Spring AI Alibaba：智能Agent开发实战指南

Ne0inhk

23 Mar 2026 — 14 min read

Spring AI Alibaba 学习使用文档

1. 项目概述

1.1 什么是 Spring AI Alibaba

Spring AI Alibaba 是一个生产就绪的框架，用于构建 Agentic、Workflow 和多 Agent 应用。该框架基于 ReactAgent 设计理念，使开发者能够构建具有自动上下文工程和**人在回路（Human In The Loop）**交互能力的智能 Agent。

1.2 核心特性

ReactAgent: 基于 ReAct（Reasoning + Acting）范式的智能 Agent，支持推理和行动能力
多 Agent 编排: 内置 SequentialAgent、ParallelAgent、LlmRoutingAgent、LoopAgent 等模式
上下文工程: 内置最佳实践策略，包括人在回路、上下文压缩、上下文编辑、模型和工具调用限制、工具重试、规划、动态工具选择等
基于 Graph 的工作流: 支持条件路由、嵌套图、并行执行和状态管理，可导出为 PlantUML 和 Mermaid 格式
A2A 支持: Agent-to-Agent 通信支持，集成 Nacos，实现分布式 Agent 协调和协作
丰富的模型、工具和 MCP 支持: 支持多种 LLM 提供商（DashScope、OpenAI 等）、工具调用和模型上下文协议（MCP）

1.3 项目结构

Spring AI Alibaba 采用多模块 Maven 项目结构：

spring-ai-alibaba/ ├── spring-ai-alibaba-bom/ # BOM 模块，统一管理依赖版本 ├── spring-ai-alibaba-graph-core/ # Graph 核心运行时 ├── spring-ai-alibaba-agent-framework/ # Agent 框架 ├── spring-ai-alibaba-studio/ # Studio 应用（可视化界面） ├── spring-boot-starters/ # Spring Boot Starters │ ├── spring-ai-alibaba-starter-a2a-nacos/ │ ├── spring-ai-alibaba-starter-config-nacos/ │ └── spring-ai-alibaba-starter-graph-observation/ └── examples/ # 示例代码 ├── chatbot/ # ChatBot 示例 ├── deepresearch/ # DeepResearch 示例 └── documentation/ # 文档示例

1.4 技术栈要求

JDK: 17 或更高版本
Spring Boot: 3.4.8 或更高版本
Spring AI: 1.1.0-M4 或更高版本
Maven: 3.6+ 或 Gradle 7.0+

2. 核心架构

2.1 架构图

Spring AI Alibaba 采用分层架构设计：

┌─────────────────────────────────────────────────┐ │ Agent Framework (高级抽象层) │ │ ReactAgent, SequentialAgent, ParallelAgent │ └─────────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────┐ │ Graph Core (工作流运行时) │ │ StateGraph, Node, Edge, OverAllState │ └─────────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────┐ │ Spring AI (基础抽象层) │ │ ChatModel, Tool, Message, MCP │ └─────────────────────────────────────────────────┘

2.2 核心组件

2.2.1 Agent Framework

Agent Framework 是高级抽象层，提供：

ReactAgent: 单 Agent 实现，支持 ReAct 循环
FlowAgent: 多 Agent 编排基类
- SequentialAgent: 顺序执行多个 Agent
- ParallelAgent: 并行执行多个 Agent
- LlmRoutingAgent: 基于 LLM 的路由 Agent
- LoopAgent: 循环执行 Agent

2.2.2 Graph Core

Graph Core 是底层工作流运行时，提供：

StateGraph: 状态图定义，用于定义节点和边
Node: 节点，封装特定操作或模型调用
Edge: 边，表示节点之间的转换
OverAllState: 全局状态，在整个流程中携带共享数据
CompiledGraph: 可执行图，处理实际执行、状态转换和结果流式传输

3. 快速开始

3.1 环境准备

获取 API Key
- DashScope (阿里云百炼): 访问阿里云百炼控制台
- OpenAI: 访问 OpenAI Platform

安装 JDK 17+

java -version

3.2 创建项目

方式一：使用示例项目

# 克隆仓库git clone https://github.com/alibaba/spring-ai-alibaba.git cd spring-ai-alibaba/examples/chatbot

方式二：创建新项目

创建 Spring Boot 项目（使用 Spring Initializr 或 IDE）
添加依赖到 pom.xml:

<dependencyManagement><dependencies><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-bom</artifactId><version>1.1.0.0-M5</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><!-- Agent Framework --><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-agent-framework</artifactId></dependency><!-- 选择模型提供商 --><!-- DashScope (阿里云百炼) --><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-dashscope</artifactId><version>1.1.0.0-M5</version></dependency><!-- 或 OpenAI --><!-- <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai-spring-boot-starter</artifactId> </dependency> --><!-- Spring Boot Web --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency></dependencies>

3.3 配置 API Key

在 application.yml 或环境变量中配置：

spring:ai:dashscope:api-key: ${AI_DASHSCOPE_API_KEY}

或使用环境变量：

exportAI_DASHSCOPE_API_KEY=your-api-key

3.4 创建第一个 Agent

@ConfigurationpublicclassAgentConfig{@BeanpublicReactAgentchatBotAgent(ChatModel chatModel){returnReactAgent.builder().name("ChatBot").model(chatModel).instruction("你是一个友好的AI助手，能够回答用户的问题。").enableLogging(true).build();}}

3.5 使用 Agent

@RestControllerpublicclassChatController{@AutowiredprivateReactAgent chatBotAgent;@GetMapping("/chat")publicStringchat(@RequestParamString query){AssistantMessage response = chatBotAgent.call(query);return response.getContent();}}

3.6 运行应用

mvn spring-boot:run

访问 http://localhost:8080/chat?query=你好 进行测试。

4. 核心概念

4.1 ReactAgent

ReactAgent 是 Spring AI Alibaba 的核心 Agent 实现，基于 ReAct（Reasoning + Acting）范式：

Reasoning（推理）: Agent 分析问题并制定计划
Acting（行动）: Agent 执行工具调用获取信息
循环迭代: 推理和行动交替进行，直到解决问题

基本用法

ReactAgent agent =ReactAgent.builder().name("MyAgent").model(chatModel).instruction("你是一个专业的助手").tools(tool1, tool2, tool3)// 可选：添加工具.enableLogging(true)// 可选：启用日志.build();// 调用 AgentAssistantMessage response = agent.call("用户的问题");

4.2 工具（Tools）

工具允许 Agent 执行外部操作，如调用 API、执行代码、查询数据库等。

创建自定义工具

publicclassCalculatorToolimplementsBiFunction<CalculatorRequest,ToolContext,String>{publicstaticfinalString DESCRIPTION ="执行数学计算";@OverridepublicStringapply(CalculatorRequest request,ToolContext context){// 实现计算逻辑double result = request.a + request.b;returnString.valueOf(result);}publicstaticclassCalculatorRequest{@JsonProperty(required =true)@JsonPropertyDescription("第一个数字")publicdouble a;@JsonProperty(required =true)@JsonPropertyDescription("第二个数字")publicdouble b;}// 创建 ToolCallbackpublicstaticToolCallbackcreateToolCallback(){returnFunctionToolCallback.builder("calculator",newCalculatorTool()).description(DESCRIPTION).inputType(CalculatorRequest.class).build();}}

使用工具

ReactAgent agent =ReactAgent.builder().name("CalculatorAgent").model(chatModel).tools(CalculatorTool.createToolCallback()).build();

4.3 消息（Messages）

Spring AI Alibaba 使用 Spring AI 的消息抽象：

UserMessage: 用户消息
AssistantMessage: 助手消息
SystemMessage: 系统消息
ToolResponseMessage: 工具响应消息

// 使用字符串AssistantMessage response = agent.call("你好");// 使用消息对象UserMessage userMessage =newUserMessage("你好");AssistantMessage response = agent.call(userMessage);

4.4 状态管理（State Management）

Agent 使用 OverAllState 管理状态：

// 获取执行后的状态Optional<OverAllState> state = agent.invoke("问题");if(state.isPresent()){OverAllState overallState = state.get();// 访问状态中的数据Optional<Object> messages = overallState.value("messages");}

4.5 内存（Memory）

Agent 可以配置内存保存器来持久化对话历史：

ReactAgent agent =ReactAgent.builder().name("AgentWithMemory").model(chatModel).saver(newMemorySaver())// 内存保存器.build();

5. Agent Framework 使用指南

5.1 ReactAgent 详解

5.1.1 基本配置

ReactAgent agent =ReactAgent.builder().name("agent-name")// Agent 名称.description("Agent 描述")// Agent 描述.model(chatModel)// 使用的模型.instruction("系统指令")// 系统提示词.systemPrompt("系统提示词")// 或使用 systemPrompt.tools(tool1, tool2)// 工具列表.enableLogging(true)// 启用日志.build();

5.1.2 高级配置

ReactAgent agent =ReactAgent.builder().name("AdvancedAgent").model(chatModel).instruction("你是一个专业的助手")// Hooks（钩子）.hooks( humanInTheLoopHook,// 人在回路 summarizationHook // 摘要钩子)// Interceptors（拦截器）.interceptors( contextEditingInterceptor,// 上下文编辑 toolRetryInterceptor,// 工具重试 toolCallLimitInterceptor // 工具调用限制)// 内存.saver(newMemorySaver())// 输出配置.outputKey("result")// 输出键名.outputKeyStrategy(newReplaceStrategy())// 输出策略.build();

5.2 多 Agent 编排

5.2.1 SequentialAgent（顺序 Agent）

顺序执行多个 Agent，前一个 Agent 的输出作为下一个 Agent 的输入：

// 创建子 AgentReactAgent agent1 =ReactAgent.builder().name("writer").model(chatModel).instruction("你是一个作家，负责创作内容").outputKey("content").build();ReactAgent agent2 =ReactAgent.builder().name("editor").model(chatModel).instruction("你是一个编辑，负责修改和优化内容").inputKey("content")// 使用前一个 Agent 的输出.outputKey("edited_content").build();// 创建顺序 AgentSequentialAgent sequentialAgent =SequentialAgent.builder().name("writing-pipeline").description("写作和编辑流水线").rootAgent(agent1)// 根 Agent.subAgents(List.of(agent2))// 子 Agent 列表.build();// 使用AssistantMessage result = sequentialAgent.call("写一篇关于春天的文章");

5.2.2 ParallelAgent（并行 Agent）

并行执行多个 Agent，然后合并结果：

// 创建多个专业 AgentReactAgent proseWriter =ReactAgent.builder().name("prose_writer").model(chatModel).instruction("你是一个散文作家").outputKey("prose_result").build();ReactAgent poemWriter =ReactAgent.builder().name("poem_writer").model(chatModel).instruction("你是一个诗人").outputKey("poem_result").build();ReactAgent summaryWriter =ReactAgent.builder().name("summary_writer").model(chatModel).instruction("你是一个总结专家").outputKey("summary_result").build();// 创建并行 AgentParallelAgent parallelAgent =ParallelAgent.builder().name("multi-writer").description("并行执行多个创作任务").rootAgent(proseWriter)// 根 Agent（可选）.subAgents(List.of(poemWriter, summaryWriter)).mergeStrategy(newParallelAgent.DefaultMergeStrategy())// 合并策略.maxConcurrency(3)// 最大并发数.build();// 使用AssistantMessage result = parallelAgent.call("以'春天'为主题创作");

5.2.3 LlmRoutingAgent（LLM 路由 Agent）

使用 LLM 根据输入动态选择执行哪个 Agent：

// 创建路由 AgentLlmRoutingAgent routingAgent =LlmRoutingAgent.builder().name("router").model(chatModel).instruction("根据用户问题选择合适的 Agent").routeAgents(Map.of("technical", technicalAgent,"creative", creativeAgent,"analytical", analyticalAgent )).build();// 使用AssistantMessage result = routingAgent.call("用户问题");

5.2.4 LoopAgent（循环 Agent）

循环执行 Agent 直到满足条件：

LoopAgent loopAgent =LoopAgent.builder().name("loop-agent").model(chatModel).instruction("持续处理任务直到完成").agent(workerAgent).maxIterations(10)// 最大迭代次数.build();

5.3 Hooks（钩子）

Hooks 允许在 Agent 执行过程中插入自定义逻辑：

5.3.1 HumanInTheLoopHook（人在回路）

允许在关键决策点暂停，等待人工输入：

HumanInTheLoopHook hook =HumanInTheLoopHook.builder().enabled(true).build();ReactAgent agent =ReactAgent.builder().name("agent").model(chatModel).hooks(hook).build();

5.3.2 SummarizationHook（摘要钩子）

自动对长对话进行摘要，减少上下文长度：

SummarizationHook hook =SummarizationHook.builder().trigger(10000)// 触发阈值（字符数）.clearAtLeast(6000)// 至少清除的字符数.keep(4)// 保留的消息数.build();

5.4 Interceptors（拦截器）

Interceptors 用于拦截和修改 Agent 的行为：

5.4.1 ContextEditingInterceptor（上下文编辑）

允许编辑和修改上下文：

ContextEditingInterceptor interceptor =ContextEditingInterceptor.builder().enabled(true).build();

5.4.2 ToolRetryInterceptor（工具重试）

自动重试失败的工具调用：

ToolRetryInterceptor interceptor =ToolRetryInterceptor.builder().maxRetries(3).retryDelay(Duration.ofSeconds(1)).build();

5.4.3 ToolCallLimitInterceptor（工具调用限制）

限制工具调用的次数：

ToolCallLimitInterceptor interceptor =ToolCallLimitInterceptor.builder().maxToolCalls(10).build();

6. Graph Core 使用指南

6.1 基本概念

Graph Core 是底层工作流运行时，提供更灵活的工作流编排能力。

6.1.1 StateGraph（状态图）

StateGraph 用于定义工作流：

// 创建状态工厂OverAllStateFactory stateFactory =()->{OverAllState state =newOverAllState(); state.registerKeyAndStrategy("input",newReplaceStrategy()); state.registerKeyAndStrategy("output",newReplaceStrategy());return state;};// 创建状态图StateGraph graph =newStateGraph("MyWorkflow", stateFactory).addNode("node1",node_async(nodeAction1)).addNode("node2",node_async(nodeAction2)).addEdge(START,"node1").addEdge("node1","node2").addEdge("node2", END);

6.1.2 Node（节点）

节点封装了工作流中的一个步骤：

// 创建节点动作NodeAction nodeAction =(state)->{// 读取输入String input =(String) state.value("input").orElse("");// 处理逻辑String output =process(input);// 写入输出 state.put("output", output);return state;};// 添加到图 graph.addNode("process_node",node_async(nodeAction));

6.1.3 Edge（边）

边定义节点之间的转换：

// 简单边 graph.addEdge("node1","node2");// 条件边 graph.addConditionalEdges("node1",edge_async((state)->{// 根据状态决定下一个节点String condition =(String) state.value("condition").orElse("default");return condition;}),Map.of("option1","node2","option2","node3","default","node4"));

6.2 完整示例

@ConfigurationpublicclassWorkflowConfig{@BeanpublicStateGraphworkflowGraph(ChatModel chatModel)throwsGraphStateException{// 创建 ChatClientChatClient chatClient =ChatClient.builder(chatModel).defaultAdvisors(newSimpleLoggerAdvisor()).build();// 创建状态工厂OverAllStateFactory stateFactory =()->{OverAllState state =newOverAllState(); state.registerKeyAndStrategy("input",newReplaceStrategy()); state.registerKeyAndStrategy("classification",newReplaceStrategy()); state.registerKeyAndStrategy("result",newReplaceStrategy());return state;};// 创建分类节点QuestionClassifierNode classifier =QuestionClassifierNode.builder().chatClient(chatClient).inputTextKey("input").categories(List.of("positive","negative")).build();// 创建处理节点NodeAction processor =(state)->{String classification =(String) state.value("classification").orElse("");String result ="处理结果: "+ classification; state.put("result", result);return state;};// 创建路由逻辑EdgeAction router =(state)->{String classification =(String) state.value("classification").orElse("unknown");return classification.contains("positive")?"positive":"negative";};// 构建图StateGraph graph =newStateGraph("CustomerService", stateFactory).addNode("classifier",node_async(classifier)).addNode("processor",node_async(processor)).addEdge(START,"classifier").addConditionalEdges("classifier",edge_async(router),Map.of("positive","processor","negative","processor")).addEdge("processor", END);return graph;}}

6.3 使用 CompiledGraph

@RestControllerpublicclassWorkflowController{privatefinalCompiledGraph compiledGraph;publicWorkflowController(StateGraph stateGraph)throwsGraphStateException{this.compiledGraph = stateGraph.compile();}@GetMapping("/workflow")publicStringexecuteWorkflow(@RequestParamString input){OverAllState initialState =newOverAllState(); initialState.put("input", input);Optional<OverAllState> result = compiledGraph.invoke(initialState);return result.map(state ->(String) state.value("result").orElse("")).orElse("执行失败");}}

7. 高级特性

7.1 A2A（Agent-to-Agent）通信

A2A 支持分布式 Agent 之间的通信和协作。

7.1.1 配置 A2A Server

<dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-a2a-nacos</artifactId><version>1.1.0.0-M5</version></dependency>

spring:cloud:nacos:discovery:server-addr: localhost:8848ai:alibaba:a2a:enabled:trueagent-name: my-agent

7.1.2 使用 A2A Client

@AutowiredprivateA2AClient a2aClient;publicvoidcallRemoteAgent(){A2AMessage request =newA2AMessage("remote-agent","问题");A2AMessage response = a2aClient.call(request);}

7.2 动态配置（Nacos）

支持通过 Nacos 动态配置 Agent：

<dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-config-nacos</artifactId><version>1.1.0.0-M5</version></dependency>

@BeanpublicReactAgentnacosAgent(NacosOptions nacosOptions){returnNacosReactAgentBuilder.builder().nacosOptions(nacosOptions).build();}

7.3 可观测性（Observation）

集成 OpenTelemetry 进行可观测性监控：

<dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-graph-observation</artifactId><version>1.1.0.0-M5</version></dependency>

StateGraph graph =newStateGraph("Workflow", stateFactory).compile(CompileConfig.builder().withLifecycleListener(newGraphObservationLifecycleListener(observationRegistry)).build());

7.4 MCP（Model Context Protocol）支持

支持 MCP 工具集成：

// 配置 MCP 工具McpToolCallbackProvider mcpProvider =newMcpToolCallbackProvider();List<ToolCallback> mcpTools = mcpProvider.getToolCallbacks();ReactAgent agent =ReactAgent.builder().name("MCPAgent").model(chatModel).tools(mcpTools).build();

7.5 流式响应

支持流式返回 Agent 响应：

@GetMapping(value ="/stream", produces =MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>streamChat(@RequestParamString query){return agent.stream(query).map(AssistantMessage::getContent);}

8. 最佳实践

8.1 Agent 设计原则

单一职责: 每个 Agent 应该专注于一个特定任务
清晰的指令: 提供明确、详细的系统指令
合适的工具: 为 Agent 配置必要的工具，但不要过度
错误处理: 实现适当的错误处理和重试机制

8.2 性能优化

并行执行: 对于独立任务，使用 ParallelAgent
上下文管理: 使用 SummarizationHook 管理长对话
工具选择: 限制工具数量，使用动态工具选择
缓存: 对重复查询使用缓存

8.3 安全性

API Key 管理: 使用环境变量或密钥管理服务
工具权限: 限制工具的执行权限
输入验证: 验证和清理用户输入
沙箱执行: 对代码执行使用沙箱环境

8.4 调试和监控

启用日志: 使用 enableLogging(true) 查看详细日志
状态检查: 检查 OverAllState 了解执行状态
可观测性: 集成 OpenTelemetry 进行监控
可视化: 使用 PlantUML 或 Mermaid 可视化工作流

9. 常见问题

9.1 如何选择合适的 Agent 类型？

简单任务: 使用 ReactAgent
顺序处理: 使用 SequentialAgent
并行处理: 使用 ParallelAgent
动态路由: 使用 LlmRoutingAgent
复杂工作流: 直接使用 Graph Core

9.2 如何处理长对话？

使用 SummarizationHook 自动摘要：

SummarizationHook hook =SummarizationHook.builder().trigger(10000).clearAtLeast(6000).keep(4).build();

9.3 如何限制工具调用次数？

使用 ToolCallLimitInterceptor:

ToolCallLimitInterceptor interceptor =ToolCallLimitInterceptor.builder().maxToolCalls(10).build();

9.4 如何实现人在回路？

使用 HumanInTheLoopHook:

HumanInTheLoopHook hook =HumanInTheLoopHook.builder().enabled(true).build();

9.5 如何调试 Agent 执行？

启用日志: enableLogging(true)
检查状态: agent.invoke(query) 返回 OverAllState
使用 Studio UI: 访问 /chatui/index.html 进行可视化调试

10. 参考资料

10.1 官方文档

10.2 示例代码

10.3 社区资源

10.4 相关项目

Spring AI Alibaba Admin: 本地可视化工具包
Spring AI Extensions: Spring AI 扩展实现
JManus: Java 实现的 Manus
DataAgent: 自然语言转 SQL 项目
DeepResearch: 深度研究实现

10.5 白皮书

AI-Native Application Architecture White Paper: AI 原生应用架构白皮书

附录

A. 依赖版本说明

当前文档基于以下版本：

Spring AI Alibaba: 1.1.0.0-M5
Spring AI: 1.1.0-M4
Spring Boot: 3.4.8
JDK: 17+

B. 快速参考

B.1 ReactAgent 构建器

ReactAgent.builder().name(String)// 必需.model(ChatModel)// 必需.instruction(String)// 可选.systemPrompt(String)// 可选.tools(ToolCallback...)// 可选.hooks(Hook...)// 可选.interceptors(Interceptor...)// 可选.saver(MemorySaver)// 可选.enableLogging(boolean)// 可选.build()

B.2 常用工具创建

// 函数工具FunctionToolCallback.builder("toolName", function).description("工具描述").inputType(InputType.class).build()// Python 工具PythonTool.createPythonToolCallback("执行 Python 代码")

B.3 状态管理

// 注册键和策略 state.registerKeyAndStrategy("key",newReplaceStrategy()); state.registerKeyAndStrategy("key",newAppendStrategy());// 读取值Optional<Object> value = state.value("key");// 写入值 state.put("key", value);