本文版本事实核查自各项目官方源（spring.io 官方公告、LangChain4j GitHub Releases 与官方文档、java2ai.com 官方发布博客、AgentScope Java Releases、Maven Central 元数据）。
开篇
技术选型会上被问得最多的问题，2026 年的版本大概是这个：
"我们团队要开始做 AI 应用了，Java 这边——Spring AI、LangChain4j、Spring AI Alibaba、AgentScope、Google ADK……到底用哪个？"
问出这个问题的人，往往已经看过不少对比文章，但越看越糊涂。原因很简单：大部分对比文章把五个框架放在一根跑道上比"谁功能多"，而它们其实不在同一层，互相的竞争关系远比想象的小。
这篇文章想做三件事：
- 先建立分层坐标系，搞清楚每个框架"占的是哪一层"；
- 逐个过堂：定位、核心能力、版本节奏、适合谁、坑在哪；
- 给出一棵决策树和四套组合拳架构——选型不是五选一，多数场景是"基座 + 按需叠加"。
先声明版本基准（全部经官方源核实，截至 2026-08-26）：
| 框架 | 当前版本 | 关键日期 | 一句话定位 |
|---|---|---|---|
| Spring AI | 2.0.1 | GA 2026-06-12 / 2.0.1 2026-08-21 | Spring 生态的 AI 原生运行时 |
| LangChain4j | 1.19.0 | 2026-08-14 | 框架无关的全功能 LLM 应用工具箱 |
| Spring AI Alibaba | 1.1.2.0 | 2026-02-03 | 阿里系 Agent 全家桶（基于 Spring AI 1.1.2） |
| AgentScope Java | 2.0.1 | GA 2026-07-10 / 2.0.1 2026-08-05 | 独立的生产级多 Agent 框架（ReAct 范式） |
| Google ADK Java | 1.8.0 | 1.0.0 2026-03-30 / 1.8.0 2026-08-18 | code-first Agent 工具包，绑 Vertex AI + A2A |
| （编外）Solon AI | 4.0.4 | 2026-07-30 | 轻量方案，唯一支持 Java 8 的 Agent 框架 |
一、先建立坐标系：它们不在同一层
把 2026 年的 Java AI 生态竖着切开，会看到三个清晰的分工层：
**基础设施层——Spring AI。**它解决的问题是"把接入大模型变成一个稳定的工程问题"：统一的 ChatClient 入口、可组合的 Advisor 链、官方维护的 MCP 实现、与 Spring Security / Micrometer / Observation 的天然打通。官方给它的类比是"AI 世界的 JDBC"——你不会说 JDBC 和业务系统"竞争"，它就是地基层。
**应用框架层——LangChain4j。**它是一个框架无关的全功能工具箱：从低级原语（ChatModel、EmbeddingStore）到高级声明式 API（AiServices）再到 Agentic 原语，覆盖聊天、RAG、Agent 的绝大多数应用形态，并且保持着最广的集成面——20+ 模型提供商、30+ 向量存储，与 Quarkus、Spring Boot、Helidon、Micronaut 都有官方集成。它是"什么都给你备好了"的那一层。
**Agent 框架层——Spring AI Alibaba、AgentScope Java、Google ADK Java。**当应用形态升级为"多个智能体协作完成复杂任务"，就需要专门的编排框架：状态图工作流、多智能体模式、沙箱、人工审批（HITL）、多租户。三个框架代表三条路线：SAA 走 Spring 系图编排，AgentScope 走独立系 ReAct 自主智能体，ADK 走 Google 云原生。
横切这一切的，是 2026 年已经事实标准化的协议三件套：MCP（工具接入）、A2A（Agent 互联）、Agent Skills（能力复用）。五大框架全部在接，协议层的选型焦虑已经基本消失——这是和两年前最大的不同。
记住这张分层地图，下面逐个过堂。
二、五大框架逐个过堂
1. Spring AI 2.0：AI 原生运行时
版本事实：2.0.0 GA 发布于 2026-06-12；首个维护版本 2.0.1 发布于 2026-08-21，修复了 7 个 CVE（涉及 PDF 文档读取、ONNX 模型缓存、会话分配、文件操作、语义缓存、Redis 仓库、工具分发），并新增可配置的工具调用上限（防止智能体无限循环）——正在生产环境跑 2.0.0 的团队，2.0.1 应视为优先升级而非例行维护。
它是什么：Spring AI 的目标不是"做功能最多的 AI 框架"，而是把 AI 纳入 Spring 的编程模型——自动配置、可观测、安全、测试，全部是一等公民。2.0 的三个关键词：
- ChatClient 成为唯一推荐入口，ChatModel 降级为构建块；
- 工具调用循环 Advisor 化——横切能力（日志、重试、审计、工具循环本身）变成可插拔可组合的组件，这是 2.0 最深的架构变革；
- MCP 官方收编——
@McpTool一个注解暴露 Spring 服务，MCP Java SDK 由 Spring 团队维护。
代价：基线大跳版——Spring Boot 4.0/4.1 + Spring Framework 7 + Jackson 3 + JSpecify 空安全。Boot 3.x 项目升级要过 9 处破坏性变更（Options 体系重构、属性键扁平化等，详见升级实战篇）。
适合谁：Spring 技术栈团队——也就是国内大多数企业后端。如果你的服务已经是 Spring Boot，这是摩擦最小、与现有工程体系（安全、事务、观测）融合最自然的底座。
注意：2.0.0 发布至今刚满两个月，第三方生态（如 mcp-security）还在追赶适配节奏；另外模型提供商在 2.0 里做了精简（OpenAI/Anthropic 仅保留官方 SDK 变体、Google 移除 Vertex），从 1.x 迁移前先确认你的提供商在支持列表里。
2. LangChain4j 1.19：全功能工具箱
版本事实：1.19.0 发布于 2026-08-14；同时并行维护两条回溯补丁线——1.11.x（最新 1.11.11，2026-08-11）和 1.5.x（最新 1.5.3，2026-07-29），锁旧版本的生产系统也能持续拿到修复。主线最低 JDK 要求是 17（官方 Get Started 页面明文），没有 Java 8 兼容版本线。
它是什么：先澄清一个流传很广的误会——LangChain4j 不是 Python LangChain 的 Java 移植，而是从零构建的地道 Java 库：类型安全、POJO、注解、接口、流式 API。它的两级抽象很实用：
- 低级：
ChatModel、EmbeddingStore等原语，自由度拉满； - 高级：
AiServices声明式接口——定义一个 Java 接口加注解，框架生成实现，把"调模型"写成像调用本地方法一样。
1.19 的 Agentic 原语值得单独点名：AgenticScope（智能体间共享状态）、并行 mapper、以及工具补偿机制（#5823）——多个工具连续调用中途失败时自动执行补偿操作，本质是给 AI Agent 加上了 Saga 风格的事务语义。另外它是第一个支持 MCP 2026-07-28 新规范（客户端）的 Java 框架（#5881），比 MCP Java SDK 本身还快——协议跟进速度是它最鲜明的性格。
适合谁：非 Spring 技术栈（Quarkus/Micronaut/纯 Java）、需要最广模型与向量库覆盖、或者想要"一个库解决聊天 + RAG + Agent 全家"的团队。
注意：三条维护线并存是福祉也是负担——锁版本前先想清楚跟哪条线；大量集成模块仍以 beta 版本号迭代（如 1.19.0-beta29），升级时留意 API 变化；Java 8 存量项目在这里没有官方出路（详见下文 Solon AI）。
3. Spring AI Alibaba 1.1.2：阿里系全家桶
版本事实：1.1.2.0 发布于 2026-02-03，基于 Spring AI 1.1.2 + Spring Boot 3.5.x——注意，它尚未跟上 Spring AI 2.0 / Boot 4。1.1.2 带来了 Agent Skills 支持、多智能体并行执行、Graph 并行边与聚合策略。
它是什么：SAA 早已不是当年那个"DashScope 模型适配层"，而是一个 Agent 开发平台全家桶：Agent Framework（ReactAgent、Supervisor/Routing 等多智能体模式）+ Graph Core（对标 LangGraph 的状态图编排，含持久化、断点续跑、流式、MCP 节点）+ Studio（可视化调试）+ Sandbox（沙箱执行）+ DashScope Starter。如果你的模型主力是 Qwen 系列、基础设施在阿里云，它的开箱体验目前没有对手。
必须直说的事实：选 SAA 等于把 Spring 生态锁在 1.1.2 / Boot 3.5 基线上。你在它之上叠加不了任何要求 Spring AI 2.0 的东西——比如 spring-ai-agent-utils（要求 2.0+）。这是一道真实的分水岭："SAA 全家桶"和"Spring AI 2.0 新世界"当前是两个互斥的阵营，鱼与熊掌要等 SAA 后续版本（官方已明确会把内核升级为 AgentScope，两个阿里系框架逐步融合）。
适合谁：阿里云生态、DashScope/Qwen 模型主力、需要可视化编排与图工作流、且能接受暂留 Boot 3.5 的团队。
4. AgentScope Java 2.0：生产级多 Agent 框架
版本事实：2.0.0 GA 发布于 2026-07-10（此前经历了 RC1~RC5 五轮候选）；首个维护版本 2.0.1 发布于 2026-08-05，把 DeepSeek、GLM（智谱）、Kimi（月之暗面）、MiniMax 升级为一等公民提供商，并新增 Ollama Spring Boot Starter。
它是什么：阿里通义实验室的独立多 Agent 框架，与 SAA 是同一公司的两条产品线，但路线完全不同——SAA 是 Spring 系的图编排，AgentScope 是框架无关的 ReAct 自主智能体。它的核心设计是"ReActAgent 推理内核 + Harness 工程化层"：轻量场景直接用 ReAct 循环，生产场景按需启用 Workspace、持久记忆、Session、Sandbox、Skill 和 Subagent。模型容错（自动降级重试）、事件流式响应、细粒度权限、多租户隔离、服务化部署，这些"Demo 魔咒"的解药是它 2.0 的全部主题。
官方披露的内部落地（飞猪、淘宝闪购、1688、千问 APP 等十余条业务线）说明它经过了真实生产检验。框架无关性也意味着 Spring Boot / Quarkus / Micronaut 都能引入——和 Spring AI 2.0 做底座并不冲突。
适合谁：多 Agent 协作的生产场景，尤其是开放式任务（编码 Agent、深度研究类）——ReAct 的自主性在这类任务上优于固定流程图。
注意：2.0 发布刚满一个月，社区资料还在积累期；ReAct 的"自主"与 Graph 的"确定性"是哲学差异——如果你的业务流程需要强确定性和可审计（审批流、订单编排），Graph 系（SAA）更合适。这个话题系列后续会单独展开。
5. Google ADK Java 1.8：云厂商的武器
版本事实：0.1.0 于 2025-05 上架 Maven Central，1.0.0 发布于 2026-03-30，此后进入快节奏迭代（约两周一个次版本），当前 1.8.0（2026-08-18）。
它是什么：Google 官方的 code-first Agent 工具包，与 LangChain/CrewAI 的差异在于"开发 + 部署一体"：本地写 Agent，一键部署到 Vertex AI Agent Engine 托管运行。Java 版与 Google Cloud 深度绑定，模型生态以 Gemini 为中心。它还是体验 A2A 协议（Google 2025-04 推出的 Agent 间通信标准）的最佳载体。
适合谁：Google 云生态、Gemini 模型主力、或者要做跨 Agent 互联（A2A）试点的团队。
注意：绑定 GCP 是双刃剑——云外部署的灵活性有限；国内团队选它之前先过网络与合规这一关。
编外：Solon AI 4.0.4，Java 8 存量的答案
五大框架讲完，必须补一个"编外名额"。Solon AI v4.0.4（2026-07-30）实现了 Java 8~26 全版本兼容——当前唯一支持 Java 8 的 Java Agent 框架（Spring AI 与 LangChain4j 主线均要求 Java 17）。
这不是小众需求：据 JetBrains 2025 生态报告，企业 Java 项目里 Java 8 仍约占四分之一，Java 11 约占一成。金融、政企的存量系统升 JDK 意味着高成本、高风险和漫长的审批周期。Solon AI 框架无关（可嵌入 Vert.x、jFinal 等任何环境）、Apache-2.0 协议、中文文档完备，定位自我认知也很清醒——"补足而非取代"。代价是模型与向量库集成面较窄、社区规模较小（第三方 2026-08 统计约 2.7k star，同期 Spring AI 约 8.9k、LangChain4j 约 12.2k），选型前先确认目标模型在支持列表里。
三、选型决策树：三个问题定终身
把上面的分析压缩成一棵树，只需要三个问题：
第一问：你的 JDK 能升到 17+ 吗？
这是 2026 年 Java AI 选型的第一道分水岭，比任何功能对比都优先。不能升（存量 Java 8/11、升级审批无期）→ 答案基本只有一个：Solon AI。能升 → 进入第二问。
第二问：你的生态绑定是什么？
- Google 云 / Gemini 主力 / 要做 A2A → ADK Java，别犹豫；
- 阿里云 / DashScope+Qwen / 要可视化全家桶，且接受 Boot 3.5 → SAA 1.1.2；
- 其余情况（Spring 商、无偏好、多框架混部）→ 进入第三问。
第三问：你的应用形态是什么？
- 对话 + 工具调用 + RAG 为主 → 用基座层就够：Spring 商选 Spring AI 2.0，非 Spring 选 LangChain4j。不要为了"Agent"这个词上 Agent 框架——单智能体 + 工具循环，Spring AI 的 Advisor 链或 LangChain4j 的 AiServices 都绰绰有余；
- 确定性流程编排（审批、订单、有合规审计要求的多步流程）→ Graph 系，SAA Graph Core；
- 开放式多 Agent 任务（编码、研究、自主规划）→ ReAct 系，AgentScope Java，或用 spring-ai-agent-utils 在 Spring AI 2.0 上组装 Claude Code 式的智能体。
一个经验法则：**基座选稳的，编排按需叠加。**多数项目从"基座 + 十个工具"开始，就已经能解决 80% 的业务诉求，第五个框架（Agent 编排层）往往是过度设计。
四、兼容性矩阵：最容易踩的暗坑
选型翻车很少翻在功能上，多翻在版本兼容上。这张矩阵建议截图保存：
| Spring Boot 基线 | 最低 JDK | 关键依赖约束 | |
|---|---|---|---|
| Spring AI 2.0.x | 4.0 / 4.1（不兼容 3.x） | 17 | 与 SAA 1.1.2 互斥（SAA 锁 Spring AI 1.1.2） |
| Spring AI Alibaba 1.1.2 | 3.5.x | 17 | 依赖 Spring AI 1.1.2，升 Boot 4 需等 SAA 跟进 |
| spring-ai-agent-utils 0.10 | 跟随 Spring AI | 17 | 要求 Spring AI 2.0+，1.1.x 项目用不了 |
| LangChain4j 1.19 | 框架无关 | 17 | 无 Java 8 版本线；beta 模块双轨版本号 |
| AgentScope Java 2.0 | 框架无关 | — | Spring Boot / Quarkus / Micronaut 均可引入 |
| Google ADK Java 1.8 | 框架无关 | — | 云侧绑 Vertex AI Agent Engine |
| Solon AI 4.0.4 | 框架无关 | 8 | 唯一 Java 8 选项 |
三个高频翻车现场：
- "我要 Spring AI 2.0 的新特性 + SAA 的 Graph 编排"——当前做不到。SAA 基于 Spring AI 1.1.2，两者二选一，等 SAA 的 2.0 适配版本（内核将升级为 AgentScope）再重新评估；
- "我要 agent-utils 的 Claude Code 工具集 + SAA 全家桶"——做不到。agent-utils 要求 Spring AI 2.0+；
- "存量 Java 8 项目直接上 Spring AI / LangChain4j"——做不到。两者主线都要 17，官方都没有 Java 8 版本线的计划。
五、组合拳：四套参考架构
单个框架的回答到此为止，真实项目是组合题。给四套 2026 年 8 月这个时点上自洽的架构：
方案 A：Spring 原生派（2026 年最顺的路）
Spring AI 2.0（底座：ChatClient + Advisor + MCP + 观测）
└── spring-ai-agent-utils（Claude Code 式工具集：Shell/FS/Grep/TaskTool...）
└── spring-ai-session（事件溯源对话记忆）
适合愿意站上 Boot 4 基线的 Spring 团队。工具循环 Advisor 化之后，中等复杂度的 Agent 用 Advisor 链就能编排，不一定需要独立 Agent 框架。这是当前"新起点项目"的默认答案。
方案 B：阿里系全家桶
Spring AI 1.1.2 + Boot 3.5
└── SAA：Graph Core（图编排）+ Studio（可视化）+ Sandbox
└── DashScope + Qwen
适合阿里云生态、模型主力 Qwen、要图工作流和可视化调试的团队。代价是把 Spring 生态锁在 3.5 基线——用 SAA 官方的融合路线图（内核升级 AgentScope）做长期规划的对冲。
方案 C：基座 + 独立 Agent 框架
Spring AI 2.0（模型接入 / RAG / 工具）
└── AgentScope Java 2.0（多 Agent 编排与生产运行）
AgentScope 框架无关、提供 Spring Boot Starter，与 Spring AI 2.0 并不冲突。适合"基座用 Spring 的稳，编排要 ReAct 的活"的团队——一个负责接模型和工程化，一个负责智能体协作。
方案 D：Google 云原生
ADK Java 1.8（code-first Agent）
└── Vertex AI Agent Engine（托管运行）
└── A2A（跨 Agent 互联）
适合 Google 云生态，或把 A2A 试点作为第一目标的团队。
写在最后
回到开头的问题："五大框架到底用哪个？"——现在可以给出诚实的答案：
**这不是一道五选一的单选题。**2026 年 Java AI 的正确姿势是分层组合：基座层（Spring AI 或 LangChain4j）解决"稳"，Agent 层（SAA/AgentScope/ADK）解决"活"，协议层（MCP/A2A/Agent Skills）已经帮你把互操作的问题标准化了。
最后提醒一句：本文是一张 2026-08-26 的快照。SAA 跟进 Spring AI 2.0、AgentScope 生态铺开、MCP 新规范的服务端落地——这些变量都在路上，半年后回看，决策树可能会有两三个分支改写。选型时除了看当下的功能表，更要看版本节奏和路线图：一个框架跟上游基线（Spring Boot、MCP 规范）的跟进速度，比它多十个集成更能说明它的长期价值。
参考资料
- Spring AI 2.0.1 Available Now（spring.io，2026-08-21）
- Spring AI 2.0.0 GA 发布公告（spring.io，2026-06-12）
- LangChain4j Releases（GitHub）
- LangChain4j Get Started（官方文档，JDK 基线）
- Spring AI Alibaba 1.1.2.0 发布公告（java2ai.com，2026-02-03）
- AgentScope Java Releases（GitHub）
- google-adk Maven Central 版本列表
- Google ADK Java（GitHub）
