1. 概念

1.1. WorkFlow 和 Agentic

Spring Ai Alibaba 深度集成 Spring AI 生态，它是一个专为多智能体系统和工作流编排设计的项目。因此，Spring Ai Alibaba 中的 ReactAgent 实际上运行在 Graph Runtime 之上，其设计目标主要是完成工作流和多智能体编排功能（工作流 workFlow）。

AgentScope 项目支持更高级的 ReactAgent 范式，来构建模型驱动的智能体（自驱式 Agentic）。

1.2. 人机协同（Human In The Loop）

“Human In The Loop”（HITL，“人机协同”）是指在人工智能（AI）和机器学习（ML）系统中，主动引入人类参与，以提升系统的准确性、可靠性与适应性的一种方法。

具体来说，HITL 通过将人类的判断、专业知识或实时反馈嵌入到 AI 系统的训练、推理或决策过程中，形成一个人机协作的闭环。这种方式特别适用于以下场景：

处理边缘案例（edge cases）：当 AI 遇到罕见、模糊或高风险的情况时，由人类介入判断。
数据标注与模型训练：人类提供高质量标签数据，指导模型学习最关键的信息，比随机采样更高效。
结果验证与修正：对 AI 输出进行审核、纠错或优化，确保符合业务规则、伦理标准或领域知识。
持续迭代优化：通过“数据收集 → 模型训练 → 人类反馈 → 模型更新”的循环，不断提升系统性能。

HITL 的核心理念是：不追求完全自动化，而是将人类视为智能系统中不可或缺的一环，从而在效率与准确性、自动化与可控性之间取得平衡。它已广泛应用于自动驾驶、金融风控、内容审核、医疗诊断和大语言模型（LLM）优化等领域。

1.3. ReAct

“思考（Reason）→ 行动（Act）→ 观察（Observe）”的动态循环。

1.4. A2A

AI Agent 中的 A2A（Agent-to-Agent Protocol，代理到代理协议）是由 Google 于 2025 年 4 月提出的一项开放标准协议，旨在实现不同 AI 智能体（Agent）之间的标准化、安全且可互操作的通信与协作 。

A2A 解决的核心问题是：当前 AI Agent 通常基于不同框架开发、部署在不同平台，缺乏统一的交互语言，导致集成困难、协作效率低。A2A 通过提供通用通信机制，使这些“黑盒”智能体能够：

发现彼此的能力（通过“Agent Cards”发布技能、支持的数据格式和认证方式等元数据）；
委托任务并协同工作（例如一个客服 Agent 将退款请求转交给专门的计费 Agent）；
管理状态化、长周期的任务（支持多轮对话、中间输入请求、异步结果返回）；
以对等（peer-to-peer）方式直接通信，而非依赖中心化编排器。

技术上，A2A 基于通用 Web 标准构建，使用 HTTPS 传输、JSON-RPC 2.0 编码消息，并通过 Server-Sent Events (SSE) 支持实时流式响应和异步通知，适用于企业级安全与审计要求。

与 MCP（Model Context Protocol）不同，MCP 关注 LLM 如何调用外部工具（如 API、数据库），而 A2A 关注的是完整智能体之间如何协作——每个智能体本身可能已通过 MCP 集成多种工具。

简言之，A2A 是为 AI Agent 世界建立的“通用语言”，推动多智能体系统走向开放、互操作与规模化协作。

2. 项目架构

https://java2ai.com/assets/images/architecture-new-5a8ace6f37598cf200e7c9bf379f14b4.png

Spring AI Alibaba 项目从架构上包含如下三层：

Agent Framework，是一个以 ReactAgent 设计理念为核心的 Agent 开发框架，使开发者能够构建具备自动上下文工程和人机交互等核心能力的Agent。
Graph，graph 是一个低级别的工作流和多代理协调框架，能够帮助开发者实现复杂的应用程序编排，它具备丰富的预置节点和简化的图状态定义，Graph 是 Agent Framework 的底层运行时基座。
Augmented LLM，以 Spring AI 框架底层原子抽象为基础，为构建大型语言模型（LLM）应用提供基础抽象，例如模型（Model）、工具（Tool）、多模态组件（MCP）、消息（Message）、向量存储（Vector Store）等。

3. 安装

<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>

4. 创建 Agent

import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import com.alibaba.cloud.ai.graph.agent.ReactAgent;
import com.alibaba.cloud.ai.graph.CompileConfig;

import org.springframework.ai.chat.model.ChatModel;

public class AgentExample {

    public static void main(String[] args) throws Exception {
        // 创建模型实例
        DashScopeApi dashScopeApi = DashScopeApi.builder()
            .apiKey(System.getenv("AI_DASHSCOPE_API_KEY"))
            .build();
        ChatModel chatModel = DashScopeChatModel.builder()
            .dashScopeApi(dashScopeApi)
            .build();

        // 创建 Agent
        ReactAgent agent = ReactAgent.builder()
            .name("weather_agent")
            .model(chatModel)
            .instruction("You are a helpful weather forecast assistant.")
            .build();

        // 运行 Agent
        agent.call("what is the weather in Hangzhou?");
    }
}

5. 核心功能

ReactAgent：构建具有推理和行动能力的智能代理，遵循 ReAct（推理 + 行动）范式，用于迭代解决问题。
多代理编排：使用内置模式（包括 SequentialAgent、ParallelAgent、LlmRoutingAgent 和 LoopAgent`）组合多个代理，以执行复杂的任务。
上下文工程：内置快速工程、上下文管理和对话流控制的最佳实践，以提高代理的可靠性和性能。
人机协同：将人工反馈和审批步骤无缝集成到代理工作流程中，从而实现关键工具和操作的监督执行。
流式传输支持：代理响应的实时流式传输
错误处理：强大的错误恢复和重试机制
基于图的工作流：基于图的工作流运行时和 API，用于条件路由、嵌套图、并行执行和状态管理。可将工作流导出为 PlantUML 和 Mermaid 格式。
A2A 支持：通过 Nacos 集成支持代理间通信，实现跨服务的分布式代理协调和协作。
丰富的模型、工具和 MCP 支持：利用 Spring AI 的核心概念，支持多种 LLM 提供程序（DashScope、OpenAI 等）、工具调用和模型上下文协议 (MCP)。

目录CONTENT

Spring AI Alibaba概览