🦅 凤凰爆发情报
基于人工智能的多智能体系统，用于早期疫情检测、公共指导和快速反应
 
📌 项目概要
Phoenix Outbreak Intelligence是一个多代理、实时疫情监测和危机应对平台，使用以下工具构建：
- 谷歌代理开发工具包（ADK）
- BigQuery公共卫生数据集 （新冠肺炎、流感、疾病预防控制中心、世界卫生组织）
- MCP工具 （网络阅读器、谷歌地图）
- A2A远程代理 （云运行）
- 顶点AI代理引擎 用于部署
该系统模拟了公共卫生部门如何检测新出现的疫情，评估风险，提供公共指导，并生成按需资源分配报告。
🎯 关键交付成果：
- ✔ 预警信号
- ✔ 快速态势洞察
- ✔ 错误信息检测
- ✔ 可采取行动的公共卫生指导
- ✔ 医院/应急小组报告
- ✔ 多代理编排 配备ADK、MCP和A2A
该项目展示了与谷歌代理人工智能生态系统的深度整合，为公共卫生危机管理提供了一个现实且可扩展的解决方案。
🚨 问题陈述
公共卫生部门面临以下挑战：
❗ 快速识别早期疫情信号
数据来自多个分散的来源：
- 美国疾病控制与预防中心数据集
- 入院
- 实验室检测阳性
- 社交聊天和错误信息
- 新闻报道
❗ 信号分选人工工作量大
分析师必须手动：
- 拉电子表格
- 检查医院负荷
- 比较地区
- 验证谣言
- 准备公共公告
❗ 反应慢→ 延迟干预
延迟检测 =
- ➡ 传播速度加快
- ➡ 医院压力增加
- ➡ 错误信息传播
- ➡ 公众混乱加剧
🎯 解决方案：凤凰疫情情报
一个多智能体AI系统，可以自动化：
📊 数据情报与风险评分（数据情报代理）
- 查询BigQuery公共数据集
- 检测异常尖峰
- 计算疫情爆发的可能性
- 运行趋势、积极性和医院应变分析
- 通过MCP网络阅读器验证在线谣言
🛡️ 公共安全与指导（公共指导代理）
将调查结果转化为简单、可信的建议：
- 口罩引导
- 学校安全建议
- 旅行咨询
- 症状清单
🏥 资源和基础设施规划（A2A代理在云端运行）
- 生成PDF报告
- 计算资源短缺
- 建议扩建重症监护室床位、个人防护用品和检测中心
- 使用Google Maps MCP进行路由/热点映射
🎛️ 编排器代理
- 协调所有代理
- 路由请求
- 将输出合并到最终情报简报中
💡 为什么凤凰爆发情报？
该项目利用先进的人工智能能力解决了关键的公共卫生挑战：
✔ 技术创新
结合ADK、MCP、A2A、BigQuery和Cloud Run的多代理架构
✔ 现实世界影响
帮助公共卫生部门更快地发现疫情并做出更有效的反应
✔ 生产就绪功能
- 实时BigQuery数据分析
- 交互式地图和可视化
- 自动谣言验证
- 风险评分和趋势分析
- 可采取行动的公共卫生指导
- 资源分配报告
✔ 全面整合谷歌人工智能生态系统
- 代理开发工具包（ADK）
- 模型上下文协议（MCP）工具
- 顶点AI代理引擎
- 云运行部署
- BigQuery公共数据集
- Gemini AI模型
🏗 系统架构（高级）
┌───────────────────────────────────────────────┐
│ 👤 USER QUERY │
│ “Is there an outbreak in California today?” │
└───────────────────────────────────────────────┘
│
▼
┌───────────────────────────────────────────────┐
│ 🎯 PHOENIX ORCHESTRATOR (ADK Agent) │
│ • Intent understanding (Gemini) │
│ • Query routing │
│ • Multi-agent coordination │
└───────────────────────────────────────────────┘
│ │ │ │
▼ ▼ ▼ ▼
┌─────────────┐ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐
│ 📊 Data │ │ 🛡 Public │ │ 📄 A2A Report │ │ 🔧 MCP Tools │
│ Intel Agent │ │ Guidance Agent │ │ Agent (CloudRun) │ │ Web + Maps APIs │
└─────────────┘ └────────────────┘ └────────────────┘ └────────────────┘
│ │ │ │
▼ ▼ ▼ ▼
BigQuery SQL Safety Advice PDF / JSON Report Web Reader / Maps
Outbreak Data Rumor Check Cloud Run A2A Verified Context📁 项目结构
phoenix-outbreak-intelligence/
├── README.md
├── requirements.txt
├── agents/ # Multi-agent system components
│ ├── data_intel_agent/ # BigQuery analysis & risk scoring
│ ├── public_guidance_agent/ # Health recommendations
│ ├── resource_report_agent_A2A/ # Resource allocation (Cloud Run)
│ └── orchestrator/ # Main coordinator
├── mcp/ # Model Context Protocol tools
│ ├── google_maps/ # Location & mapping services
│ └── web_reader/ # Web scraping & validation
├── data/ # Sample datasets
│ ├── sample_api_outputs/
│ └── sample_bigquery_results/
├── deployment/ # Deployment scripts
├── tests/ # Testing suite⚙️ 主要特点
1️⃣ 疫情风险检测 （BigQuery+ADK工具）
- 📈 每日病例数+阳性率+住院趋势
- 📊 多日移动平均线
- ⚡ 加速指数（增长率）
- 🎯 爆发概率评分（0-100）
2️⃣ 虚假信息和谣言验证 （MCP网络阅读器）
- 🌐 删除公共网络资源
- 📝 提取索赔
- ✅ 根据官方数据集进行验证
3️⃣ 公共安全指南 （双子座）
- 📍 针对特定地区的建议
- 🏫 学校、旅行、工作场所指导
- 📋 风险等级说明
4️⃣ 资源分配报告 （A2A远程代理）
- ☁️ Cloud Run微服务
- 🧮 计算个人防护装备、测试、重症监护室预测
- 📄 生成PDF报告
5️⃣ 统一体验协调器
- 🎯 意图分类
- 🔄 管理多代理工作流
- 🔗 将所有输出合并为最终见解
🚀 部署
🌐 快速部署到Google Cloud Run
使用一个命令部署完整的Flask web应用程序：
# Set your GCP project
export PROJECT_ID="your-gcp-project-id"
# Run deployment script
./deploy.sh此脚本将：
- 启用所需的GCP API（云运行、云构建、BigQuery、顶点AI）
- 构建Docker容器镜像
- 部署到云运行（us-central1）
- 配置自动缩放和健康检查
- 为您提供公共HTTPS URL
部署时间： ~5-10分钟
结果： 您的应用程序将在 https://phoenix-webapp-[hash]-uc.a.run.app
🛠️ 高级部署选项
将单个代理部署为微服务：
cd deployment
export PROJECT_ID="your-gcp-project-id"
./deploy_cloud_run.sh部署：
- 数据智能代理
- 公共指导代理（与MCP）
- 资源报告代理（A2A）
- 编排器
- MCP服务（网络阅读器、谷歌地图）
部署到顶点AI代理引擎：
cd deployment
export PROJECT_ID="your-gcp-project-id"
./deploy_agent_engine.sh特征：
- 原生Vertex AI代理集成
- 人在循环工作流程
- 高级对话管理
💻 地方发展
在本地运行以进行测试：
# Install dependencies
pip install -r requirements.txt
# Set environment variables
export PROJECT_ID="your-gcp-project-id"
export PORT=5002
# Run Flask app
python flask_app.py访问地址： http://localhost:5002
🧪 测试
😁 快速烟雾测试
bash tests/smoke_test.sh🔍 集成测试
python3 tests/integration_test.py📊 演示测试用例
结账 tests/demo_chat_cases.json 用于预构建的对话流和测试场景。
______________________________________________________________________
🛠️ 入门指南
先决条件
- Python 3.8+
- 谷歌云SDK
- 已安装ADK CLI
- BigQuery访问
快速设置
1.克隆存储库：
git clone https://github.com/sunilagarwal2007/phoenix-outbreak-intelligence.git
cd phoenix-outbreak-intelligence2.安装依赖项：
pip install -r requirements.txt3.设置Google Cloud凭据：
# Authenticate with Google Cloud
gcloud auth login
gcloud auth application-default login
# Set your project
export PROJECT_ID="your-gcp-project-id"
gcloud config set project $PROJECT_ID4.部署到云运行（推荐）：
./deploy.sh或在本地运行以进行开发：
export PROJECT_ID="your-gcp-project-id"
export PORT=5002
python flask_app.py访问地址： http://localhost:5002
环境变量
必修的：
export PROJECT_ID="your-gcp-project-id" # GCP project ID可选：
export PORT=5002 # Local development port
export GOOGLE_MAPS_API_KEY="your-api-key" # For full Maps MCP features
export REGION="us-central1" # GCP region for deployment______________________________________________________________________
🎬 截图
问：加州的新冠肺炎风险水平是多少？
问：我应该取消这个周末的家庭聚会吗？
问：我发烧了，我该怎么办？
______________________________________________________________________
🎬 现场演示
尝试部署的应用程序：
🌐 实时网址： 访问凤凰城疫情情报
要尝试的示例查询：
- “加州爆发疫情了吗？”
- “我听说孟买有一种新变种，致死率为60%。这是真的吗？”
- “我在旧金山发烧和咳嗽。我该去哪里？”
- “洛杉矶需要什么样的医疗资源？”
您将看到的功能：
- 实时BigQuery数据分析
- MCP驱动的谣言验证
- 使用谷歌地图查找医疗机构
- 风险评分和趋势可视化
- 可采取行动的公共卫生指导
______________________________________________________________________
🎆 准备好在下一次疫情传播之前发现它了吗？让凤凰迎接挑战！