开启音视频推流

1. 基本信息

工具名称	开启音频推流	开启音视频推流
工具编码	tQ8fCF.rtc_start_audio_stream	tQ8fCF.rtc_start_video_stream
功能描述	通过眼镜将音频流推送至 RTC 服务，三方可通过 RTC 入会收流获取到实时音频	通过眼镜将音视频流推送至 RTC 服务，三方可通过 RTC 入会收流获取到实时音视频
适用场景	实时对话问答等需要获取眼镜佩戴者音频的场景	巡检等需要获取眼镜佩戴者音视频的场景
返回方式	非流式。工具执行完成时会将推流指令返回给 Agent
当前状态	功能公测中

接入须知：

眼镜进入音视频推流状态后，采集到的音频流和视频流会实时推送到 RTC 服务器，供三方服务从 RTC 侧接收并处理。因此，接入的三方服务需要具备语音转文字（ASR）、图像识别（如需接入视频流）等能力，才能完成端到端的交互闭环。
按照详细交互协议（音视频推流完整交互协议）设计交互 API；

2. 请求参数

字段	类型	是否必填	含义
callbackToolCode	string	必填	会话流 API 对应的工具Code。开放平台通过该工具向三方发送 `SESSION_START`并建立SSE长连接，三方可在SSE流中发送`SPEAK` / `STOP_OUTPUT`事件
eventToolCode	string	非必填	会话事件 API 对应的工具Code，开放平台通过该工具向三方下发`SESSION_CLOSE`

注意，在两个编码都合法、类型都正确且互不相同时，参数校验会通过，具体的连接错误只会在运行时暴露。

3. 使用流程

按照「交互协议」准备好符合要求的 HTTP API：
- 会话流 API：接收平台发送的SESSION_START（携带 RTC 凭证），并建立SSE长连接，随后在同一条响应流上以 SSE 持续下发 SPEAK、STOP_OUTPUT；
- 会话事件 API：接收平台发送的 SESSION_CLOSE（用户主动在眼镜端停止推流时平台下发）；
进入开放平台，将上述 API 分别注册为独立的工具（需使用 API 插件）。
- 按需配置 headers/query/path，body 参数无需配置，平台会按「交互协议」定义API的请求体；
- 参数来源不能选择模型抽取：这两个 API 由平台在音视频推流过程中直接调用，并不是在 SKILL 编排中由模型作为工具执行，因此模型无法为其抽取参数；
编写 SKILL，在其中调用音视频推流官方工具，并将上述两个工具的编码作为参数传入，极简示例见下。
真机测试（详细操作可参考：真机）；
发布（详细操作可参考：发布）。

SKILL 极简示例：

---
name: rtc-stream
description: 当用户提到"进入语音闲聊"或"进入视频闲聊"时使用。
---

一句话控制眼镜进入语音闲聊或视频闲聊：

## 流程

### 意图一：打开语音闲聊

调用 ^^tQ8fCF.rtc_start_audio_stream^^ 发起推流
调用参数：
- `callbackToolCode` 传 ^^xxxxxx.sse^^
- `eventToolCode` 传 ^^xxxxxx.http^^
如果工具调用成功，则回复："开始闲聊吧"
如果工具调用失败，则基于错误信息组织回复话术，要求将关键信息反馈给用户。

### 意图二：打开视频闲聊

调用 ^^tQ8fCF.rtc_start_video_stream^^ 发起推流
调用参数：
- `callbackToolCode` 传 ^^xxxxxx.sse^^
- `eventToolCode` 传 ^^xxxxxx.http^^
如果工具调用成功，则回复："开始视频闲聊吧"
如果工具调用失败，则基于错误信息组织回复话术，要求将关键信息反馈给用户。

xxxxxx.sse 与 xxxxxx.http 为占位示例，需替换为在第 2 步注册的两个工具

示例中 ^^{工具编码}^^ 是 SKILL 引用工具的内置语法，可在SKILL.md中通过@快速选取工具。

4. 其他

音视频的具体规格是什么？

音频：16bit / 1 channel / 16kHz
视频：720P @ 2fps，约 320kbps