DeskKit — 面向 Razorpay AI Buildathon 的智能体商务

Track 1: AI Growth & Agentic Commerce

一个自主采购智能体，让 AI 买家能够端到端地与商户（DeskKit）完成交易——每一笔资金操作都可解释、有边界、有门控，并带有实时审计追踪。

它能做什么

DeskKit 是 Razorpay 上的一家小型办公用品商户。本项目构建了一个 AI 智能体，它能够：

• 通过 MCP 工具接口浏览 DeskKit 的商品目录（智能体可读目录）

• 对采购进行推理，并执行真实的 Razorpay 测试模式订单

• 执行严格的月度预算，采用两级门控：₹3,000 以下自动批准，超过则需人工批准，若将超过每月 ₹5,000 则硬性阻止

• 跨会话持久化支出——预算真正表现为月度限额，而非每次运行重置

• 在成功购买后主动推荐互补商品（追加销售/交叉销售）

• 包含第二个 AI 智能体，可自主生成采购请求——展示真正的智能体与智能体之间的商务，而不仅仅是人与智能体之间

每个决策都会在 LangSmith 中留痕，形成完整的审计追踪，并在 月度台账仪表盘 中实时可视化，显示已批准/待处理/已阻止的数量和订单历史。

Related MCP server: razoragent

为什么这符合该赛道

"每一笔资金操作都可解释、有边界、有门控。展示审计追踪，并优雅地处理一个失败场景。"

本项目优雅地处理了四种不同的失败/边界场景：预算阻止、审批门控、请求商品目录中不存在的商品，以及超范围智能体间请求的部分履行——每种情况都有清晰的推理和真实的替代方案，绝不会静默失败或强制覆盖。

架构

Requester Agent (AI buyer) ──> LangGraph ReAct Agent ──> MCP Tool Layer ──> Razorpay Test-Mode API │ │ │ ├── get_catalog │ └── create_order (budget-gated) │ └──> LangSmith (audit trail)

技术栈

• FastAPI — 后端 + UI

• LangGraph（ReAct 智能体模式）— 推理与工具编排

• MCP（Model Context Protocol） — 将商品目录和结账暴露为智能体可调用的工具

• Groq（openai/gpt-oss-120b） — LLM 推理

• Razorpay Python SDK — 真实的测试模式支付订单

• LangSmith — 可观测性与审计追踪

• 基于 JSON 的持久化支出跟踪

本地运行

python -m venv venv
venv\Scripts\activate          # on Windows
pip install -r requirements.txt

创建一个包含以下内容的 .env 文件： RAZORPAY_KEY_ID=your_test_key RAZORPAY_KEY_SECRET=your_test_secret GROQ_API_KEY=your_groq_key LANGSMITH_API_KEY=your_langsmith_key LANGSMITH_TRACING=true LANGSMITH_PROJECT=deskkit-buildathon

然后运行：

uvicorn main:app --reload

访问 http://127.0.0.1:8000。

演示

输入一条指令（例如 "购买 10 根 USB-C 数据线和 1 个笔记本支架"），或点击 模拟请求方智能体，看到第二个 AI 自主生成采购请求——真正的智能体与智能体之间的商务。

截图

成功下单，实时预算跟踪

预算门控阻止超限订单，并给出优雅的推理说明

月度台账——审计追踪一目了然

智能体间商务：请求方智能体自主生成采购请求

为 Razorpay AI Buildathon Track 1 打造。