FollowAgents AI AGENTS 目录
首页 / 全部 Agents / Spring AI Alibaba
开发与工程 javaspring-aimulti-agent-orchestrationgraph-workflowscontext-engineeringmodel-context-protocolnacos

Spring AI Alibaba

面向 Java 的智能体框架，编排工作流、多智能体与长时有状态执行。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
alibaba/spring-ai-alibaba
Star 数
★ 11k
最近更新
1 个月前
License
Apache-2.0
主语言
Java
FA 评分
53/100 · 缺口较多

30 秒速览

运行形态
开发框架代码库 / SDK网页应用
可在哪里用
兼容但需适配OpenAI API（部分支持）
费用
软件免费，模型调用费用自付
上手难度
中 · 需要几步配置
开始前需要
JDK 17+LLM 提供商 API 密钥Shell / 命令行网络访问MCP Server
典型场景
Java 团队需要把一个任务拆为顺序、并行、路由或循环子任务时，可使用内置多智能体编排模式。
不适合
  • 不想引入 Java/Spring 技术栈的团队，需 JDK 17+ 与 Maven 构建
  • 希望开箱即用可视化平台、无需自行搭建服务的用户，Admin 未提供本地启动命令
源码审查
53/100 · 缺口较多 1 项安全控制未见

这个 Agent 能做什么，适合哪些场景？

Spring AI Alibaba 是面向 Java 开发者的智能体、工作流和多智能体应用框架。其 Agent Framework 提供 Context Engineering 与 Human In The Loop，并内置 SequentialAgent、ParallelAgent、RoutingAgent 和 LoopAgent 等编排方式。底层的 spring-ai-alibaba-graph 负责持久化、工作流编排和流式执行，也可直接通过 Graph API 构建更灵活的多智能体流程。项目还包括可视化开发、可观测性、评估和 MCP 管理能力的 Spring AI Alibaba Admin，以及用于可视化调试的 spring-ai-alibaba-studio。它通过 Spring AI 概念接入 DashScope、OpenAI 等模型提供方，并支持工具调用、MCP 与基于 Nacos 的 A2A 协作。

开发者可在 Java 项目中组合 SequentialAgent、ParallelAgent、RoutingAgent 或 LoopAgent 来执行多步骤任务；Agent Framework 还提供人工介入、上下文压缩与编辑、模型和工具调用限制、工具重试、规划及动态工具选择等上下文策略。对于需要条件路由、嵌套图、并行执行和状态管理的流程，可使用 spring-ai-alibaba-graph 的 Graph API；工作流可导出为 PlantUML 和 Mermaid。框架通过 Spring AI 接入 ChatModel、MCP、工具和消息等概念，并可借助 Nacos 进行 A2A 分布式协作。随仓库提供的 ChatBot 示例使用 spring-ai-alibaba-starter-dashscope，接收浏览器聊天输入并在 http://localhost:8080/chatui/index.html 提供聊天界面。

  1. Java 团队需要把一个任务拆为顺序、并行、路由或循环子任务时，可使用内置多智能体编排模式。
  2. 需要条件分支、嵌套图、并行运行和持久化状态的长时智能体流程时，可直接使用 Graph API。
  3. 使用 DashScope、OpenAI 等模型提供方并需要工具调用或 MCP 的 Spring AI 应用可接入该框架。
  4. 需要人工审核、上下文压缩、工具重试或调用限额来约束智能体运行的团队可采用 Agent Framework 的上下文策略。
  5. 需要通过 WebSocket 接收流式音频或文本并生成音频回复的产品可参考 voice-agent 示例。
  6. 使用 Nacos 且需要跨服务协调智能体的系统可采用其 A2A 支持。

如何安装或部署这个 Agent？

前置条件：JDK 17+，并选择模型提供方取得 API key。运行仓库中的 ChatBot 示例：

git clone --depth=1 https://github.com/alibaba/spring-ai-alibaba.git
cd spring-ai-alibaba
export AI_DASHSCOPE_API_KEY=your-api-key
./mvnw -pl examples/chatbot spring-boot:run

该示例使用 spring-ai-alibaba-starter-dashscope；Maven 已由 mvnw 提供，因此本机 Maven 为可选。

如何使用这个 Agent？

ChatBot 启动后，在浏览器打开 http://localhost:8080/chatui/index.html 即可交互。将 Agent Framework 加入项目时，README 给出的依赖包括 com.alibaba.cloud.ai:spring-ai-alibaba-agent-framework:1.1.2.0；使用 DashScope 时还需 com.alibaba.cloud.ai:spring-ai-alibaba-starter-dashscope:1.1.2.1，并设置 AI_DASHSCOPE_API_KEY。按任务流程选择 SequentialAgent、ParallelAgent、RoutingAgent 或 LoopAgent；需要更细粒度编排时使用 Graph API。

这个 Agent 有哪些优点和局限？

优点
  • 为 Java/Spring AI 场景提供现成的 SequentialAgent、ParallelAgent、RoutingAgent 和 LoopAgent 多智能体模式。
  • Graph 运行时明确覆盖持久化、流式执行、条件路由、嵌套图、并行执行和状态管理，并能导出 PlantUML 与 Mermaid。
  • 内置上下文工程策略，包括人工介入、上下文压缩、工具重试、规划和动态工具选择。
  • 同时覆盖模型接入、工具调用、MCP，以及使用 Nacos 的 A2A 分布式协作。
局限
  • 运行 ChatBot 示例要求 JDK 17+、模型提供方 API key 和网络访问。
  • README 的最快示例以 DashScope starter 和 AI_DASHSCOPE_API_KEY 为基础；改用其他提供方需要按其 Spring AI 集成进行配置。
  • Admin 的可视化、可观测性、评估和 MCP 管理在描述中出现，但未给出该 README 内可复制的本地启动命令。
  • Agent Framework 与 Graph API 面向不同抽象层；直接使用 Graph API 需要自行设计更灵活的工作流。

这个 Agent 与同类方案有什么区别？

项目将 Agent Framework 定位为推荐的高层开发方式，而 spring-ai-alibaba-graph 是其底层运行时：前者提供内置智能体与工作流模式，后者允许直接构建更灵活的多智能体工作流。README 还说明 Admin 可与 Dify 等开源低代码平台集成，用于从 DSL 快速迁移到 Spring AI Alibaba 项目。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Spring AI Alibaba 当前 53 · 缺口较多 开发框架免费 + 模型费 ★ 11k 1 个月前 Java —
tRPC-Agent-Go 53 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 1.9k 1 天前 Go OpenAI API
Pocket Flow 41 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 11k 3 个月前 Python —
Polter 多终端智能体监督器 80 · 表现良好 桌面应用免费 + 模型费 ★ 20 1 天前 Zig Claude Code

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
缺口较多
53/ 100 五分制 2.7 / 5
信任安全 10/29
可靠稳定 8/14
适用触发 10/18
规范维护 12/18
有效结果 9/13
证据核验 4/8
查看各维度的扣分理由
信任安全10 / 29 · 1.7/5

证据显示框架提供上下文工程和人工介入（HITL）功能，但未明确权限最小化或用户确认机制。数据流透明度有限，敏感数据处理未详细说明。依赖安全有gitleaks保护，但未提供漏洞扫描细节。外部影响（如工具调用）未明确限制。回滚机制未提及。来源归属有Apache-2.0许可证和子模块版权声明，但发布者未验证。

可靠稳定8 / 14 · 2.9/5

自一致性：README描述与项目结构一致，但版本号在README中不一致（1.1.2.2 vs 1.1.2.0/1.1.2.1）。依赖可用性：Maven Central和CI存在，但未提供依赖锁定。失败消息：测试资源中有错误处理示例，但整体失败消息质量未评估。

适用触发10 / 18 · 2.8/5

受众明确为Java开发者，场景包括多智能体、语音、多模态等。能力边界在README中列出，但触发精度（如工具调用条件）未详细说明。环境适配：需要JDK 17+，支持多种LLM提供商，但未说明部署环境要求。

规范维护12 / 18 · 3.3/5

信息架构清晰，有文档链接和项目结构。安装说明提供快速开始。命名稳定，版本号在Maven Central可见。示例和FAQ有examples目录。已知限制未明确列出。许可证为Apache-2.0，包含子模块版权。版本变更日志未提供。维护责任有团队联系信息。

有效结果9 / 13 · 3.5/5

输出可用性：提供聊天机器人示例和UI。边际价值：提供多智能体编排、上下文工程等特性。成本效益：开源免费，但未提供性能或成本数据。

证据核验4 / 8 · 2.5/5

声明可追溯：README中的特性有文档链接。跨来源佐证：有CI状态和Maven Central徽章，但未独立验证。事实与推断分离：README区分了特性描述和文档链接，但未明确区分事实和推断。

风险与缓解建议
  • 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
  • 发布者身份未验证，需谨慎对待供应链风险。
  • README中版本号不一致，可能影响依赖选择。
  • 未提供已知限制和回滚机制，生产使用需额外评估。
  • 依赖安全仅依赖gitleaks，未提供漏洞扫描细节。
证据充分度：低 评估于 2026年8月9日 审查版本 9aee0f1a86f5 评估后仓库已有新提交，评分可能未覆盖最新改动
评估证据 README.mdLICENSESECURITY.mdworkflows/build-and-test.ymlworkflows/greeting-guideline-pr.ymlplugin/get_weather.ymlscripts/extract_pdf.pyresources/application-graph.yml
查看完整评分方法 →

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. v2.0.0-M1.1 预发布
    发布说明摘录
    Highlights Milestone release upgrading to Spring AI 2.0.0-M1 and Spring Boot 4.0.0. Dependency Upgrade - Spring AI: 1.1.2 → 2.0.0-M1 - Spring AI Alibaba Extensions → 2.0.0-M1.1 - Spring Boot: 3.5.8 → 4.0.0 - Redisson: 3.22.0 → 3.52.0 - Removed explicit driver dependency versions for MySQL, PostgreSQL, and Oracle (now managed by Spring Boot BOM)
    在 GitHub 查看 ↗
  2. v1.1.2.2
    发布说明摘录
    AgentScope Integration [AgentScope Java](https://github.com/agentscope-ai/agentscope-java) is an agent-oriented programming framework for building LLM-powered applications. - AgentScope – AgentScopeAgent wraps [AgentScope ReActAgent as a BaseAgent for use in graph workflows](https://github.com/alibaba/spring-ai-alibaba/tree/main/examples/agentscope). ```xml Add the following dependency to ochestrate AgentScope using SAA Graph <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-starter-agentscope</artifactId> <version>1.1.2.2</version> …
    在 GitHub 查看 ↗
  3. v1.1.2.1
    发布说明摘录
    Please use 1.1.2.2 instead. 1.1.2.1 was reported with several bugs that have been fixed in 1.1.2.2.
    在 GitHub 查看 ↗

常见问题

它只能使用 DashScope 吗？
不是。README 说明它基于 Spring AI 概念支持 DashScope、OpenAI 等多个 LLM 提供方；不过给出的快速运行示例使用 DashScope，并要求设置 AI_DASHSCOPE_API_KEY。
运行 ChatBot 最低需要什么？
需要 JDK 17+、一个模型提供方 API key，以及运行 ./mvnw -pl examples/chatbot spring-boot:run 的 shell 环境。
何时应使用 Graph API？
当内置 Agent Framework 模式不足以表达流程，且需要自行控制条件路由、嵌套图、并行执行或状态管理时，可直接使用 Graph API。
支持人工审批和运行约束吗？
支持。README 列出了 Human In The Loop、模型与工具调用限制、工具重试、上下文压缩和编辑等上下文工程能力。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审，横向比较这个 Agent 所属的短名单。

开源编程 Agent 横向对比

按 FARS 评审排序的开源编程 agent——分数、信任、许可证、语言与维护状态并排比较，并说明各自擅长与不擅长什么。

MCP Agent 横向对比

提供或调用 Model Context Protocol 服务的 agent，按 FARS 评审排序，并列出许可证、维护状态与信任分。

相关 Agents

开发与工程

tRPC-Agent-Go

面向 Go 服务的生产级智能体与图工作流框架。
开发与工程

Pocket Flow

用极简图式框架编排 LLM 工作流、智能体与 RAG 应用。
开发与工程

Polter 多终端智能体监督器

让一个 Claude Code 会话监督其他终端中的独立智能体。
开发与工程

BeeAI Framework

用 Python 或 TypeScript 构建可编排、可部署的多智能体系统。