Microsoft Agent技术应用
--AgentShell的实现原理介绍
[摘要]
本文介绍了如何应用Agent的以及AgentShell的实现原理和几个重要的技术处理。
[关键词]
Agent,COM,角色,语音识别，语音合成。
对Agent编程的方法主要有使用VB,VC等语言进行ActiveX调用，除此之外还有直接通过VC进行COM
编程调用。在VB中调用Agent是最简单不过了，但由于VB程序本身存在诸多缺陷，很难在实际中应用。
而在VC中，由于Agent内部完全采用了UNICODE编码，同时还要处理各种繁杂的COM接口，从而也存在一
定的问题。AgentShell是建立在Agent和应用程序之间的一个外壳程序，通过它可将Agent复杂的COM接
口封装起来，转变为简单的函数调用，很好的实现对Agent的控制。同时AgentShell也作为一个独立的程
序，可处理英文自动朗读等功能，本文将详细介绍其实现原理。
(一) 原理介绍
AgentShell和Agent Server的连接是通过COM调用来实现的，对于与应用程序的通信是通过WM_COPYDATA
消息来实现的， 下图表示出AgentShell与其它程序的关系:
[ Agent Server ]
¦
[ COM调用 ]
¦
[ AgentShell ]
¦
[ 消息 ]
¦
[ 应用程序 ]
将一个Agent控制加载相应的动画和语音码我们称之为“角色”，一般使用COM调用创建一个Agent角色，
要经过以下几个过程:
[ 初始化COM ]
¦
[ 连接Agent COM Sever,创建Agent控制 ]
¦
[ 注册Agent控制的消息反应器(Notify Sink) ]
¦
[ 加载角色数据文件，创建一个角色(Character) ]
¦
[ 设置角色的语言、初始位置以及其它属性 ]
¦
[ 显示角色 ]
AgentShell中定义以下全局变量来控制角色的属性和动作：
角色的消息ID: long g_lNotifySinkID。
角色ID: long g_lMyAgentID。
Agent控制指针: IAgentEx *g_pAgentEx。
角色指针: IAgentCharacterEx *g_pMyAgent。
角色消息反应器指针: AgentNotifySink *g_pSink。
使用以上变量可很容易的调用Agent的功能，如显示角色：
BOOL agentShow()
{
HRESULT hRes;
long lRequestID;
if( !g_pMyAgent)
return FALSE;
hRes = g_pMyAgent->Show(FALSE, &lRequestID);
if (FAILED(hRes))
return FALSE;
return TRUE;
}
(二) 角色的语言处理
目前Agent支持很多种语言，不仅是显示，还有语音合成和语音识辨(对于中文，目前仅支持显示)。
语言又分为主语言和子语言(或为副语言)，如中文的主语言为中文(LANG_CHINESE),子语言则可为
简体(SUBLANG_CHINESE_SIMPLIFIED)和繁体等。AgentShell中定义两个全局变量表达角色的语种:
主语言：DWORD g_nMainLang。
子语言：DWORD g_nSubLang。
这样程序内必须根据当前语言的不同来显示不同的信息，如程序退出时的问候信：
首先定义不同的语言信息，可以为宏定义或资源数据：
#define MES_GOODBYEL"Goodbye!"
#define MES_GOODBYE_CH L"再见!"
#define MES_GOODNIGHTL"Good night!"
#define MES_GOODNIGHT_CH L"祝您晚安!"
以下为实现退出提示代码:
void Goodbye()
{
if( g_bAgentOK)
{
SYSTEMTIME time;
agentStop();
agentShow();
agentPlay(L"Wave");
GetLocalTime(&time);
// 根据时间不同提示不同信息
if( g_nMainLang == LANG_ENGLISH)
{
// 提示英文信息
if( time.wHour < 19)
agentSpeak(MES_GOODBYE);
else
agentSpeak(MES_GOODNIGHT);
}
else
{
// 提示中文信息
if( time.wHour < 19)
agentSpeak(MES_GOODBYE_CH);
else
agentSpeak(MES_GOODNIGHT_CH);
}
agentHide();
// 等待若干时间
Sleep(MAX_QUIT_TIME);
}
}
当然以上介绍的只是一种较为简单的方法，仅在于描述这种原理。
(三) 实现自动朗读英文
实现自动朗读实际上是响应剪贴板消息的过程，当复制选种的文本信息时，系统自动发送WM_DRAWCLIPBOARD
消息给所有剪贴板监视队列中的窗口，相应的窗口只要读取当前剪贴板内的信息进行朗读即可，具体实现如下：
安装剪贴板监视:
void InstallClipSpy()
{
g_hNextWnd = SetClipboardViewer(g_hMainWnd);
}
主窗口的回调函数中相应剪贴板消息:
LRESULT CALLBACK WndProc(HWND hWnd, UINT message, WPARAM wParam, LPARAM lParam)
{
// 剪贴板窗口队列发生变化
case WM_CHANGECBCHAIN:
hwndRemove = (HWND)wParam; // handle of window being removed
hwndNext = (HWND) lParam;
if( hwndRemove == g_hNextWnd)
{
g_hNextWnd = hwndNext;
}
if( g_hNextWnd)
{
SendMessage(hwndNext, WM_CHANGECBCHAIN, wParam, lParam);
}
// 剪贴数据发生变化
case WM_DRAWCLIPBOARD:
// 是否自动阅读
if( g_bEnableRead)
{
// 阅读剪贴板信息
ReadClipText();
}
if( g_hNextWnd)
{
SendMessage(g_hNextWnd,WM_DRAWCLIPBOARD,wParam, lParam);
}
获取剪贴板信息并且朗读：
void ReadClipText()
{
if( g_bAgentOK)
{
// 只有文本文件才朗读
if( IsClipboardFormatAvailable(CF_TEXT))
{
if (OpenClipboard(g_hMainWnd))
{
LPWSTR pwsz;
UINT cch;
HGLOBAL hglb;
LPSTR lpstr;
hglb = GetClipboardData(CF_TEXT);
lpstr = (LPSTR)GlobalLock(hglb);
cch = lstrlen(lpstr);
if( cch > 0)
{
pwsz = new WCHAR[cch + 1];
MultiByteToWideChar(CP_ACP, 0, lpstr, -1, pwsz, cch);
pwsz[cch] = '\0';
agentSaveState();
agentPlay(L"Read");
agentSpeak(pwsz);
agentPlay(L"ReadReturn");
agentRestoreState();
delete pwsz;
}
GlobalUnlock(hglb);
CloseClipboard();
}
}
}
}
最后还须在程序退出时将当前窗口句柄从剪贴板监视队列移走:
void RemoveClipSpy()
{
ChangeClipboardChain(g_hMainWnd, g_hNextWnd);
}
(四) 与外部程序的接口
应用程序和AgentShell之间传递数据主要通过WM_COPYDATA消息实现，由于传递的数据类型各
有不同，所以需要定义一个数据结构来描述：
struct AgentActionSTRUCT
{
WORD nAction;
DWORD nD1;
DWORD nD2;
WCHAR sData[MAX_DATA_LEN];
};
nAction用来表示Agent应该执行的操作，如显示、表演等。nD1,nD2,sData用来记录传递的数据。
传递消息必须获取AgentShell主窗口的句柄，实现如下：
HWND GetAgentMainWnd()
{
return FindWindow(AGENT_CLASS_NAME, NULL);
}
由于Agent采用了UNICODE, 必须将ANSI字符转化为UNICODE字符:
BOOL SendMesToAgent(WORD nAction, DWORD nD1, DWORD nD2, LPCSTR sData)
{
UINT nSize;
HWND hWnd = GetAgentMainWnd();
if( hWnd)
{
action.nAction = nAction;
action.nD1 = (DWORD)nD1;
action.nD2 = (DWORD)nD2;
// 将ANSI符转换为UNICODE的字符
nSize = MultiByteToWideChar(CP_ACP, 0, sData, lstrlen(sData) + 1,
action.sData, MAX_DATA_LEN);
action.sData[nSize] = '\0';
//
COPYDATASTRUCT cds;
cds.dwData = (DWORD)0;
cds.cbData = (DWORD)sizeof(action);
cds.lpData = (VOID *)&action;
// 通过WM_COPYDATA消息与AgentShell交换数据
SendMessage(hWnd, WM_COPYDATA, (WPARAM)NULL, (LPARAM)&cds);
return TRUE;
}
return FALSE;
}
目前AgentShell提供的函数主要有:
// 启动角色外壳程序(AgentShell) bRun是否执行
BOOL agentAPIRun(BOOL bRun = TRUE);
// 退出角色外壳程序(AgentShell)
BOOL agentAPIExit();
// 创建一个新角色(sPath角色数据文件路径, nLang主语言, nSubLang子语言)
BOOL agentAPICreate(LPCSTR sPath, UINT nLang, UINT nSubLang);
// 设置角色名字(sName角色名字)
BOOL agentAPISetName(LPCSTR sName);
// 将角色卸载
BOOL agentAPIUnload();
// 显示角色
BOOL agentAPIShow();
// 隐藏角色
BOOL agentAPIHide();
// 显示或隐藏角色
BOOL agentAPIShowORHide();
// 停止角色表演
BOOL agentAPIStop();
// 角色表演(sAction动作名称)
BOOL agentAPIPlay(LPCSTR sAction);
// 角色讲话(sText句子)
BOOL agentAPISpeak(LPCSTR sText);
// 角色鞠躬(x,y 指方向)
BOOL agentAPIGesAt(WORD x, WORD y);
// 移动角色到指定的位置(x,y移动的坐标)
BOOL agentAPIMoveTo(WORD x, WORD y);
// 保存当前角色显示状态
BOOL agentAPISaveState();
// 恢复角色的状态
BOOL agentAPIRestoreState();
// 允许自动阅读
BOOL agentAPIEnableAutoRead();
// 禁止自动阅读
BOOL agentAPIDisableAutoRead();
注意传递给AgentShell的数据长度不要超过1K(实际上一般不会大于1K)。
2) 使用接口
有了以上介绍的接口函数，对Agent的控制变的很简单，以下是一个简单的问候示例：
// 启动AgentShell
if( agentAPIRun(TRUE))
{
// 保存当前Agent的状态
agentAPISaveState();
// 开始表演
agentAPIPlay(_T("Greet"));
// 讲话
agentAPISpeak(_T("hello, my friend."));
// 表演结束
agentAPIPlay(_T("GreetReturn"));
// 恢复原来状态
agentAPIRestoreState();
// 退出
agentAPIExit();
}
AgentShell在笔者的免费软件"我的助手"中得到很好的利用，当然目前其仅涉及了Agent的一小部分内容，还有如语音识辨等，未做处理，还有待一步改进。以上程序在Visual C++ 6.0编译通过,源代码可到助手之家（http://www.helperHome.com）下载。
本文地址：http://com.8s8s.com/it/it4138.htm