企业官网建设流程全解析

价格、延迟、SLA先谈好再开工：Bindu AI Agent协商协议逐步教程

【免费下载链接】BinduBindu: The identity, communication, and payments layer for AI agents.项目地址: https://gitcode.com/gh_mirrors/bin/Bindu

在多智能体（Multi-Agent）系统里，把任务直接甩给某个 Agent 往往踩坑：它可能接不了、跑太慢，或者收费超预算。Bindu 是 AI Agent 的身份、通信与支付层，其中的协商协议（Negotiation）让你先向多个 Agent 询价、问延迟、要评分，谈好再开工。本教程带你 4 步跑通这套流程。

一、为什么要"先谈再干"？

想象你有一群 Agent：有的擅长翻译、有的擅长 PDF 解析。任务来了，直接派单的风险有三：

核心思路：编排者（Orchestrator）广播任务 → 各 Agent 自评打分 → 编排者择优派单。完整原理见 docs/NEGOTIATION.md。

二、准备工作：给 Agent 一份"技能简历"

协商的原材料是 Agent 的Skills（技能）元数据。每个技能用一份 YAML 描述能力、标签、性能指标，例如 skill.yaml 中定义了：

• tags/capabilities：关键词和能力，用于技能匹配打分
• performance.avg_processing_time_ms：平均处理时长，直接参与延迟评估
• assessment.keywords/anti_patterns：加分关键词与反模式，帮 Agent 诚实拒单

在 Agent 配置中把技能路径填进skills字段即可，加载逻辑在 bindu/utils/skills/loader.py。

三、第 1 步：发起协商请求

向每个候选 Agent 的/agent/negotiation端点发一个 POST 请求。请求体只需说明"我要干什么、预算和延迟上限是多少"：

{ "task_summary": "Extract tables from PDF invoices", "input_mime_types": ["application/pdf"], "output_mime_types": ["application/json"], "max_latency_ms": 5000, "max_cost_amount": "0.001", "min_score": 0.7 }

字段含义（端点实现在 negotiation.py）：

• task_summary：任务一句话描述（必填，最长 10000 字符）
• input/output_mime_types：输入输出格式约束
• max_latency_ms/max_cost_amount：延迟与价格上限，即"SLA 与预算"
• min_score：最低接受分数，低于它视为拒单
• weights：可选，自定义打分权重

四、第 2 步：看懂 Agent 的五维自评

收到请求后，Agent 内部由 CapabilityCalculator 完成打分，五个维度按默认权重加权：

还有两类"硬拒单"：格式/工具不满足直接返回accepted: false；预计延迟超过上限 2 倍直接拒（latency_exceeds_constraint）。

响应长这样，重点看accepted、score和subscores：

{ "accepted": true, "score": 0.89, "latency_estimate_ms": 2000, "queue_depth": 2, "subscores": { "skill_match": 0.92, "io_compatibility": 1.0, "performance": 0.85, "load": 0.90, "cost": 1.0 } }

五、第 3 步：横向比价，选出最优 Agent

编排者把各 Agent 的响应按score排序，最高分者中标。一个真实的翻译任务场景：技术翻译专家 Agent 得分 0.98（队列 2），通用翻译 Agent 得分 0.82，无专业背景的 Agent 因技能匹配度 0.65 低于阈值被过滤。

想"找最便宜的合格 Agent"也很简单：过滤出score > 0.8的响应，再取成本最低者即可。

六、谈好价格，再谈付款

协商解决"要不要干"，x402 支付解决"先付钱再干"。若 Agent 开启了支付，未付费的请求会先收到402 Payment Required报价，调用方用钱包签一次授权、款项上链结算后，Agent 才真正执行任务，结果里附带支付回执。完整流程见 docs/PAYMENT.md，扩展实现位于 bindu/extensions/x402/。

💡最佳实践

• 查询多个 Agent，别只问一家
• 设置min_score阈值，过滤低质量匹配
• 按业务偏好调整weights（重速度就调高performance）
• 为拒单准备回退策略（fallback Agent）
• Agent 侧：如实声明能力，别夸大技能元数据

总结

Bindu 的协商协议把"派单"变成了"招标"：

1. 用 Skills 元数据 写清 Agent 能力与性能指标
2. 用/agent/negotiation声明任务、延迟、预算约束
3. 读五维评分，横向比较选出最优 Agent
4. 用 x402 实现"先付钱、后干活"

价格、延迟、SLA 全部前置谈定，你的多智能体编排从此少踩坑。更多完整示例可参考 examples/ 目录。

【免费下载链接】BinduBindu: The identity, communication, and payments layer for AI agents.项目地址: https://gitcode.com/gh_mirrors/bin/Bindu