AgentScope Java：让Java开发者轻松构建智能体应用

引言

大模型技术的爆发正在重塑软件开发的范式。智能体（Agent）作为连接大模型与业务系统的核心载体，正从实验性原型快速走向生产级应用。然而，对于广大Java开发者来说，想要快速集成大模型能力，却常常被繁琐的API调用、复杂的多Agent协同逻辑以及上下文管理等问题困扰。

AgentScope Java的出现，恰好为Java开发者解决了这些痛点。

什么是AgentScope Java？

AgentScope Java是阿里巴巴开源的Agent编程框架，用于构建基于大语言模型（LLM）的智能体应用。简单来说，它的核心作用是“封装大模型调用、简化Agent协同、统一上下文管理”，让开发者能够专注于业务逻辑，而非大模型接口适配、多Agent调度等底层工作。

目前AgentScope Java已经发布了2.0版本，这是一次较大规模的重构，在1.x的基础上抽出了独立的HarnessAgent层，把工作区、人格、长期记忆、子Agent编排、沙箱隔离、技能装配、计划模式等功能打包成一个“工程就绪”的入口。

核心特性

ReAct推理循环
ReAct（Reasoning and Acting）是AgentScope最核心的实现范式。其设计思路很简单：将思考（Reasoning）和执行（Acting）分离，通过迭代循环解决问题。Agent会基于当前上下文进行分析，决定下一步行动，调用工具，观察结果，然后继续思考。
HarnessAgent——推荐的工程入口
HarnessAgent是在ReActAgent之上的一层薄包装，把长期运行Agent必备的工程能力用Builder模式串起来。包括工作区管理、会话管理、记忆持久化、子Agent编排、沙箱隔离等。
灵活的工具系统
通过@Tool注解，开发者可以将任意Java方法注册为Agent可调用的工具。工具元数据会自动生成JSON Schema，由LLM自动调用。
多模型支持
内置支持多种主流大模型，包括OpenAI协议（DeepSeek、GLM、Ollama等所有OpenAI兼容服务）、DashScope（通义千问）、Anthropic Claude、Google Gemini。开发者可以通过统一接口调用，无需修改代码即可切换大模型。
会话与状态管理
AgentState + AgentStateStore取代了1.x的Memory体系，支持跨进程、跨机器、跨副本的状态恢复。提供了多种存储后端：InMemory、JsonFile、Redis、MySQL。
子Agent编排（2.0新特性）
2.0版本用“子Agent + 同步/异步spawn”统一了以往Pipeline/MsgHub的多种编排方式。主Agent通过agent_spawn工具委派子任务，支持同步（timeout_seconds > 0）和后台（timeout_seconds = 0）两种模式。

快速上手：第一个Agent

让我们用几行代码来体验一下AgentScope Java的魅力。

首先，在Maven项目中添加依赖：

<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-core</artifactId>
    <version>2.0.0-RC2</version>
</dependency>

然后，创建一个能对话的Agent：

package com.example;

import io.agentscope.core.model.OpenAIChatModel;
import io.agentscope.core.formatter.openai.OpenAIChatFormatter;
import io.agentscope.core.message.UserMessage;
import io.agentscope.harness.HarnessAgent;
import java.nio.file.Path;

public class BasicChatExample {
    public static void main(String[] args) {
        String apiKey = System.getenv("DEEPSEEK_API_KEY");
        
        // 创建Model
        OpenAIChatModel model = OpenAIChatModel.builder()
            .apiKey(apiKey)
            .modelName("deepseek-chat")
            .baseUrl("https://api.deepseek.com")
            .stream(true)
            .enableThinking(true)
            .formatter(new OpenAIChatFormatter())
            .build();
        
        // 创建HarnessAgent（推荐入口）
        HarnessAgent agent = HarnessAgent.builder()
            .name("Assistant")
            .sysPrompt("你是一个乐于助人的AI助手，请友好简洁地回答问题。")
            .model(model)
            .workspace(Path.of("./workspace"))
            .build();
        
        // 调用Agent
        UserMessage userMsg = new UserMessage("你好，请介绍一下自己");
        String reply = agent.call(userMsg, RuntimeContext.empty())
            .block()
            .getTextContent();
        
        System.out.println(reply);
    }
}

代码解读：

OpenAIChatModel：使用Builder模式创建，配置API Key、模型名称、服务地址等
stream(true)：启用流式输出
enableThinking(true)：启用思考模式
HarnessAgent：推荐入口，开箱即用，集成了工作区、会话、记忆等工程能力
workspace：指定工作区目录，用于存放人格配置、记忆等文件

适用场景

AgentScope Java尤其适合以下场景：

智能客服：快速构建能理解用户意图、自动回复的客服系统
代码生成与辅助：帮助开发者自动生成代码、进行代码审查
数据分析：自动分析数据、生成报表
业务流程编排：将复杂任务拆解给多个Agent协同完成

写在最后

AgentScope Java让Java开发者无需深耕大模型底层逻辑，就能快速开发出高可用、可扩展的智能体应用。它完美兼容Spring Boot、Spring Cloud、Maven等Java主流技术栈，支持依赖注入、配置化管理，嵌入现有项目无需额外改造。

如果你正在探索如何将大模型能力集成到Java项目中，不妨从AgentScope Java开始——项目地址：https://github.com/agentscope-ai/agentscope-java

Happy coding！