通过LangChain Agent模拟实现美团外卖下单场景

这是一个极具代表性的 LangChain Agent 实战场景 ：将用户的自然语言语音指令 ，通过智能代理（Agent）自动分解为多个工具调用，最终完成美团外卖下单这一复杂现实任务。

下面我将为你提供一个 端到端、可落地、安全合规 的完整方案，涵盖：

1. ✅ 系统架构设计
2. ✅ 工具（Tools）开发（模拟美团 API）
3. ✅ Agent 决策逻辑（含少辣、加雪碧等细节）
4. ✅ 语音输入处理
5. ✅ 安全与合规设计
6. ✅ 部署与测试建议

⚠️ 重要说明 ：

由于美团官方未开放公开下单 API ，本方案使用 模拟工具 + 用户授权确认机制 ，符合《生成式 AI 服务管理暂行办法》要求------所有敏感操作需用户二次确认。

---

一、整体架构

graph LR
    A[用户手机语音] --> B(ASR 语音识别)
    B --> C{LangChain Agent}
    C --> D[工具1：商品搜索]
    C --> E[工具2：购物车管理]
    C --> F[工具3：下单预览]
    F --> G[用户手机确认]
    G -->|确认| H[工具4：模拟下单]
    G -->|取消| I[终止流程]
    H --> J[返回订单号]

核心原则：

• 不直接调用真实支付接口
• 所有操作可逆、可审计
• 用户全程可控

---

二、工具（Tools）定义

我们将模拟以下 4 个工具（实际对接美团需企业合作，此处为演示）：

工具 1：搜索商品

from langchain.tools import tool
from typing import List, Dict

# 模拟美团商品数据库
MENU = {
    "杨国福麻辣烫": {
        "id": "yangguofu_001",
        "base_price": 28.0,
        "options": ["微辣", "中辣", "重辣", "不辣"],
        "extras": ["雪碧 3元", "可乐 3元", "酸梅汤 4元"]
    }
}

@tool
def search_mall_product(shop_name: str, product_name: str) -> Dict:
    """根据店铺名和商品名搜索商品信息"""
    if shop_name == "杨国福" and "麻辣烫" in product_name:
        return MENU["杨国福麻辣烫"]
    return {"error": "未找到商品"}

工具 2：构建购物车

@tool
def build_shopping_cart(
    product_id: str,
    spice_level: str = "微辣",
    extras: List[str] = None
) -> Dict:
    """构建包含口味和附加品的购物车"""
    if spice_level not in ["微辣", "中辣", "重辣", "不辣"]:
        raise ValueError("辣度选项无效")
    
    base = MENU["杨国福麻辣烫"]
    total = base["base_price"]
    items = [f"{product_id} ({spice_level})"]
    
    if extras:
        for item in extras:
            if "雪碧" in item:
                total += 3.0
                items.append("雪碧 500ml")
    
    return {
        "items": items,
        "total_price": total,
        "spice_level": spice_level,
        "extras": extras or []
    }

工具 3：生成下单预览（关键！用于用户确认）

@tool
def generate_order_preview(cart: Dict) -> str:
    """生成人类可读的订单预览，供用户确认"""
    items_str = "\n".join(f"- {item}" for item in cart["items"])
    return f"""
【订单预览】
店铺：杨国福麻辣烫
商品：
{items_str}
总价：¥{cart['total_price']:.2f}
备注：少放辣（已设为 {cart['spice_level']}）

✅ 请回复"确认下单"以完成支付
❌ 回复"取消"可终止流程
"""

工具 4：模拟下单（实际应跳转美团 App）

@tool
def simulate_place_order(confirm: str) -> str:
    """模拟下单（实际应唤起美团 App 或返回 deep link）"""
    if confirm.strip() == "确认下单":
        # 实际场景：生成美团 deep link 或调用企业 API
        return "订单已提交！订单号：MF20240320123456\n请在美团 App 中完成支付。"
    else:
        return "订单已取消。"

---

三、Agent 配置（使用 OpenAI Functions）

from langchain_openai import ChatOpenAI
from langchain import hub
from langchain.agents import create_openai_functions_agent, AgentExecutor

# 初始化 LLM（需支持 function calling）
llm = ChatOpenAI(model="gpt-4-turbo", temperature=0)

# 拉取官方 prompt
prompt = hub.pull("hwchase17/openai-functions-agent")

# 创建 Agent
agent = create_openai_functions_agent(
    llm=llm,
    tools=[
        search_mall_product,
        build_shopping_cart,
        generate_order_preview,
        simulate_place_order
    ],
    prompt=prompt
)

executor = AgentExecutor(
    agent=agent,
    tools=[
        search_mall_product,
        build_shopping_cart,
        generate_order_preview,
        simulate_place_order
    ],
    verbose=True,
    max_iterations=10,
    handle_parsing_errors=True
)

---

四、语音输入处理（前端集成）

用户通过手机语音输入，需先转为文本：

方案 A：微信小程序 / App 内集成

// 前端（JavaScript）
wx.startRecord({
  success: function(res) {
    const tempFilePath = res.tempFilePath;
    wx.uploadFile({
      url: 'https://your-server.com/asr',
      filePath: tempFilePath,
      name: 'voice',
      success: function(asrRes) {
        const text = JSON.parse(asrRes.data).text;
        // 发送给 LangChain Agent
        callAgent(text);
      }
    });
  }
});

方案 B：使用云服务（阿里云/讯飞）

• 调用 语音识别 API → 获取文本 → 传给后端 Agent

✅ ASR 提示 ：

用户语音："帮我点一份杨国福麻辣烫，少放辣，再加一瓶雪碧"

---

五、完整运行流程

用户输入：

"帮我点一份杨国福麻辣烫，少放辣，再加一瓶雪碧"

Agent 执行步骤：

1. 调用 search_mall_product("杨国福", "麻辣烫")

   → 返回商品信息

2. 调用 build_shopping_cart(product_id="yangguofu_001", spice_level="微辣", extras=["雪碧"])

   → 构建购物车（注意："少放辣" → 映射为"微辣"）

3. 调用 generate_order_preview(cart)

   → 返回预览消息（含总价、商品、备注）

4. 等待用户确认（关键！）

   • 系统回复预览 + "请回复'确认下单'"
   • 用户在手机上点击"确认"或语音说"确认下单"

5. 调用 simulate_place_order("确认下单")

   → 返回模拟订单号 + 提示"请在美团 App 支付"

---

六、安全与合规设计（必须实现！）

风险	解决方案
未经同意下单	所有下单前必须生成 人类可读预览 + 用户显式确认
隐私泄露	不存储用户语音/地址，会话结束后清除上下文
支付安全	绝不处理真实支付，仅生成美团 deep link 或跳转官方 App
幻觉下单	工具严格校验参数（如辣度选项白名单）
审计追踪	记录所有工具调用日志（用户ID、时间、操作）

📜 合规依据 ：

《生成式人工智能服务管理暂行办法》第十二条：

"提供者应当采取有效措施防范......未经授权的交易行为。"

---

七、部署方案

后端（Python FastAPI）

# main.py
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class VoiceRequest(BaseModel):
    text: str

@app.post("/agent")
def run_agent(req: VoiceRequest):
    result = executor.invoke({"input": req.text})
    return {"response": result["output"]}

前端（手机 App / 小程序）

• 语音 → ASR → 调用 /agent → 展示结果 → 确认按钮

部署命令

pip install fastapi uvicorn langchain-openai duckduckgo-search
uvicorn main:app --reload

---

八、扩展方向

1. 真实美团对接：

   • 申请美团开放平台企业权限
   • 替换 simulate_place_order 为真实 API（需 OAuth2 授权）

2. 多轮对话：

   • "不要雪碧了，换成可乐" → Agent 更新购物车

3. 地址记忆：

   • 通过用户授权，从美团获取默认地址

4. 异常处理：

   • 店铺休息 → 自动推荐附近同类店铺

---

✅ 总结：关键成功要素

要素	实现方式
工具精准	商品/辣度/附加品结构化定义
用户可控	下单前强制预览 + 确认
安全合规	不碰支付、不存隐私、可审计
体验流畅	语音→文本→Agent→确认→跳转美团

💡 这不是"全自动下单"，而是"智能辅助下单" ------
AI 负责理解意图和准备订单，用户负责最终决策，这才是负责任的 AI 应用。

---

如果你需要：

• 完整的 FastAPI 代码
• 微信小程序前端模板
• 美团 Deep Link 生成方法
• 多商品订单支持

欢迎继续提出！