智能餐饮多agent系统产品系统Vibe Coding

针对单体 LLM 餐饮问答 "回答不落地（编造餐厅）、上下文膨胀、领域工具难复用" 三大痛点，基于
A2A + MCP + Text-to-SQL 构建多 Agent 智能餐饮问答系统，覆盖找餐厅、查菜品、在线订座、优惠活动、评
价口碑、附近实时餐厅、今日推荐 7 类意图。

本系统针对大模型餐饮问答虚构餐厅、上下文膨胀、工具难复用等痛点，基于 A2A+MCP 协议搭建多 Agent 架构，支持找餐厅、查菜品、在线订座等 7 类业务意图。构建 MySQL 餐饮知识库，结合 Overpass 爬虫采集 2000 + 真实餐厅 POI，采用静态知识库与实时 API 双通道，有效抑制模型幻觉。通过中心化路由调度 6 个专业化 Agent，集成带安全约束的 Text‑to‑SQL 能力，实现餐厅校验、信息补全追问、在线订座写库的完整业务闭环。系统提供 CLI 与 Streamlit 双前端，兼容 OpenAI 接口；搭建 L1‑L4 四层评测体系，74 例黄金测试集可复现效果，端到端成功率 86.2%，平均响应 10.6s，新增业务仅需简单配置即可扩展接入。

1. 数据底座：搭建 MySQL 知识库，覆盖 8 大菜系；开发 Overpass 爬虫定时增量采集多条真实餐厅 POI（幂等
INSERT IGNORE + 24h 刷新防重）。
2. 多 Agent 架构：采用 "意图识别 → AgentNetwork 中心化路由 → 6 个专业化 Agent → MCP 工具层" 分布
式架构，每领域 Agent 持有独立 schema 与 MCP 工具，编排器仅做路由与总结。
3. Text-to-SQL：LLM 生成 SQL 查库，Prompt 内嵌完整 schema + 正反例 + 只允许 SELECT 约束；信息不
足按 JSON 协议输出走追问路径，杜绝编造参数。
4. 真实 API 双通道：Nearby Agent 运行时直调 Overpass 真实 API（多镜像端点容错），失败自动回退知识库；
同一 API 兼用于批量灌库，形成 "静态知识库 + 实时 API" 双通道。
5. 订座两跳闭环：先 A2A 调餐厅 Agent 验证餐厅存在，再经 Tool-Calling Agent真实写库；注入当前日期，
解决相对时间换算。
6. 四层评测体系：构建 L1 意图 / L2 MCP / L3 A2A / L4 端到端四层评测，74 例黄金集含模糊跨界、口语省略、
多意图、信息不足等难例，信息不足计入 "追问路径" 不计成功，指标诚实可复现。
7. 双前端与工程化：CLI + Streamlit 双前端（对话 + AgentCards + 评估看板）；LLM 走 OpenAI 兼容接口，
灵活切换模型。