用 Java 构建生产就绪的 AI 助理

📖 文档  |  中文  |  Discord

---

AgentScope Java 是一个面向代理的编程框架，用于构建由大语言模型驱动的应用程序。它提供了创建智能代理所需的一切：ReAct 理性推理、工具调用、记忆管理、多代理协作等。

亮点

🎯 智能代理，完全可控

AgentScope 采用 ReAct（理性—行动）范式，使代理能够自主规划并执行复杂任务。与僵化的基于工作流的方法不同，ReAct 代理会动态决定何时使用哪些工具，从而实时适应不断变化的需求。

然而，在生产环境中，缺乏控制的自主性反而会带来风险。AgentScope 提供了全面的运行时干预机制：

• 安全中断 - 可在任意时刻暂停代理执行，同时保留完整上下文和工具状态，实现无缝恢复而不会丢失数据。
• 优雅取消 - 能够终止长时间运行或无响应的工具调用，而不破坏代理状态，从而立即恢复并重新定向。
• 人机协同 - 通过 Hook 系统，在任何推理步骤中注入修正、额外上下文或指导，确保人类对关键决策的监督。

🛠️ 内置工具

AgentScope 包含一系列生产就绪的工具，可解决代理开发中的常见挑战：

• PlanNotebook - 一种结构化的任务管理系统，可将复杂目标分解为有序且可跟踪的步骤。代理可以创建、修改、暂停和恢复多个并发计划，确保多步工作流的系统化执行。

• 结构化输出 - 自我纠正的输出解析器，保证类型安全的响应。当 LLM 输出偏离预期格式时，系统会自动检测错误并引导模型生成有效输出，直接将结果映射到 Java POJO，无需手动解析。

• 长期记忆 - 具有跨会话语义搜索能力的持久化存储。支持自动管理、代理控制记录或混合模式。在企业部署中，可实现多租户隔离，使代理能够独立服务于多个用户。

• RAG（检索增强生成） - 与企业知识库无缝集成。支持自托管的嵌入式检索以及阿里云百炼等托管服务，使代理的回答建立在权威数据源之上。

🔌 无缝集成

AgentScope 旨在与现有企业基础设施无缝对接，无需进行大量改造：

• MCP 协议 - 可与任何兼容 MCP 的服务器集成，即时扩展代理功能。接入日益增长的 MCP 工具和服务生态系统——从文件系统、数据库到网页浏览器和代码解释器——无需编写自定义集成代码。

• A2A 协议 - 通过标准服务发现实现分布式多代理协作。将代理能力注册到 Nacos 或类似注册中心，使代理能够像调用微服务一样自然地相互发现和调用。

🚀 生产级品质

专为企业部署需求打造：

• 高性能 - 基于 Project Reactor 的响应式架构，确保非阻塞执行。通过 GraalVM 原生镜像编译，冷启动时间可低至 200 毫秒，使 AgentScope 适用于无服务器和自动扩展环境。

• 安全沙箱 - AgentScope Runtime 为不受信任的工具代码提供隔离的执行环境。内置针对 GUI 自动化、文件系统操作和移动设备交互的沙箱，防止未经授权访问系统资源。

• 可观测性 - 原生集成 OpenTelemetry，实现整个代理执行流程的分布式追踪。AgentScope Studio 提供可视化调试、实时监控和全面日志记录，适用于开发和生产环境。

快速入门

要求： JDK 17+

<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope</artifactId>
    <version>1.0.11</version>
</dependency>

ReActAgent agent = ReActAgent.builder()
    .name("Assistant")
    .sysPrompt("You are a helpful AI assistant.")
    .model(DashScopeChatModel.builder()
        .apiKey(System.getenv("DASHSCOPE_API_KEY"))
        .modelName("qwen-max")
        .build())
    .build();

Msg response = agent.call(Msg.builder()
        .textContent("Hello!")
        .build()).block();
System.out.println(response.getTextContent());

更多示例，请参阅 文档。

贡献

我们欢迎您的贡献！请参阅 CONTRIBUTING.md 获取相关指南。

社区

Discord	钉钉	微信

许可证

Apache License 2.0 - 详情请参阅 LICENSE。

出版物

如果您觉得 AgentScope 有用，请引用我们的论文：

• AgentScope 1.0：以开发者为中心的代理应用构建框架
• AgentScope：灵活而稳健的多代理平台

贡献者

AgentScope Java 快速上手指南

AgentScope Java 是一个面向代理编程的框架，专为构建基于大语言模型（LLM）的生产级应用而设计。它支持 ReAct 推理、工具调用、记忆管理及多智能体协作等核心功能。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• JDK 版本：必须安装 JDK 17 或更高版本。
• 构建工具：推荐使用 Maven 或 Gradle 进行依赖管理。
• API Key：若使用示例中的通义千问模型，需准备阿里云 DashScope API Key（可通过环境变量 DASHSCOPE_API_KEY 配置）。

安装步骤

在项目的 pom.xml 文件中添加以下依赖即可引入 AgentScope：

<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope</artifactId>
    <version>1.0.11</version>
</dependency>

提示：该库已发布至 Maven Central，国内开发者无需额外配置镜像源即可正常下载。如遇网络波动，可配置阿里云 Maven 镜像加速。

基本使用

以下是最简单的 ReAct 智能体创建与调用示例。该示例初始化一个名为 "Assistant" 的智能体，并让其回复一条消息。

import io.agentscope.agent.ReActAgent;
import io.agentscope.message.Msg;
import io.agentscope.model.DashScopeChatModel;

public class QuickStart {
    public static void main(String[] args) {
        // 构建 ReAct 智能体
        ReActAgent agent = ReActAgent.builder()
            .name("Assistant")
            .sysPrompt("You are a helpful AI assistant.")
            .model(DashScopeChatModel.builder()
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .modelName("qwen-max")
                .build())
            .build();

        // 发送消息并获取响应
        Msg response = agent.call(Msg.builder()
                .textContent("Hello!")
                .build()).block();
        
        System.out.println(response.getTextContent());
    }
}

运行说明：

1. 确保已在系统环境变量中设置 DASHSCOPE_API_KEY。
2. 编译并运行上述 Java 代码。
3. 控制台将输出智能体的回复内容。

更多高级用法（如工具注册、长期记忆、多智能体协作等），请参阅 官方文档。