AgentCore WebRTC 双向流：KVS TURN 实时语音 Agent 实战¶

Lab 信息

难度: ⭐⭐ 中级
预估时间: 45 分钟
预估费用: $3-5（含清理）
Region: us-east-1
最后验证: 2026-03-21

背景¶

Amazon Bedrock AgentCore Runtime 新增了 WebRTC 协议支持，为双向实时流（Bidirectional Streaming）提供了 WebSocket 之外的第二种选择。

WebRTC 使用 UDP 传输，在浏览器和移动端有原生 API 支持，是构建实时语音 Agent 的理想协议。但它也带来了额外的基础设施需求：VPC 网络模式 + TURN relay。

本文将从零开始，部署一个基于 WebRTC 的语音 Agent 到 AgentCore Runtime，使用 Amazon Kinesis Video Streams（KVS）管理的 TURN 服务器进行媒体中继，并结合 Nova Sonic 实现实时语音对话。

前置条件¶

AWS 账号，已配置 AWS CLI v2
IAM 权限：BedrockAgentCoreFullAccess（或等效自定义策略）
Python 3.10+（仅用于安装 agentcore CLI；Agent 本身在 Python 3.12 容器中运行）
Git

核心概念¶

WebSocket vs WebRTC：两种双向流协议¶

AgentCore Runtime 支持两种双向流协议，适用于不同场景：

维度	WebSocket	WebRTC
传输层	TCP	UDP
适用场景	文本 + 音频流	实时音视频
延迟特性	可靠但延迟较高	低延迟（容忍丢包）
额外基础设施	无	TURN relay + VPC 模式
认证方式	SigV4 / OAuth 2.0	通过 TURN credentials
客户端支持	需要 SDK	浏览器原生 API

选择建议：如果你的 Agent 主要做文本对话或不需要极低延迟，WebSocket 更简单。如果是浏览器/移动端的实时语音场景，WebRTC 是更好的选择。

WebRTC on AgentCore 的两个硬性要求¶

VPC 网络模式：AgentCore Runtime 必须配置 VPC 网络模式（PUBLIC 模式不支持 outbound UDP）
TURN relay：三种选项可选：

TURN 选项	运维成本	适用场景
Amazon KVS managed TURN（推荐）	免运维，IAM 集成	大多数场景
第三方 managed TURN	低	已有 TURN 供应商
自建 TURN（coturn）	高	需要完全控制

架构概览¶

Browser (WebRTC API)
    ↕ UDP/TURN
KVS TURN Relay Server
    ↕ UDP/TURN
AgentCore Runtime (VPC 私有子网)
    → ENI → NAT Gateway → IGW → KVS TURN endpoints
    → Bedrock Nova Sonic (bidirectional stream)

连接流程（4 步）：

Client 调用 Agent 获取 KVS TURN credentials 和 ICE server 配置
Client 创建 WebRTC offer → Agent 创建 peer connection → 返回 answer
Client 和 Agent 交换 ICE candidates，通过 TURN server 建立连接
连接建立后，Client 实时发送麦克风音频 → Agent 转发给 Nova Sonic → 语音回复流回 Client

动手实践¶

Step 1: 创建 VPC 网络环境¶

AgentCore WebRTC Agent 需要一个带 NAT Gateway 的 VPC（私有子网通过 NAT Gateway 访问 KVS TURN endpoints）。

重要

AgentCore 使用私有子网创建 ENI，公共子网不提供 internet 连接。必须通过 NAT Gateway 路由出站流量。

export AWS_PROFILE=your-profile
export AWS_DEFAULT_REGION=us-east-1

# 创建 VPC
VPC_ID=$(aws ec2 create-vpc \
  --cidr-block 10.0.0.0/16 \
  --tag-specifications 'ResourceType=vpc,Tags=[{Key=Name,Value=webrtc-agent-vpc}]' \
  --query 'Vpc.VpcId' --output text)

aws ec2 modify-vpc-attribute --vpc-id $VPC_ID --enable-dns-support '{"Value":true}'
aws ec2 modify-vpc-attribute --vpc-id $VPC_ID --enable-dns-hostnames '{"Value":true}'

# 创建 Internet Gateway
IGW_ID=$(aws ec2 create-internet-gateway \
  --tag-specifications 'ResourceType=internet-gateway,Tags=[{Key=Name,Value=webrtc-igw}]' \
  --query 'InternetGateway.InternetGatewayId' --output text)
aws ec2 attach-internet-gateway --internet-gateway-id $IGW_ID --vpc-id $VPC_ID

# 创建公共子网（放 NAT Gateway）
PUB_SUBNET=$(aws ec2 create-subnet \
  --vpc-id $VPC_ID --cidr-block 10.0.1.0/24 --availability-zone us-east-1a \
  --tag-specifications 'ResourceType=subnet,Tags=[{Key=Name,Value=webrtc-public}]' \
  --query 'Subnet.SubnetId' --output text)

# 创建私有子网（放 AgentCore ENI）
PRIV_SUBNET=$(aws ec2 create-subnet \
  --vpc-id $VPC_ID --cidr-block 10.0.2.0/24 --availability-zone us-east-1a \
  --tag-specifications 'ResourceType=subnet,Tags=[{Key=Name,Value=webrtc-private}]' \
  --query 'Subnet.SubnetId' --output text)

# 创建 NAT Gateway
EIP_ID=$(aws ec2 allocate-address --domain vpc \
  --tag-specifications 'ResourceType=elastic-ip,Tags=[{Key=Name,Value=webrtc-nat-eip}]' \
  --query 'AllocationId' --output text)

NAT_ID=$(aws ec2 create-nat-gateway \
  --subnet-id $PUB_SUBNET --allocation-id $EIP_ID \
  --tag-specifications 'ResourceType=natgateway,Tags=[{Key=Name,Value=webrtc-nat}]' \
  --query 'NatGateway.NatGatewayId' --output text)

echo "等待 NAT Gateway 就绪..."
aws ec2 wait nat-gateway-available --nat-gateway-ids $NAT_ID

# 配置路由表
# 公共子网 → IGW
PUB_RT=$(aws ec2 create-route-table --vpc-id $VPC_ID \
  --tag-specifications 'ResourceType=route-table,Tags=[{Key=Name,Value=webrtc-public-rt}]' \
  --query 'RouteTable.RouteTableId' --output text)
aws ec2 create-route --route-table-id $PUB_RT --destination-cidr-block 0.0.0.0/0 --gateway-id $IGW_ID
aws ec2 associate-route-table --route-table-id $PUB_RT --subnet-id $PUB_SUBNET

# 私有子网 → NAT Gateway
PRIV_RT=$(aws ec2 create-route-table --vpc-id $VPC_ID \
  --tag-specifications 'ResourceType=route-table,Tags=[{Key=Name,Value=webrtc-private-rt}]' \
  --query 'RouteTable.RouteTableId' --output text)
aws ec2 create-route --route-table-id $PRIV_RT --destination-cidr-block 0.0.0.0/0 --nat-gateway-id $NAT_ID
aws ec2 associate-route-table --route-table-id $PRIV_RT --subnet-id $PRIV_SUBNET

# 创建安全组
SG_ID=$(aws ec2 create-security-group \
  --group-name webrtc-agent-sg \
  --description "WebRTC agent - allow all outbound for TURN" \
  --vpc-id $VPC_ID \
  --tag-specifications 'ResourceType=security-group,Tags=[{Key=Name,Value=webrtc-agent-sg}]' \
  --query 'GroupId' --output text)

echo "VPC=$VPC_ID  PRIV_SUBNET=$PRIV_SUBNET  SG=$SG_ID"

记下 PRIV_SUBNET 和 SG_ID，后续部署 Agent 时需要。

Step 2: 克隆示例代码¶

git clone --depth 1 https://github.com/awslabs/amazon-bedrock-agentcore-samples.git
cd amazon-bedrock-agentcore-samples/01-tutorials/01-AgentCore-runtime/06-bi-directional-streaming-webrtc

项目结构：

agent/
  bot.py           # FastAPI 服务，WebRTC offer/answer、ICE 处理
  kvs.py           # KVS signaling channel 和 TURN server 管理
  audio.py         # 音频重采样（av）和 WebRTC 输出 track
  nova_sonic.py    # Nova Sonic 双向流 session
  requirements.txt
  Dockerfile
server/
  index.html       # 浏览器客户端（WebRTC + AgentCore Runtime 调用）
  server.py        # 静态文件服务

Docker Hub 限速问题

如果遇到 Docker Hub 429 Too Many Requests，修改 agent/Dockerfile 第一行：

# 改前
FROM python:3.12-slim
# 改后
FROM public.ecr.aws/docker/library/python:3.12-slim

Step 3: 配置并部署 Agent¶

pip install bedrock-agentcore-starter-toolkit

cd agent

# 配置 AgentCore（VPC 模式）
agentcore configure \
  -e bot.py \
  --deployment-type container \
  --disable-memory \
  --vpc \
  --subnets $PRIV_SUBNET \
  --security-groups $SG_ID \
  --non-interactive

# 部署到 AgentCore Runtime（CodeBuild 远程构建 ARM64 镜像）
agentcore deploy \
  --env KVS_CHANNEL_NAME=voice-agent-webrtc \
  --env AWS_REGION=us-east-1

部署过程约 1-2 分钟（CodeBuild 构建 + Agent Runtime 创建）。完成后记下输出的 Agent ARN。

Step 4: 附加 IAM 权限¶

Agent 的执行角色需要 KVS 和 Bedrock 权限：

# 从 agentcore status 或部署输出中获取角色名
ROLE_NAME=AmazonBedrockAgentCoreSDKRuntime-us-east-1-xxxxxxxxxx

# KVS 权限（TURN server 访问）
aws iam put-role-policy \
  --role-name $ROLE_NAME \
  --policy-name kvs-access \
  --policy-document '{
    "Version": "2012-10-17",
    "Statement": [{
      "Effect": "Allow",
      "Action": [
        "kinesisvideo:DescribeSignalingChannel",
        "kinesisvideo:CreateSignalingChannel",
        "kinesisvideo:GetSignalingChannelEndpoint",
        "kinesisvideo:GetIceServerConfig"
      ],
      "Resource": "arn:aws:kinesisvideo:us-east-1:*:channel/*"
    }]
  }'

# Bedrock Nova Sonic 权限
aws iam put-role-policy \
  --role-name $ROLE_NAME \
  --policy-name bedrock-nova-sonic \
  --policy-document '{
    "Version": "2012-10-17",
    "Statement": [{
      "Effect": "Allow",
      "Action": "bedrock:InvokeModelWithBidirectionalStream",
      "Resource": "arn:aws:bedrock:us-east-1:*:foundation-model/*"
    }]
  }'

Step 5: 验证 Agent 部署¶

# 检查 Agent 状态
AGENT_ID=your-agent-id  # 从部署输出获取
aws bedrock-agentcore-control get-agent-runtime \
  --agent-runtime-id $AGENT_ID \
  --region us-east-1 \
  --query '{status:status,arn:agentRuntimeArn}'

输出应显示 "status": "READY"。

通过 CLI 测试 ICE config 获取：

AGENT_ARN="arn:aws:bedrock-agentcore:us-east-1:ACCOUNT_ID:runtime/$AGENT_ID"
SESSION_ID=$(python3 -c "import uuid; print(str(uuid.uuid4()))")

aws bedrock-agentcore invoke-agent-runtime \
  --agent-runtime-arn "$AGENT_ARN" \
  --runtime-session-id "$SESSION_ID" \
  --content-type "application/json" \
  --accept "application/json" \
  --payload $(echo -n '{"action":"ice_config"}' | base64) \
  --region us-east-1 \
  /tmp/ice-response.json

cat /tmp/ice-response.json | python3 -m json.tool

成功响应会返回 KVS TURN server 列表，包含 TURN/TURNS 的 UDP 和 TCP URL。

Step 6: 浏览器测试语音对话¶

启动本地静态文件服务器：

cd ../server
pip install -r requirements.txt
python server.py  # http://localhost:7860

打开浏览器访问 http://localhost:7860：

在 Agent Runtime ARN 输入框中填入 Agent ARN
填入 AWS Access Key / Secret Key（需要 bedrock-agentcore:InvokeAgentRuntime 权限）
点击 Connect
授权麦克风访问
开始说话 — Agent 会通过 Nova Sonic 实时语音回复

测试结果¶

AgentCore Runtime 调用延迟¶

指标	冷启动（新 Session）	热调用（同 Session）
样本数	10	4
平均延迟	8,747ms	1,394ms
最小延迟	8,672ms	1,380ms
最大延迟	8,855ms	1,410ms

冷启动 ~8.7s：包含容器初始化 + VPC ENI 分配，是 VPC 模式的固定开销
热调用 ~1.4s：容器已就绪后，单次 API 调用延迟。包含 KVS GetIceServerConfig API 调用时间

冷启动优化

实际语音对话场景中，冷启动只发生在第一次连接。后续的 WebRTC 音频帧传输走的是 UDP 直连（通过 TURN），不经过 AgentCore invoke API，延迟远低于上表数字。

KVS TURN Server 配置¶

参数	值
TURN 服务器数量	2（高可用）
每个服务器 URL 数	3（TURN UDP / TURNS UDP / TURNS TCP）
Credential TTL	300 秒（5 分钟）
端口	443（统一，防火墙友好）

音频参数¶

参数	值
输入采样率	16kHz
输出采样率	24kHz
格式	16-bit PCM mono
模型	amazon.nova-2-sonic-v1:0
语音	matthew
WebRTC 帧大小	20ms

踩坑记录¶

踩坑 1: Docker Hub Rate Limit

CodeBuild 默认从 docker.io 拉取 base image，频繁构建会触发 429 Too Many Requests。解决：将 Dockerfile 的 FROM python:3.12-slim 改为 FROM public.ecr.aws/docker/library/python:3.12-slim。 已查文档确认：这是 Docker Hub 的限制，与 AWS 无关。

踩坑 2: Nova Sonic Region 可用性

amazon.nova-2-sonic-v1:0 并非所有 Region 都可用。本文测试时 ap-southeast-1（Singapore）无法使用，us-east-1 可用。建议：先用 aws bedrock list-foundation-models 确认目标 Region 是否有 Nova Sonic。 实测发现，官方 Region 可用性列表需要分别确认 AgentCore 和 Bedrock FM 两个维度。

踩坑 3: Agent 更新冲突

如果 Agent Runtime 已存在，agentcore deploy 默认不覆盖，需要加 --auto-update-on-conflict。如果 Agent 正在 CREATING/UPDATING 状态，更新会失败，需等状态变为 READY。 实测发现，官方未记录。

踩坑 4: Session ID 长度限制

runtimeSessionId 最少 33 个字符。使用 UUID（36 字符）可以满足要求。 已查文档确认：API 参数限制。

费用明细¶

资源	单价	用量	费用
NAT Gateway	$0.045/hr	2 hr	$0.09
NAT Gateway 数据处理	$0.045/GB	~0.1 GB	$0.005
KVS Signaling Channel	$0.0012/channel/month	1 channel	~$0.00
AgentCore Runtime 调用	按调用计费	~20 次	~$1.00
Bedrock Nova Sonic	按 token 计费	测试量	~$0.50
EIP（NAT 关联）	$0.00（关联状态）	-	$0.00
合计			~$1.60

清理资源¶

export AWS_PROFILE=your-profile
export AWS_DEFAULT_REGION=us-east-1

# 1. 销毁 AgentCore Agent
agentcore destroy

# 2. 删除 KVS Signaling Channel
CHANNEL_ARN=$(aws kinesisvideo describe-signaling-channel \
  --channel-name voice-agent-webrtc \
  --query 'ChannelInfo.ChannelARN' --output text)
aws kinesisvideo delete-signaling-channel --channel-arn $CHANNEL_ARN

# 3. 检查 ENI 残留（VPC 模式的 ENI 可能保持长达 8 小时）
aws ec2 describe-network-interfaces \
  --filters "Name=group-id,Values=$SG_ID" \
  --query 'NetworkInterfaces[].{Id:NetworkInterfaceId,Status:Status,Description:Description}'
# 如果有残留 ENI，等待自动释放或手动 detach 后删除

# 4. 删除 VPC 资源（按依赖顺序）
aws ec2 delete-nat-gateway --nat-gateway-id $NAT_ID
echo "等待 NAT Gateway 删除..."
aws ec2 wait nat-gateway-deleted --nat-gateway-ids $NAT_ID 2>/dev/null || sleep 60

aws ec2 release-address --allocation-id $EIP_ID
aws ec2 delete-subnet --subnet-id $PRIV_SUBNET
aws ec2 delete-subnet --subnet-id $PUB_SUBNET
aws ec2 delete-route-table --route-table-id $PRIV_RT
aws ec2 delete-route-table --route-table-id $PUB_RT
aws ec2 detach-internet-gateway --internet-gateway-id $IGW_ID --vpc-id $VPC_ID
aws ec2 delete-internet-gateway --internet-gateway-id $IGW_ID
aws ec2 delete-security-group --group-id $SG_ID
aws ec2 delete-vpc --vpc-id $VPC_ID

# 5. 验证清理完成
aws ec2 describe-vpcs --vpc-ids $VPC_ID 2>&1 | grep -q "does not exist" && echo "VPC 已删除 ✅"

务必清理

Lab 完成后请执行清理步骤，避免 NAT Gateway 持续计费（$0.045/hr ≈ $32/月）。

端到端语音对话验证（Python WebRTC 客户端）¶

上面的测试验证了 API 层面的 ICE config 获取和 SDP 交换，但没有真正发送和接收音频。本节使用 Python 脚本替代浏览器，实现完整的端到端语音对话验证。

测试架构¶

┌─────────────────────────┐
│  Python WebRTC Client   │
│  (dev-server)           │
│                         │
│  1. edge-tts 生成音频    │
│  2. aiortc WebRTC 连接   │
│  3. 发送 PCM 音频        │
│  4. 录制响应音频          │
└────────┬────────────────┘
         │ UDP (TURN relay)
         ▼
┌─────────────────────────┐
│  KVS TURN Server        │
│  (AWS managed)          │
└────────┬────────────────┘
         │ UDP (TURN relay)
         ▼
┌─────────────────────────┐
│  AgentCore Runtime      │
│  (VPC 私有子网)          │
│                         │
│  bot.py (aiortc)        │
│    → Nova Sonic 双向流    │
│    → 语音识别 + 生成      │
└─────────────────────────┘

依赖安装¶

pip install edge-tts aiortc aiohttp av

Step 1: 生成测试音频¶

使用 Microsoft Edge TTS 生成中文问题音频，转换为 Nova Sonic 要求的 16kHz/16-bit/mono PCM：

import edge_tts
import av
import struct

# 生成中文语音
text = "请介绍一下你自己"
communicate = edge_tts.Communicate(text, "zh-CN-XiaoxiaoNeural")
await communicate.save("/tmp/question.mp3")

# 转换为 16kHz PCM WAV
container = av.open("/tmp/question.mp3")
resampler = av.AudioResampler(format='s16', layout='mono', rate=16000)
pcm_data = bytearray()
for frame in container.decode(audio=0):
    for rf in resampler.resample(frame):
        pcm_data.extend(bytes(rf.planes[0]))

# 写入 WAV 文件（省略 header 代码）

生成结果：2.88 秒，92,224 字节。

Step 2: Python WebRTC 客户端核心代码¶

关键组件：

FileAudioTrack — 从 WAV 文件读取 PCM 数据，按 20ms 帧率实时发送：

class FileAudioTrack(MediaStreamTrack):
    kind = "audio"

    async def recv(self):
        # 按实时节奏返回 20ms 音频帧
        frame_bytes = 320 * 2  # 16kHz * 20ms * 16bit
        chunk = self._pcm_data[self._offset:self._offset + frame_bytes]
        # ... 设置 pts、time_base，返回 AudioFrame

AudioRecorder — 录制远程音频 track，检测非静音帧：

class AudioRecorder:
    def add_frame(self, frame):
        pcm = bytes(resampled_frame.planes[0])
        samples = struct.unpack(f'<{len(pcm)//2}h', pcm)
        max_amp = max(abs(s) for s in samples)
        if max_amp > 100:  # 非静音阈值
            self._last_audio_time = time.time()
        self._chunks.append(pcm)

信令流程 — 通过 AgentCore Runtime API 完成 ICE + SDP 交换：

# 1. 获取 TURN credentials
ice_response = invoke_agent(session, agent_arn, session_id, {"action": "ice_config"})

# 2. 创建 PeerConnection，配置 TURN
pc = RTCPeerConnection(RTCConfiguration(iceServers=ice_servers))
pc.addTrack(FileAudioTrack("/tmp/question.wav"))

# 3. SDP 交换
offer = await pc.createOffer()
await pc.setLocalDescription(offer)
answer = invoke_agent(session, agent_arn, session_id, {
    "action": "offer",
    "data": {"sdp": offer.sdp, "type": offer.type, "turnOnly": True}
})
await pc.setRemoteDescription(RTCSessionDescription(**answer))

# 4. 等待连接 + 自动流式传输音频
# FileAudioTrack.recv() 按 20ms 节奏自动发送
# on("track") 回调自动录制响应

payload 编码

Python SDK (boto3) 的 invoke_agent_runtime 的 payload 参数接受 raw bytes（不是 base64），响应在 response 字段（不是 body）。这与 CLI 的 --payload（接受 base64）不同。

测试结果¶

指标	值
ICE config 延迟	1.35s
SDP 交换延迟	0.88s
WebRTC 连接建立	1.50s
发送音频时长	2.23s
接收响应时长	20.70s
首个响应音频	连接建立后 3.90s
响应帧数	1,399 帧
端到端总时间	33.32s

响应音频分析¶

指标	值
平均音量	-25.9 dB
峰值音量	-8.7 dB（无 clipping）
有效语音	~20.7 秒
采样率	48kHz（Opus 解码原始），mono PCM
格式	s16 packed stereo（aiortc 解码）→ deinterleave → mono PCM

有效语音约 20.7 秒，Nova Sonic 用英文（matthew 声音）回答了自我介绍
连接建立后约 3.9 秒开始收到响应音频（包含模型处理延迟）
峰值 -8.7 dB，远低于 0 dB clipping 阈值，音频质量良好

音频文件¶

文件	时长	大小	说明
question.wav	2.23s	70 KB	发送的中文问题（edge-tts 生成）
response.wav	21.68s	2.0 MB	Agent 语音回复（Nova Sonic matthew，48kHz mono）

TURN Forbidden IP 警告

测试中 aioice 库报出 STUN transaction failed (403 - Forbidden IP) 警告，这是 CHANNEL_BIND 请求被 KVS TURN 服务器拒绝（某些 peer IP 不被允许直接绑定）。不影响功能 — 连接通过 Send Indication 方式仍然成功建立。

结论与建议¶

AgentCore Runtime WebRTC 双向流是一个值得关注的新能力，但目前仍有较高的基础设施门槛。以下是我们通过端到端实测总结的关键判断。

WebRTC 的价值¶

AgentCore Runtime 新增 WebRTC 支持，为浏览器和移动端的实时语音 Agent 提供了原生级体验：

低延迟：UDP 传输，适合实时对话
浏览器原生：无需额外 SDK，getUserMedia() + RTCPeerConnection 即可
防火墙友好：TURN over TLS/443 可穿透大部分企业防火墙

与 WebSocket 的选择¶

场景	推荐协议
浏览器实时语音 Agent	WebRTC
移动端实时语音 Agent	WebRTC
服务端文本 + 音频流	WebSocket
不想管 VPC/TURN 基础设施	WebSocket
需要最低运维复杂度	WebSocket

生产环境建议¶

至少 2 个 AZ：为 AgentCore 配置多 AZ 私有子网，提高可用性
TURN Credential 刷新：TTL 仅 5 分钟，客户端需要定期刷新
监控冷启动：VPC 模式冷启动 ~8.7s，可通过保持活跃 session 缓解
安全组最小化：虽然本文使用了默认 outbound all，生产环境建议限制到 TURN server IP 范围

AgentCore WebRTC 双向流：KVS TURN 实时语音 Agent 实战¶

背景¶

前置条件¶

核心概念¶

WebSocket vs WebRTC：两种双向流协议¶

WebRTC on AgentCore 的两个硬性要求¶

架构概览¶

动手实践¶

Step 1: 创建 VPC 网络环境¶

Step 2: 克隆示例代码¶

Step 3: 配置并部署 Agent¶

Step 4: 附加 IAM 权限¶

Step 5: 验证 Agent 部署¶

Step 6: 浏览器测试语音对话¶

测试结果¶

AgentCore Runtime 调用延迟¶

KVS TURN Server 配置¶

音频参数¶

踩坑记录¶

费用明细¶

清理资源¶

端到端语音对话验证（Python WebRTC 客户端）¶

测试架构¶

依赖安装¶

Step 1: 生成测试音频¶

Step 2: Python WebRTC 客户端核心代码¶

测试结果¶

响应音频分析¶

音频文件¶

结论与建议¶

WebRTC 的价值¶

与 WebSocket 的选择¶

生产环境建议¶

参考链接¶