台提供运行时和沙箱，零基础设施成本
• 不需要懂DevOps：GitHub Actions自动构建推送，无需手动部署
• 不需要写工程代码：流式响应、会话存储、工具调用链均由平台托底
• 不需要自己选模型调API：AI网关一键接入，切换模型只改环境变量
• WorkBuddy补全非技术环节：自然语言描述需求，AI帮你改代码、配环境、上线

---

四、实战教程：情侣出行决策Agent完整搭建流程

下面以一个情侣出行决策Agent为例，完整演示从需求提出到上线的每一步。

需求描述：用户输入所在位置，Agent自动检索附近商场，结合用户品牌偏好（如“既有倍轻松又有西厅村屋的商场”）推荐最优选择，并列出需用户手动操作的步骤。

4.1 第一步：授权Git平台，克隆代码

进入EdgeOne Makers控制台，在服务总览页面点击“授权Git平台”，选择GitHub并完成授权。


授权完成后，点击“立即创建”，等待Agent项目生成。


项目创建成功后会进入概览页，可以看到预览地址和部署状态。


4.2 第二步：用WorkBuddy拉取代码并接入高德地图

在绑定的仓库中找到代码


将仓库地址复制给WorkBuddy


在WorkBuddy中发送指令，将代码克隆到本地工作空间，并切换到项目目录：

将代码更新到本地并将环境切到该工作空间
https://github.com/xxxx/openai-agents-starter-python
然后告诉我如何连接EdgeOne Makers做自动化部署


这一步由WorkBuddy自动完成代码拉取和环境初始化。同时，需要去高德开放平台申请AMAP API Key（用于地图检索服务）。

4.3 第三步：配置环境变量

在项目根目录创建.env文件，进入EdgeOne Makers控制台的模型与密钥页面，获取以下配置：

变量	值	说明
AI_GATEWAY_API_KEY	sk-xxxxxxxxxx	AI网关鉴权Key（请替换为你自己的）
AI_GATEWAY_BASE_URL	https://ai-gateway.edgeone.link/v1	AI网关地址
AI_GATEWAY_MODEL	@makers/deepseek-v4-flash	使用的模型
AMAP_API_KEY	xxxxxxxxxx	高德地图Key（请替换为你自己的）


模型可以直接在如下界面找到，限时免费。通过专属邀请码链接进入活动页面，点击“点亮star&邀请码”活动后，填入邀请码：77336527，即可获得50万Token。


同时，需要将EdgeOne API Token配置到GitHub Secrets（用于GitHub Actions自动部署）：

1. 打开GitHub仓库 → Settings → Secrets and variables → Actions
2. 点击New repository secret
3. Name: EDGEONE_API_TOKEN，Secret: 粘贴控制台生成的Token


4.4 第四步：WorkBuddy自然语言驱动开发

回到EdgeOne Makers控制台，点击“自定义智能体”，用自然语言描述你的需求：

当前拉取到的项目是一个Demo，我希望做一个情侣出行的决策Agent，希望用户可以输入所处的位置，
然后你可以通过地图去检索附近的商场，能获取到距离、店铺等信息并推荐。
场景示例：我告诉你我在红莲南路地铁站附近，我想要去一个既有倍轻松
又有西厅村屋的离得近的商场，要求你帮我推荐，
有需要我手动做的给我列号步骤和教程！

WorkBuddy会自动分析需求，生成系统架构，并开始实施：


完成后，WorkBuddy会贴心地列出需要你手动操作的步骤（正是上面那几步，你已经配置完了）：


这个过程省去了大量查阅文档的时间，AI直接告诉你该做什么、怎么做。

4.5 第五步：本地体验

配置完成后，在WorkBuddy中发送：

我都配置完了，你帮我运行，我想本地体验一下！

Makers会自动安装依赖（耐心等待，让子弹飞一会儿），完成后进入调试界面：


在调试界面就能看到效果，支持完整功能，并且可以继续追问。

  

4.6 第六步：推送代码，触发GitHub Actions自动部署

将修改后的代码推送到GitHub：

git add .
git commit -m "feat: 情侣出行决策Agent - 接入高德地图"
git push

推送成功后，回到EdgeOne Makers控制台，就能看到自动更新部署后的状态：


4.7 第七步：新建部署，正式上线

如果有新的修改，比如修改了界面的环境变量等，需要在控制台进入部署管理页面，点击“新建部署”→“确认”，等待部署完成。


部署成功后，可以通过临时预览链接进行最终验证，也可以添加自定义域名，正式对外提供服务：


添加自定义域名：点击项目概览处的“自定义域名”或在控制台对应位置添加即可。

 ---

五、完整Agent调用链路图

以下是情侣出行决策Agent的内部执行流程：

 ---

六、三步接入第三方API的标准范式

EdgeOne Makers的一个核心设计理念是：不需要把业务改成专有框架，只要把已有HTTP API用Schema描述清楚，Agent就能按需调用。

以高德地图API为例，整个接入过程只需三步：

第一步：在.env中配置API Key

AMAP_API_KEY=你申请的高德地图Key

第二步：在api-schema.json中描述工具

[
  {
    "name": "search_malls_by_keyword",
    "description": "根据关键词搜索附近的商场。用于用户提供了位置和品牌偏好时，搜索匹配条件的商场。",
    "method": "GET",
    "endpoint": "/v3/place/text"
  },
  {
    "name": "get_distance",
    "description": "计算从起点到商场的直线距离，用于判断哪个商场更近。",
    "method": "GET",
    "endpoint": "/v3/distance"
  }
]

第三步：在Agent代码中注册工具

from agents import function_tool

@function_tool
def search_malls_by_keyword(keyword: str, city: str):
    """搜索附近商场"""
    url = "https://restapi.amap.com/v3/place/text"
    params = {"key": os.getenv("AMAP_API_KEY"), "keywords": keyword, "city": city}
    return requests.get(url, params=params).json()

关键原则：description越清楚，Agent越不容易乱调接口或漏调接口。所有真实数据查询必须通过工具完成，不要让Agent凭常识编造数字。

---

七、进阶：配置GitHub Actions自动化部署

为项目配置EdgeOne Makers Rules，让AI编写更符合Makers规范的代码：


只需在项目根目录添加edgeone.json（平台自动生成），后续每次git push都会触发自动构建和部署，无需任何手动操作。

 ---

八、适用场景一览

EdgeOne Makers + WorkBuddy这套组合，适合以下场景：

场景	说明	案例
垂直领域顾问	把专家经验封装成可对话的Agent	摄影师顾问、营养师助手、法律咨询
业务客服接入	在现有网站中嵌入智能客服Agent	电商客服、课程顾问、售后问答
个人工具Agent	把个人技能变成在线服务	出行决策助手、日程规划Agent
企业内部Copilot	为团队搭建专属知识库问答	产品文档助手、代码审查Agent
快速MVP验证	用最短时间验证Agent产品方向	各类垂直赛道AI产品

---

九、为什么是EdgeOne Makers + WorkBuddy？

EdgeOne Makers 提供的是一套经过验证的Agent基础设施：

• 沙箱替你跑命令，不用自己搭运行环境
• 会话记忆平台托管，不用自己写存储逻辑
• AI网关统一接入模型，切换模型只改一行配置
• GitHub Actions自动部署，推送即上线
• 边缘网络全球加速，用户体验流畅
• 完整可观测性，答错了能追踪到是哪一步

WorkBuddy 补全的是非技术环节：

• 自然语言驱动代码改造，不用对着文档一点点查
• 自动规划架构，告诉你该做什么、怎么做
• 实时调试反馈，快速验证想法

两者叠加的结果是：把Agent上线的门槛从“需要工程团队”降到了“只需要一个想法”。