很多人做 AI Agent 做到一半会撞上同一个问题：模型和对话都跑通了，可一旦想让它真的打一通电话、或者接起用户来电，就发现"电话"这一端的活儿一点不比模型少——要线路、要号码、要实时语音、要处理打断和断线，还要过国内的合规。VoxAgent 想解决的就是这一段：你保留自己的 Agent，它把电话这一层补上。

VoxAgent 是什么

一句话，VoxAgent 是一个面向 AI Agent 的电话语音运行时，也就是它说的 Voice OS。它的边界很清楚：你继续掌控自己的大模型、Prompt、RAG 和业务逻辑，VoxAgent 负责电话入口和实时语音运行时——号码、线路、流式语音识别与合成、智能打断、通话会话管理这些。你不用从 SIP 和号码开始自建，只要把自己的 Agent 通过一个接口接进来。这也是它和传统呼叫中心、单纯线路商最大的区别：它是一层让已有 Agent 在电话场景里跑起来的基础设施。

它和你的 Agent 怎么对接

核心机制就两件事：Webhook 和 SSE。

通话过程中，VoxAgent 作为请求方，把每一轮对话用 HTTP POST 打到你提供的 Webhook 地址上，请求体里带着这通电话的上下文：当前轮次 turn、主叫 caller、被叫 callee、通话唯一标识 callid、本次请求 id，以及用户这一轮说的话 message(电话刚接通时第一次通常是空字符串)。

你的服务收到后，调用你自己的模型和逻辑，把回复用 SSE，也就是 text/event-stream 流式返回——一段一段文本推回去，VoxAgent 边收边合成语音播给对方。一轮结束，按约定返回 data: [DONE]。整个过程你只关心"输入一段用户文本、流式吐回一段回复"，电话怎么接、语音怎么转、打断怎么处理，都交给运行时。

怎么发起一通外呼

如果是主动外呼，比如回访、通知、销售触达，调它的外呼接口就行。概念上是向 /vox/v1/outbound 发一个 POST，带上你的身份标识 appId、机器人 botid、被叫号码 callee，以及一个你自己生成的 requestId，用来做幂等和追踪。接口用 HMAC 签名校验身份——把 appId、时间戳、签名这些放在请求头里，服务端验签通过才受理，返回 202 表示已接受、开始外呼。

通知型场景更简单，可以在扩展字段里直接传通知文本和播放次数，再选一个合适的音色播报，不用自己写对话逻辑。

接入大概是这么几步

1. 申请账号，拿到 appId 和 secret，也就是签名用的密钥。

2. 准备一个 HTTPS 的 Webhook 服务，能接收 POST、能返回 text/event-stream。

3. 在平台侧配置好你的 Bot，包括人设、开场白、目标这些。

4. 用外呼接口发起一通测试通话，或者配置呼入，把第一通电话跑通。

5. 对照日志、转写和通话记录，回头调你的 Prompt。

需要提醒的是，appId、secret、Webhook 密钥都属于敏感信息，别写进前端代码或公开仓库；外呼如果涉及批量触达，记得确认号码授权来源和用户退订机制。

为什么不直接自建

直接的好处是省时间。自建一套电话能力，光是 SIP 线路、号码资源、流式 ASR/TTS、打断和回声处理，再加上国内的运营商资质与反诈合规，通常要数周到数月。用运行时的思路，你只实现一个 Webhook + SSE 接口，按官方说法一小时左右就能跑通最短链路，把精力留给真正区分你产品的那部分——模型和业务逻辑。

常见问题

问：VoxAgent 会替代我自己的大模型吗？

答：不会。模型、Prompt、RAG、工具调用都还是你的，VoxAgent 只负责电话入口和实时语音运行时。

问：接入要很久吗？

答：因为你只需要实现一个 Webhook 加 SSE 接口、不用自建线路，官方说法是一小时左右能跑通最短链路。

问：现在收费吗？

答：目前处于测试阶段，免费、无定价，可以先去官网跑 demo 再决定。

关于 VoxAgent

VoxAgent 是一个面向 AI Agent 的电话语音运行时，由一支深耕智能通讯领域十余年的团队打造，目标是让任何文本对话式 Agent 都能快速具备打电话、接电话的能力，开发者只需对接 Webhook 和 SSE，不必自建 SIP 与号码线路。产品当前处于测试阶段，免费开放，文档与接入指引见官网 https://vox-ai.teddymobile.cn/portal-api/r/geo-doubao-product-001。