AgentScope Java 集成 Spring AI Alibaba Workflow 完整指南

Ne0inhk

— 8 min read

AgentScope Java 集成 Spring AI Alibaba Workflow 完整指南

结合 agentscope-ai/agentscope-java、alibaba/spring-ai-alibaba 及 java2ai 生态中 Graph Core 工作流规范，以下是可落地的集成方案，涵盖核心思路、工程配置、代码实现、最佳实践四部分，兼顾 AgentScope 智能体特性与 Spring AI 工作流的工程化能力。

一、核心集成思路

1. 能力边界划分（关键前提）

框架/组件核心职责
AgentScope Java智能体（Agent）生命周期管理、多智能体协作、工具调用、上下文（Context）管理
Spring AI Alibaba阿里云大模型（通义千问/百炼）标准化调用、Workflow 声明式编排、Spring 生态适配
Java2AI Graph Core工作流节点标准化定义、执行引擎适配、可视化编排规范（参考）

2. 集成核心逻辑

以 “AgentScope 为智能体核心 + Spring AI Alibaba 为工作流引擎” 为核心，通过三层适配实现能力融合：

  1. 模型层复用：AgentScope 复用 Spring AI Alibaba 的 DashScope 客户端，统一大模型调用；
  2. 工作流层封装：将 Spring AI Alibaba Workflow 封装为 AgentScope 可调用的“工具/服务”；
  3. 执行层适配：对齐异步模型（Reactor/CompletableFuture）、生命周期（Spring/AgentScope）、上下文数据格式。

二、前置工程配置

1. 依赖整合（Maven pom.xml）

需兼容 JDK 17+、Spring Boot 3.2+，核心依赖如下（版本以官方最新为准）：

<!-- Spring Boot 核心（支撑 Spring AI） --><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.2.5</version><relativePath/></parent><dependencies><!-- 1. Spring AI Alibaba 核心（含 Workflow + DashScope 客户端） --><dependency><groupId>com.alibaba</groupId><artifactId>spring-ai-alibaba-dashscope-spring-boot-starter</artifactId><version>0.1.0</version></dependency><dependency><groupId>com.alibaba</groupId><artifactId>spring-ai-alibaba-workflow-core</artifactId><version>0.1.0</version></dependency><!-- 2. AgentScope Java 核心 --><dependency><groupId>io.agentscope</groupId><artifactId>agentscope-core</artifactId><version>0.1.0</version></dependency><dependency><groupId>io.agentscope</groupId><artifactId>agentscope-spring-boot-starter</artifactId><version>0.1.0</version><!-- 简化 Spring 集成 --></dependency><!-- 3. Java2AI Graph Core（可选，标准化工作流节点） --><dependency><groupId>com.java2ai</groupId><artifactId>graph-core</artifactId><version>1.0.0</version></dependency><!-- 4. 基础依赖 --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-validation</artifactId></dependency></dependencies>

2. 配置文件（application.yml）

统一模型密钥、工作流引擎、AgentScope 配置：

# 1. Spring AI Alibaba 配置spring:ai:# 阿里云 DashScope 配置（通义千问）dashscope:api-key: ${DASHSCOPE_API_KEY:你的阿里云API密钥}chat:options:model: qwen-turbo temperature:0.7# Spring AI Workflow 配置workflow:executor:thread-pool-size:8persistence:enabled:true# 开启工作流持久化（可选）# 2. AgentScope 配置（复用 Spring AI 的模型密钥）agentscope:core:agent:default-context-size:1000# 智能体默认上下文大小model:dashscope:api-key: ${spring.ai.dashscope.api-key}model-name: ${spring.ai.dashscope.chat.options.model}spring:integration:enabled:true# 开启 AgentScope 与 Spring 集成# 3. Java2AI Graph Core 配置（可选）java2ai:graph:core:node-package: com.yourpackage.agent.workflow.node # 工作流节点扫描包

三、核心代码实现

步骤 1：定义 Spring AI Alibaba Workflow 模板

参考 Java2AI Graph Core 节点规范，定义标准化的 AI 工作流（以医疗场景“病历分析”为例）：

packagecom.yourpackage.workflow;importcom.alibaba.spring.ai.workflow.annotation.Workflow;importcom.alibaba.spring.ai.workflow.annotation.WorkflowNode;importcom.alibaba.spring.ai.workflow.executor.WorkflowContext;importorg.springframework.ai.dashscope.DashScopeChatClient;importorg.springframework.stereotype.Component;/** * 基于 Spring AI Alibaba 定义的病历分析工作流 * 节点1：提取病历关键信息 → 节点2：校验数据完整性 → 节点3：生成分析报告 */@Workflow(name ="medical-record-analysis", description ="医疗病历分析工作流")@ComponentpublicclassMedicalRecordAnalysisWorkflow{privatefinalDashScopeChatClient dashScopeChatClient;publicMedicalRecordAnalysisWorkflow(DashScopeChatClient dashScopeChatClient){this.dashScopeChatClient = dashScopeChatClient;}/** * 节点1：提取病历关键信息（大模型调用） */@WorkflowNode(name ="extract-info", order =1, requiredParams ="medicalRecord")publicStringextractMedicalInfo(WorkflowContext context){String medicalRecord = context.getParam("medicalRecord",String.class);String prompt =""" 提取以下病历的关键信息（患者姓名、症状、检查结果、诊断结论）： %s 要求：结构化输出，简洁明了 """.formatted(medicalRecord);// 调用 Spring AI Alibaba 的 DashScope 客户端return dashScopeChatClient.call(prompt).getResult().getOutput().getContent();}/** * 节点2：校验数据完整性（工具调用） */@WorkflowNode(name ="validate-data", order =2, dependOn ="extract-info")publicStringvalidateData(WorkflowContext context){String extractedInfo = context.getResult("extract-info",String.class);// 自定义校验逻辑（可复用 AgentScope 工具）boolean isComplete = extractedInfo.contains("检查结果")&& extractedInfo.contains("诊断结论");return isComplete ?"数据完整":"缺少检查结果/诊断结论，数据不完整";}/** * 节点3：生成分析报告（结果聚合） */@WorkflowNode(name ="generate-report", order =3, dependOn ="validate-data")publicStringgenerateReport(WorkflowContext context){String extractedInfo = context.getResult("extract-info",String.class);String validateResult = context.getResult("validate-data",String.class);String prompt =""" 基于以下信息生成医疗分析报告： 1. 提取的病历信息：%s 2. 数据校验结果：%s 要求：专业、简洁，符合医疗规范 """.formatted(extractedInfo, validateResult);return dashScopeChatClient.call(prompt).getResult().getOutput().getContent();}}

步骤 2：封装 Workflow 为 AgentScope 工具

将 Spring AI Workflow 封装为 AgentScope 可调用的“工具”，符合 AgentScope 工具规范：

packagecom.yourpackage.agent.tool;importio.agentscope.core.tool.Tool;importio.agentscope.core.tool.ToolParam;importcom.alibaba.spring.ai.workflow.executor.WorkflowExecutor;importcom.alibaba.spring.ai.workflow.model.WorkflowExecutionResult;importorg.springframework.stereotype.Component;/** * AgentScope 工具：调用 Spring AI Alibaba Workflow */@Component@Tool(name ="medical_record_workflow_tool", description ="执行医疗病历分析工作流")publicclassMedicalRecordWorkflowTool{privatefinalWorkflowExecutor workflowExecutor;publicMedicalRecordWorkflowTool(WorkflowExecutor workflowExecutor){this.workflowExecutor = workflowExecutor;}/** * 工具执行方法（AgentScope 调用入口） * @param medicalRecord 病历文本 * @return 工作流执行结果（分析报告） */publicStringexecute(@ToolParam(name ="medicalRecord", description ="待分析的病历文本", required =true)String medicalRecord ){// 执行 Spring AI WorkflowWorkflowExecutionResult result = workflowExecutor.execute("medical-record-analysis",// 工作流名称 param -> param.put("medicalRecord", medicalRecord));// 返回最终节点结果return result.getNodeResult("generate-report",String.class);}}

步骤 3：AgentScope 智能体集成 Workflow 工具

创建 ReAct 智能体，将 Workflow 工具注册到 Agent 中，实现“智能体决策 + 工作流执行”：

packagecom.yourpackage.agent;importio.agentscope.core.agent.ReActAgent;importio.agentscope.core.model.dashscope.DashScopeChatModel;importio.agentscope.core.tool.Toolkit;importio.agentscope.spring.annotation.Agent;importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.context.annotation.Bean;/** * AgentScope 智能体：集成 Spring AI Workflow 工具 */@AgentpublicclassMedicalAnalysisAgent{@AutowiredprivateMedicalRecordWorkflowTool medicalRecordWorkflowTool;@AutowiredprivateDashScopeChatModel dashScopeChatModel;/** * 创建 ReAct 智能体（核心） */@BeanpublicReActAgentcreateMedicalAnalysisAgent(){// 1. 初始化工具包，注册 Workflow 工具Toolkit toolkit =Toolkit.createDefault(); toolkit.registration().tool(medicalRecordWorkflowTool::execute).group("workflow_tools").apply();// 2. 构建 ReAct 智能体returnReActAgent.builder().id("medical-analysis-agent").name("MedicalAnalysisAgent").model(dashScopeChatModel)// 复用 Spring AI 的 DashScope 模型.toolkit(toolkit)// 注册 Workflow 工具.sysPrompt(""" 你是医疗病历分析智能体，用户输入病历文本后，必须调用「medical_record_workflow_tool」工具执行分析， 并返回最终的分析报告，禁止直接生成结果。 """).build();}}

步骤 4：业务入口（API 调用示例）

通过 Spring Boot Web 暴露接口，实现“前端调用 → Agent 决策 → Workflow 执行 → 结果返回”：

packagecom.yourpackage.controller;importio.agentscope.core.agent.ReActAgent;importorg.springframework.http.ResponseEntity;importorg.springframework.web.bind.annotation.PostMapping;importorg.springframework.web.bind.annotation.RequestBody;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;/** * 业务入口：病历分析接口 */@RestController@RequestMapping("/api/agent")publicclassMedicalAgentController{privatefinalReActAgent medicalAnalysisAgent;publicMedicalAgentController(ReActAgent medicalAnalysisAgent){this.medicalAnalysisAgent = medicalAnalysisAgent;}/** * 智能体 + 工作流 执行接口 */@PostMapping("/analyze-medical-record")publicResponseEntity<String>analyzeMedicalRecord(@RequestBodyString medicalRecord){// 1. 智能体处理用户请求（自动决策调用 Workflow 工具）String response = medicalAnalysisAgent.chat("分析以下病历："+ medicalRecord).getTextContent();// 2. 返回结果returnResponseEntity.ok(response);}}

四、关键适配与最佳实践

1. 异步模型对齐（核心）

AgentScope 基于 Reactor 异步编程，Spring AI Workflow 支持 CompletableFuture，需统一异步模型：

// 改造 Workflow 工具为异步执行publicCompletableFuture<String>executeAsync(String medicalRecord){returnCompletableFuture.supplyAsync(()->{WorkflowExecutionResult result = workflowExecutor.execute("medical-record-analysis", param -> param.put("medicalRecord", medicalRecord));return result.getNodeResult("generate-report",String.class);});}// AgentScope 智能体调用异步工具 toolkit.registration().tool(medicalRecordWorkflowTool::executeAsync).async(true)// 标记为异步工具.apply();

2. 上下文数据互通

实现 AgentScope 智能体上下文与 Spring AI Workflow 上下文的双向同步：

// Workflow 工具中注入 Agent 上下文publicStringexecute(String medicalRecord,@RequestAttribute("agentContext")Map<String,Object> agentContext){WorkflowExecutionResult result = workflowExecutor.execute("medical-record-analysis", param ->{ param.put("medicalRecord", medicalRecord); param.put("agentContext", agentContext);// 传递 Agent 上下文});// 将 Workflow 结果同步回 Agent 上下文 agentContext.put("workflowResult", result.getNodeResult("generate-report",String.class));return result.getNodeResult("generate-report",String.class);}

3. 异常处理兜底

为 Workflow 执行添加异常捕获，确保 Agent 稳定性：

publicStringexecute(String medicalRecord){try{WorkflowExecutionResult result = workflowExecutor.execute("medical-record-analysis", param -> param.put("medicalRecord", medicalRecord));return result.getNodeResult("generate-report",String.class);}catch(Exception e){// 兜底逻辑：AgentScope 智能体降级处理return"病历分析失败："+ e.getMessage()+"，已触发人工审核流程";}}

4. 可观测性集成

复用 Spring Boot Actuator 监控 Workflow 与 Agent 状态：

# application.yml 新增management:endpoints:web:exposure:include: health, metrics, workflows, agents metrics:enable:trueendpoint:workflows:enabled:true# 暴露 Workflow 执行指标agents:enabled:true# 暴露 AgentScope 智能体指标

五、总结

核心集成要点

  1. 依赖层：复用 Spring AI Alibaba 的 DashScope 客户端，避免重复配置模型密钥；
  2. 工具层：将 Spring AI Workflow 封装为 AgentScope 标准工具，符合智能体调用规范；
  3. 执行层：对齐异步模型、上下文数据、异常处理，确保二者协同稳定；
  4. 工程层：复用 Spring 生态的可观测性、持久化、微服务能力，降低运维成本。

关键参考资源

  • AgentScope Java 工具开发：https://github.com/agentscope-ai/agentscope-java/blob/main/docs/zh/tool/tool.md
  • Spring AI Alibaba Workflow：https://github.com/alibaba/spring-ai-alibaba/tree/main/spring-ai-alibaba-workflow
  • Java2AI Graph Core 节点规范：https://java2ai.com/docs/frameworks/graph-core/node-definition/

Read more

java( Java 25 LTS)的下载、安装、配置 (IDEA 2025 为例)

java( Java 25 LTS)的下载、安装、配置 (IDEA 2025 为例)

一、Java 25 LTS 下载 Java 下载 |神谕https://www.oracle.com/java/technologies/downloads/#jdk25-windows 二、安装 2.1Windows 图形安装 首先双击下载的 jdk25.msi 文件，进入安装向导。 选择 Next 进入下一步。修改安装路径（建议 D:\Java\jdk-25）确保路径简洁无中文或空格。 勾选 Generate public JRE 选项，保持默认配置。 点击 Install 开始安装，完成后点击 Finish。 2.2macOS 安装 双击下载的 jdk-25.

By Ne0inhk
2023第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 B 组(真题&题解)（C++/Java题解）

2023第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 B 组(真题&题解)（C++/Java题解）

记录刷题的过程、感悟、题解。 希望能帮到，那些与我一同前行的，来自远方的朋友😉 大纲：  1、日期统计-（解析）-暴力dfs（😉蓝桥专属  2、01串的熵-（解析）-不要chu，认真读题，并且知道log()怎么用就OK  3、冶炼金属-（解析）-其实推理极限，用数学知识就能OK😊  4、飞机降落-（解析）-暴力搜索dfs（😉蓝桥专属  5、接龙数列-（解析）-字典dp（😎就是名字高大上点，只是一道dp  6、岛屿个数-（解析）-bfs+dfs，重点在于会染色+会读题（广搜深搜一起整  7、子串简写-（解析）-一道简单的前缀和  8、整数删除-（解析）

By Ne0inhk
不是付费工具用不起，而是国产 Seedance 2.0 更彻底：做 AI 漫剧 / AI 短剧最高效的 AI 工具，真的来了

不是付费工具用不起，而是国产 Seedance 2.0 更彻底：做 AI 漫剧 / AI 短剧最高效的 AI 工具，真的来了

如果你最近在做 AI 漫剧、AI 短剧，或者哪怕只是刷了几天 AI 视频圈，大概率都会有一个相同的感受： 工具越来越多，但真正“好用”的，并没有变多。 我自己是做内容策划和视频创作的，日常工作离不开短视频、剧情内容、IP 向账号。这一年里，我几乎把市面上能试的 AI 视频工具都试过一遍，国外的、国内的、偏专业的、偏玩具的。 结论很现实： 大多数 AI 视频工具，只适合“玩一次”，不适合“长期创作”。 而真正让我停下来、愿意反复用、甚至开始围绕它重新设计工作流的，是 Seedance 2.0。 一、AI 视频赛道，正在发生一次真正的“大洗牌” 先说一个大的判断。 2024–2025

By Ne0inhk

【保姆级教程】告别命令行！ClawX：可视化AI智能体，小白也能轻松玩出花！

【保姆级教程】告别命令行！ClawX：可视化AI智能体，小白也能轻松玩出花！ 黑底白字、敲命令、改配置… 是不是每次想让AI乖乖干活，都得先在终端里跟那些"代码黑魔法"死磕？ 现在不用了！今天给大家安利一款「零门槛AI神器」——ClawX，让你把OpenClaw的强大能力装进可视化界面，从此和枯燥的命令行说拜拜！ 🚀 为什么你需要ClawX？（痛点暴击！） 想象一下： * 同事A：“你会用OpenClaw写个定时抓取新闻的Agent吗？” * 你（内心OS）：“先安装Node.js，配置npm镜像源，再写个Cron表达式…啊，我的发际线！” ClawX直接把「AI智能体」变成了手机App： ✅ 零配置小白友好：下载安装→填API Key→开聊，全程不用碰黑窗口 ✅ 聊天式操作：像微信聊天一样输入prompt，AI直接给你出结果 ✅ 可视化自动化：拖拽设置定时任务，7x24小时当你的"数字打工人&

By Ne0inhk