SuperAPI AI 工具集

deepgram-rust-voice-agent

智能体与模型

查看项目

更新于 10-15 20:35

技能介绍

用途:当用户希望在 Rust 中使用 Deepgram 完整 Voice Agent API(基于 Agent WebSocket 的端到端对话语音智能体)时,本技能用于说明现状与替代路径。

主要能力与现状:该 Rust crate 目前没有 deepgram::agent、deepgram::voice_agent 或类型化的 /v1/agent/converse 客户端,即未暴露 Agent WebSocket API,也没有可复用的 agent 配置封装。仓库中最接近的受支持接口是 src/listen/flux.rs,仅提供对话式 STT(Flux),不等同于 Voice Agent 的完整编排能力。

使用方式:若必须调用 Agent,需自行编写原始 WebSocket 代码。依赖为 tokio(features = ["full"])、tokio-tungstenite 0.28(features = ["rustls-tls-webpki-roots"])、futures 0.3、http 1.4。连接地址为 wss://agent.deepgram.com/v1/agent/converse(独立于 api.deepgram.com),鉴权头为 Authorization: Token <api_key>,API Key 从环境变量 DEEPGRAM_API_KEY 读取。发送消息时顺序重要:先发 Settings/配置,再发媒体数据。

适用场景:在 Rust 中构建端到端语音智能体;解释 Flux 对话式 STT 与不受支持的完整 Agent 之间的区别;为维护者或应用开发者指引原始 WebSocket 回退方案。

限制与注意:不要臆造 crate API,目前没有受支持的 Rust 封装用于 agent 设置、音频回复、函数调用或可复用 agent 配置。Agent 以 WebSocket 为主,若实现变通方案,应按官方文档校验消息时序,而非依据该 Rust crate。仓库中没有专门的 Voice Agent 示例,最接近的是 examples/transcription/flux/ 下的 Flux 示例。若需求仅为轮次式 STT,应优先使用受支持的 Flux Rust API。跨语言产品知识可安装 npx skills add deepgram/skills。