feat: ark_model v2 response_api upgrade

docs/docs/agent/responses-api.md

@@ -2,27 +2,27 @@
 title: Responses API 支持
 ---
 
-Responses API 是火山方舟最新推出的 API 接口，原生支持高效的上下文管理，支持更简洁的输入输出格式，并且工具调用方式也更加便捷，不仅延续了 Chat API 的易用性，还结合了更强的智能代理能力。
-随着大模型技术不断升级，Responses API 为开发各类面向实际行动的应用提供了更灵活的基础，并且支持工具调用多种扩展能力，非常适合搭建智能助手、自动化工具等场景。
+Responses API 是火山方舟最新推出的 API 接口，原生支持高效的上下文管理，具备更简洁的输入输出格式。其工具调用方式更加便捷，不仅延续了 Chat API 的易用性，还结合了更强的智能代理能力。
+随着大模型技术不断升级，Responses API 为开发各类面向实际行动的应用提供了更灵活的基础，并支持多种工具调用扩展能力，非常适合搭建智能助手、自动化工具等场景。
 
 ---
 
 ## 使用教程
 
-目前 VeADK Responses API 支持对 LiteLLM 版本依赖有限制，需要 `litellm>=1.79.3`，请确保您的 LiteLLM 版本符合要求。
+目前仅 `veadk-python` 版本支持 Responses API，且对 `google-adk` 版本有特定要求（`google-adk>=1.21.0`）。请确保您的环境符合要求。
 
 === "pip"
     ```bash
-    pip install "litellm>=1.79.3"
+    pip install "google-adk>=1.21.0"
     ```
 === "uv"
     ```bash
-    uv pip install "litellm>=1.79.3"
+    uv pip install "google-adk>=1.21.0"
     ```
 
 ### 快速开始
 
-只需要要配置enable_responses=True即可
+只需配置 `enable_responses=True` 即可。
 
 ```python hl_lines="4"
 from veadk import Agent
@@ -39,6 +39,311 @@ root_agent = Agent(
 
 ## 注意事项
 
-- 必须提升litellm版本: `litellm>=1.79.3`，用于支撑responses_request转换
-- 必须保证adk版本: `google-adk>=1.15`
-- 请保证使用的模型支持ResponsesAPI
+1. **版本要求**：必须保证 `google-adk>=1.21.0`。
+2. **模型支持**：请确保使用的模型支持 Responses API（注：Doubao 系列模型 0615 版本之后，除特殊说明外均支持）。
+3. **缓存机制**：VeADK 开启 Responses API 并使用火山方舟模型时默认开启上下文缓存（Session 缓存）。但若在 Agent 中设置了 `output_schema`，因该字段与缓存机制冲突，系统将自动关闭缓存。
+
+## 上下文缓存
+
+在 Responses API 模式下，VeADK 默认开启会话缓存（Session Caching）。该机制会自动存储初始上下文信息，并在每一轮对话中动态更新。在后续请求中，系统会将缓存内容与新输入合并后发送给模型推理。此功能特别适用于多轮对话、复杂工具调用等长上下文场景。
+
+### 缓存信息查看
+
+您可以通过返回的 `Event.usage_metadata` 字段查看 Token 使用及缓存命中情况。
+
+以下是一次包含两轮对话的 `usage_metadata` 示例：
+
+```json
+{"cached_content_token_count":0,"candidates_token_count":87,"prompt_token_count":210,"total_token_count":297}
+{"cached_content_token_count":297,"candidates_token_count":181,"prompt_token_count":314,"total_token_count":495}
+```
+
+**字段说明：**
+
+- `cached_content_token_count`：命中缓存的 Token 数量（即从缓存中读取的 Token 数）。
+- `candidates_token_count`：模型生成的 Token 数量（输出 Token）。
+- `prompt_token_count`：输入给模型的总 Token 数量（包含已缓存和未缓存部分）。
+- `total_token_count`：总消耗 Token 数量（输入 + 输出）。
+
+**缓存机制说明：**
+
+- 缓存仅影响输入（Prompt）Token，不影响输出（Completion）Token。
+- **缓存命中率**反映了缓存策略的有效性，命中率越高，Token 成本节省越多。
+  - 计算公式：`缓存命中率 = (cached_content_token_count / prompt_token_count) × 100%`
+- 输入 Token 成本节约率：用于量化整个会话的缓存收益，是面向业务侧的核心指标，支持会话级汇总计算。
+
+### 成本节省示例
+
+基于上述样例数据，缓存命中率计算如下：
+
+- **第一轮对话**：0%（初始状态，无缓存）
+- **第二轮对话**：`297 / 314 * 100% ≈ 94.58%`
+
+输入 Token 成本节约率：`(0 + 297) / (210 + 314) ≈ 56.68%`
+
+这意味着在开启缓存后，该次会话的 **输入 Token 缓存命中率达到了 56.68%**，大幅减少了重复内容的计算开销。
+[火山方舟：缓存Token计费说明](https://www.volcengine.com/docs/82379/1544106?lang=zh)
+
+注：第N轮的`cached_content_token_count`不一定等于第N-1轮的`total_token_count`，如果开启了thinking，二者不等。
+
+
+## 多模态能力支持
+
+Responses API 除文本交互外，还具备图片、视频和文件等多模态理解能力。
+您可以使用 `google.genai.types.FileData` 字段传递多模态数据（如图片路径、视频 URL、Files API 生成的 file_id 等）。
+
+`FileData` 支持以下数据传递方式：
+
+1. **Files API 资源 (`file_id`)**
+    - 通过 `file_data` 传递，需在 `file_uri` 中添加特定 Scheme 前缀以区分。
+    - 格式：`file_uri="file_id://xxxxxxx"`，该值将被自动映射到 `file_id` 字段。
+
+2. **通用资源标识符 (URI)**
+    火山方舟支持的所有文件上传方式（包括 `image_url`、`video_url`、`file_url`）均可通过 `file_data` 统一处理。
+    1. **网络 URL**
+        - 系统根据 `mime_type` 自动识别资源类型（视频、图片、文件等）。
+        - 格式：`file_uri="https://..."`
+    2. **本地文件路径**
+        - 直接使用本地文件路径作为 `file_uri`，底层会自动调用 Files API 完成上传。
+        - 格式：`file_uri=f"file://{local_path}"`
+    3. **Base64 Data URI**
+        - 支持传入 Base64 编码的数据。
+        - 参考：[火山方舟：图片理解-Base64编码](https://www.volcengine.com/docs/82379/1362931?lang=zh#477e51ce)
+
+### 样例代码
+
+**注**：以下所有示例代码均基于下述 `Agent` 配置与 `main` 函数：
+
+```python
+import os
+import asyncio
+import uuid
+
+from google.adk.events import Event
+from google.genai import types
+from google.genai.types import FileData
+
+from veadk import Agent, Runner
+from veadk.memory.short_term_memory import ShortTermMemory
+
+agent = Agent(
+    enable_responses=True
+)
+short_term_memory = ShortTermMemory()
+runner = Runner(
+    agent=agent,
+    short_term_memory=short_term_memory,
+)
+
+async def main(message: types.Content):
+    session_id = uuid.uuid4().hex
+    await short_term_memory.session_service.create_session(
+        app_name=runner.app_name, user_id=runner.user_id, session_id=session_id
+    )
+
+    async for event in runner.run_async(
+        user_id=runner.user_id,
+        session_id=session_id,
+        new_message=message,
+    ):
+        if isinstance(event, Event) and event.is_final_response():
+            if event.content and event.content.parts:
+                if not event.content.parts[0].thought:
+                    print(event.content.parts[0].text)
+                elif len(event.content.parts) > 1:
+                    print(event.content.parts[1].text)
+```
+
+
+### 图片理解
+
+=== "本地路径"
+
+    支持处理**最大 512MB** 的图片文件。
+
+    该方式直接传入本地文件路径，系统会自动调用 Files API 完成上传，随后调用 Responses API 进行分析。
+
+    ```python hl_lines="7-8"
+    local_path = os.path.abspath("example-data.png")
+    message = types.UserContent(
+        parts=[
+            types.Part(text="描述一下这张图片"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"file://{local_path}",
+                    mime_type="image/png"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+=== "Files API"
+
+    通过火山方舟 Files API 上传文件，支持处理**最大 512MB** 的图片文件。
+
+    ```python hl_lines="9-10"
+    from veadk.utils.misc import upload_to_files_api
+    local_path = os.path.abspath("example-data.png")
+    file_id = asyncio.run(upload_to_files_api(local_path))
+    message = types.UserContent(
+        parts=[
+            types.Part(text="描述一下这张图片"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"file_id://{file_id}",
+                    mime_type="image/png"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+=== "图片 URL"
+
+    支持处理**最大 10MB** 的图片文件。
+
+    ```python hl_lines="7-8"
+    image_url = "<your-url>"
+    message = types.UserContent(
+        parts=[
+            types.Part(text="描述一下这张图片"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"{image_url}",
+                    mime_type="image/png"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+
+
+### 视频理解
+
+=== "Files API"
+
+    通过火山方舟 Files API 上传文件，支持处理**最大 512MB** 的视频文件。
+
+    在 `file_data` 中传递视频文件时，可选择添加 `video_metadata` 字段，指定视频的帧率（fps）。
+
+    您可以通过`fps`字段，控制从视频中抽取图像的频率，默认为1，即每秒从视频中抽取一帧图像，输入给模型进行视觉理解。可通过fps字段调整抽取频率，以平衡视频长度与模型处理效率。
+
+    - 当视频画面变化剧烈或需要关注画面变化，如计算视频中角色动作次数，可以跳高fps的设置（最高为5），防止抽帧频率过快导致模型无法准确理解视频内容。
+
+    - 当视频画面变化缓慢或不需要关注画面变化，如分析视频中人物行为，可适当降低fps的设置（最低为0.2），以平衡视频长度与模型处理效率。
+
+    ```python hl_lines="9-10"
+    from veadk.utils.misc import upload_to_files_api
+    local_path = os.path.abspath("example-data.png")
+    file_id = asyncio.run(upload_to_files_api(local_path, fps=0.3)) # optional `fps`
+    message = types.UserContent(
+        parts=[
+            types.Part(text="描述一下这个视频"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"file_id://{file_id}",
+                    mime_type="video/mp4"
+                ),
+                video_metadata={        # optional
+                    "fps": 0.3
+                }
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+=== "视频 URL"
+
+    支持处理**最大 50MB** 的视频文件。
+
+    ```python hl_lines="7-8"
+    video_url = "<your-video-url>"
+    message = types.UserContent(
+        parts=[
+            types.Part(text="描述一下这个视频"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"{video_url}",
+                    mime_type="video/mp4"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+
+### 文档理解
+
+部分模型支持处理 PDF 格式的文档，系统会通过视觉功能理解整个文档的上下文。
+当传入 PDF 文档时，大模型会将文件分页处理成多张图片，分析解读其中的文本与图片信息，并结合这些信息完成文档理解任务。
+
+=== "Files API"
+
+    通过火山方舟 Files API 上传文件，支持处理**最大 512MB** 的文档。
+
+    ```python hl_lines="9-10"
+    from veadk.utils.misc import upload_to_files_api
+    local_path = os.path.abspath("example-pdf.pdf")
+    file_id = asyncio.run(upload_to_files_api(local_path))
+    message = types.UserContent(
+        parts=[
+            types.Part(text="请概括总结文档的内容"),
+            types.Part(
+                file_data=FileData(
+                    file_uri=f"file_id://{file_id}",
+                    mime_type="application/pdf"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message)
+    )
+    ```
+
+=== "文档 URL"
+
+    支持处理**最大 50MB** 的文档。
+
+    ```python hl_lines="7-8"
+    message2 = types.UserContent(
+        parts=[
+            types.Part(text="请总结概括本文档"),
+            types.Part(
+                file_data=FileData(
+                    file_uri="<your-file-url>",
+                    mime_type="application/pdf"
+                )
+            )
+        ],
+    )
+    asyncio.run(
+        main(message2)
+    )
+    ```
+
+
+
+## 参考文档
+
+1. [火山方舟：ResponsesAPI迁移文档](https://www.volcengine.com/docs/82379/1585128?lang=zh)
+2. [火山方舟：上下文缓存](https://www.volcengine.com/docs/82379/1602228?lang=zh#3e69e743) 
+3. [火山方舟：缓存Token计费说明](https://www.volcengine.com/docs/82379/1544106?lang=zh)
+4. [火山方舟：多模态理解](https://www.volcengine.com/docs/82379/1958521?lang=zh)