update deploy doc and fix typos in get started

docs/docs/deploy.md

@@ -1,29 +1,91 @@
 # 部署上云
 
+VeADK提供了一个云引擎，配合命令行脚手架，你可以方便地：
+
+- 将你的本地Agent项目上传到云端
+- 启动一个新的样例模板项目进行开发
+
+你可以指定部署到云端的项目以三种模式进行对外服务：
+
+- VeADK Studio
+- VeADK Web（兼容Google ADK Web）
+- A2A Server
+
+前两种将会为你提供一个Web界面，方便你在浏览器中进行测试与可观测实践。
+
+## 脚手架
+
+你可以运行`init`命令来初始化一个新的Agent项目：
+
+```bash
+veadk init
+```
+
+它会提示你输入如下几个参数：
+
+- 本地项目名称（即项目的本地目录名称）
+- VeFaaS应用名称
+- 火山引擎网关实例名称
+- 火山引擎网关服务名称
+- 火山引擎网关Upstream名称
+- 部署模式
+  1. A2A Server
+  2. VeADK Studio
+  3. VeADK Web / Google ADK Web
+
+生成后的项目结构如下：
+
+```bash
+└── veadk-cloud-proj
+    ├── __init__.py
+    ├── config.yaml.example # 需要修改为config.yaml并设置
+    ├── deploy.py # 部署脚本文件
+    ├── README.md
+    └── src
+        ├── __init__.py
+        ├── agent.py # 在其中定义你的Agent和短期记忆
+        ├── app.py # FastAPI应用，用于处理HTTP请求
+        ├── requirements.txt    # 依赖
+        ├── run.sh # VeFaaS服务启动脚本
+        └── studio_app.py # 用于VeADK Studio/Web的应用
+```
+
+别担心，你所创建的`config.yaml`不会被上传到云端，其中的属性值将会以环境变量的形式上传至VeFaaS平台。
+
+只有`src/`路径下的文件才会被上传到云端。
+
 ## Cloud Agent Engine
 
-通过定义一个云引擎，能够将本地Agent工程直接部署至VeFaaS中，并自动启动一个A2A Server。
+如果你已经有一个较为成熟的Agent项目，你可以通过VeADK中提供的云引擎来部署你的项目。VeFaaS平台所需的部署文件我们将会为你自动生成到你的项目路径中。
 
 ```python
 from veadk.cloud.cloud_agent_engine import CloudAgentEngine
 
 engine = CloudAgentEngine()
 
 # Create application thru local folder and unique application name
-cloud_app = engine.deploy(path=<absolute path of your agent application, e.g. /Users/my_agent_name>, name=<unique name of your agent. e.g. veadk-agent>)
+cloud_app = engine.deploy(...)
+```
 
-# Delete applicaton by name
-async def delete_app(app_name: str):
-    engine = CloudAgentEngine()
-    engine.remove(app_name)
+类`CloudAgentEngine`初始化需要传入你的火山引擎AK/SK；如果你没有传入，那么VeADK将自动从你的环境变量中获取。
 
-if __name__ == "__main__":
-    asyncio.run(delete_app("veadk-agent"))
-```
+进行`deploy`函数调用时，关键参数如下：
+
+| 参数名称 | 类型 | 说明 |
+| --- | --- | --- |
+| path | str | 本地Agent项目路径 |
+| application_name | str | 云应用名称 |
+| gateway_name | str | 火山引擎网关实例名称 |
+| gateway_service_name | str | 火山引擎网关服务名称 |
+| gateway_upstream_name | str | 火山引擎网关Upstream名称 |
+| use_studio | bool | 是否在云端使用VeADK Studio |
+| use_adk_web | bool | 是否在云端使用VeADK Web / Google Web |
+
+注意：`use_studio`与`use_adk_web`不可同时为`True`。
 
 ## Cloud App
 
-部署完成后，将返回一个`CloudApp`实例，代表云应用，主要功能包括：
+当你使用`CloudAgentEngine`部署完成后，将返回一个`CloudApp`实例，代表云应用，主要功能包括：
 
 - 发起一个远程会话创建请求
 - 发起一个Agent执行任务/对话任务
@@ -36,7 +98,6 @@ cloud_app.create_session(user_id=..., session_id=...)
 
 # 发起任务
 cloud_app.invoke(user_id=..., session_id=..., message=...)
-
 ```
 
 - 通过端点发起一个远程会话创建请求
@@ -54,6 +115,7 @@ app = CloudApp(name="veadk-agent", endpoint=ENDPOINT)
 
 # 发起任务
 cloud_app.invoke(user_id=USER_ID, session_id=SESSION_ID, message=...)
-
-
 ```
+
+- 更新自身代码
+- 删除自身

docs/docs/get-started.md

@@ -53,23 +53,22 @@ VeADK中集成了多个火山引擎提供的工具：
 - Browser sandbox (TBD)
 - Code sandbox (TBD)
 
-
 ### MCP工具
 
-采用如下方式定义一个MCP工具, e.g. LAS 
+VeADK支持定义MCP工具来进行功能扩展，例如飞书Lark MCP工具、LAS数据湖MCP工具等。
+
+以飞书Lark MCP工具为例，采用如下方式定义：
 
 ```python
-# 以飞书Lark MCP工具为例
 lark_tools = MCPToolset(
     connection_params=StdioServerParameters(
         command="npx",
-        args=[...],
+        args=[..., "@larksuiteoapi/lark-mcp", ...],
         errlog=None,
     ),
 )
 
 remote_mcp_server = MCPToolset(connection_params=SseConnectionParams(url=url))
-
 ```
 
 ### 系统工具