使用Spring AI Alibaba构建智能体Agent本文详解使用Spring AI Alibaba框架，结合Das

前言

随着大语言模型(LLM)技术的快速发展，构建智能Agent应用变得越来越简单。本文将通过两个实际的代码示例，展示如何使用Spring AI Alibaba框架构建功能丰富的天气查询Agent，从基础的测试实现到生产级的完整应用。

技术栈概述

Spring AI Alibaba: 阿里巴巴开源的AI应用开发框架
DashScope: 阿里云的AI模型服务平台
React Agent: 基于ReAct(Reasoning and Acting)范式的智能代理

示例一：SimpleTest - 快速入门

添加核心依赖

<dependencies>
      <!-- Spring AI Alibaba Agent Framework -->
      <dependency>
          <groupId>com.alibaba.cloud.ai</groupId>
          <artifactId>spring-ai-alibaba-agent-framework</artifactId>
          <version>1.1.2.0</version>
      </dependency>

      <!-- DashScope ChatModel 支持（如果使用其他模型，请跳转 Spring AI 文档选择对应的 starter） -->
      <dependency>
          <groupId>com.alibaba.cloud.ai</groupId>
          <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
          <version>1.1.2.0</version>
      </dependency>
</dependencies>

代码结构分析

@Test
void agentTest() throws GraphRunnerException {
    // 1. 初始化 DashScope API
    DashScopeApi dashScopeApi = DashScopeApi.builder()
            .apiKey(System.getenv("AliQwen_API"))
            .build();

    // 2. 创建 ChatModel
    ChatModel chatModel = DashScopeChatModel.builder()
            .dashScopeApi(dashScopeApi)
            .build();

    // 3. 定义天气工具
    ToolCallback weatherTool = FunctionToolCallback.builder("get_weather", new WeatherTool())
            .description("获取某个城市的天气")
            .inputType(String.class)
            .build();

    // 4. 构建React Agent
    ReactAgent agent = ReactAgent.builder()
            .name("weather_agent")
            .model(chatModel)
            .tools(weatherTool)
            .systemPrompt("你是一个非常有帮助的助手")
            .saver(new MemorySaver())
            .build();

    // 5. 调用Agent
    AssistantMessage response = agent.call("上海今天天气怎么样？");
    System.out.println(response.getText());
}

核心特性

简洁的配置: 通过Builder模式快速构建Agent
工具集成: 使用FunctionToolCallback将自定义函数包装为Agent可调用的工具
内存存储: 使用MemorySaver保存对话历史
中文支持: 完整的中文提示词和工具描述

自定义工具实现

class WeatherTool implements BiFunction<String, ToolContext, String> {
    @Override
    public String apply(String city, ToolContext toolContext) {
        return city + "今天天气非常好！";
    }
}

这个简单的工具类展示了如何将业务逻辑封装为Agent可调用的函数。

示例二：RealAgent - 真实的智能体

高级特性概览

相比SimpleTest，RealAgent展示了更多生产级特性：

精细的模型配置
多工具协同
结构化输出
对话上下文管理

核心代码解析

1. 系统提示词设计

String SYSTEM_PROMPT = """
        你是一位擅长说**天气冷笑话/谐音梗**的专业天气预报员。
                    
        你可以使用两个工具：
                    
        - **get_weather_for_location**：用于获取指定地点的天气
        - **get_user_location**：用于获取用户当前所在位置
                    
        如果用户询问天气，**必须先确认地点**。
        如果从问题中能判断出他们指的是**自己所在的地方**，
        就使用 **get_user_location** 工具获取他们的位置。
        """;

这个提示词体现了几个重要设计原则：

角色定位: 明确Agent的身份和特色
工具说明: 清晰描述可用工具的功能
行为约束: 规定了工具使用的逻辑顺序

2. 模型参数优化

ChatModel chatModel = DashScopeChatModel.builder()
        .dashScopeApi(dashScopeApi)
        .defaultOptions(DashScopeChatOptions.builder()
                .model(DashScopeChatModel.DEFAULT_MODEL_NAME)
                .temperature(0.5)      // 平衡创造性和准确性
                .maxToken(1000)        // 控制响应长度
                .build())
        .build();

3. 多工具协同

// 天气查询工具
ToolCallback getWeatherTool = FunctionToolCallback
        .builder("getWeatherForLocation", new WeatherForLocationTool())
        .description("获取一个给定城市的天气")
        .inputType(String.class)
        .build();

// 用户定位工具
ToolCallback getUserLocationTool = FunctionToolCallback
        .builder("getUserLocation", new UserLocationTool())
        .description("根据User Id获取用户位置")
        .inputType(String.class)
        .build();

4. 结构化输出配置

ReactAgent agent = ReactAgent.builder()
        // ... 其他配置
        .outputType(ResponseFormat.class)  // 指定输出格式
        .hooks(humanInTheLoopHook)
        .build();

5. 对话上下文管理

RunnableConfig runnableConfig = RunnableConfig.builder()
        .threadId(Thread.currentThread().getId() + "")
        .build();

// 第一次调用
AssistantMessage response1 = agent.call("上海今天天气怎么样", runnableConfig);

// 第二次调用（保持上下文）
AssistantMessage response2 = agent.call("明天天气怎么样", runnableConfig);

通过RunnableConfig的threadId实现多轮对话的上下文保持。

总结

通过这两个示例，我们可以看到Spring AI Alibaba框架在构建智能Agent应用方面的强大能力：

SimpleTest展示了快速原型开发的能力，适合概念验证和学习
RealAgent则创建了一个基础的 ReactAgent，接下来可以：
- 探索更多的工具集成
- 学习如何使用不同的 Checkpoint 实现对话持久化
- 了解如何使用 Hooks 扩展 agent 功能
- 学习如何创建多 agent 系统

使用Spring AI Alibaba构建智能体Agent

前言