架构概览

# tools/my_tool.py
def get_my_metric(date: str, user_info: dict) -> dict:
    """
    获取指定日期的自定义指标。

    Args:
        date: ISO 8601 日期字符串。

    Returns:
        包含指标值与单位的字典。
    """
    user_id = user_info["user_id"]    # 由 Mirobody 从 JWT 中自动注入
    return {"value": 42, "unit": "steps"}

skills/glucose-coach/
├── metadata.json   # name、summary、when_to_use、when_not_to_use、tags
└── SKILL.md        # YAML frontmatter（name、description、license）+ 正文

"90次每分钟"    → ParsedQuantity(value=90.0,  unit="/min",   family="NRat")
"<5.6 mg/dL"   → ParsedQuantity(value=5.6,   unit="mg/dL",  family="MCnc", comparator="<")
"Millimol pro Liter" → "mmol/L"
"600步"        → ParsedQuantity(value=600.0, unit="{steps}", family="Num")

config.yaml                ← 基础配置，不要修改
  └── config.{env}.yaml     ← 你的覆盖；ENV=localdb → config.localdb.yaml
       └── 环境变量          ← 优先级最高，通过 .env 或 shell 注入

1. 浏览器 POST 到 /api/chat（SSE）。
2. JWT 中间件 → user_id。
3. Chat 服务建立或复用 session，把用户消息持久化到 th_messages。
4. DeepAgent（默认）按用户的 PROVIDERS_DEEP 配置加载。
5. Agent 调用 MCP tools/list 规划，然后顺序调用工具：
   - get_user_profile   → user_id、时区、可用 provider
   - 指标搜索           → "knee pain" → SNOMED CT / LOINC 候选
   - get_health_data    → 按 user_id + 指标 join 时间序列
   - chart_service      → 渲染 PNG、上传 S3、返回 presigned URL
6. Agent 通过 SSE 流式输出 thinking / reply chunk；响应持久化。
7. 聚合 + Insight 在后台运行，为下一次会话准备好。