Spring AI Agents 震撼发布：下一代 AI 开发范式已来！

显示全部楼层

在刚刚落幕的 GitHub Universe 2025 大会上，GitHub 发布了其平台的颠覆性进化——Agent HQ（智能体中控）。它为开发者提供了一个统一的工作流，使其能够在任何时间、任何地点协调任何智能体。

Agent HQ 旨在将 GitHub 转变为一个开放的 AI 生态系统，在单一平台上整合所有主流智能体。在未来几个月内，来自 Anthropic、OpenAI、Google、Cognition、xAI 等公司的 Code CLI 将作为 GitHub Copilot 的一部分，直接在 GitHub 上提供。

Agent HQ 的核心理念不是简单地将智能体“插入”现有系统，而是让智能体原生融入（natively integrate）你已习惯的 GitHub 工作流。

这一设计理念与Cursor 2.0 的多 Agent 模式不谋而合。在 Cursor 2.0 中，开发者可以通过 Mission Control (中控) 同时驱动多个 AI 智能体协同工作，每个智能体专注于不同的任务领域——代码审查、测试生成、文档编写、问题修复等。

这标志着开发模式从“单一 AI 助手”向“AI 团队协作”的重大转变。在这种“超级智能中心”架构下，开发者不再是独自战斗，而是成为一名指挥官，指挥一支 AI 团队来攻克复杂的软件工程任务。

Spring AI Agents：打造 Java 开发者自己的“中控室”

GitHub Agent HQ 的愿景固然宏大，但这种“多智能体编排”的理念并非遥不可及。在 Java 社区，Spring AI团队早已洞察到这一趋势，并通过Spring AI Agents项目为 Java 开发者带来了类似的实现。

借鉴 GitHub Agent HQ 和 Cursor 的设计理念，通过 Spring AI Agents，开发者可以在 Java 企业级开发中，构建和编排一个强大的、多 AI 智能体协同工作的“超级中控系统”。

什么是 Spring AI Agents?

Spring AI Agents是一个面向 Java 企业级开发的自主智能体（Autonomous Agents）集成层。它为开发者提供了统一的 Java SDK 接口，用以调度和编排多个主流的 AI Coding Agent。

就像当年 JDBC 统一了数据库访问接口一样，Spring AI Agents 正在为自主智能体访问提供标准化的 Java 抽象。

当前项目需要自行下载 Spring Ai Agents 源码并编译安装，未来将发布到 Maven 中央仓库，敬请期待！

已适配的主流 AI Agent

Spring AI Agents 已经完成与多个业界领先的自主编码智能体的深度集成：

智能体	状态	说明
Claude Agent SDK	✅ 已支持	Anthropic 的自主编码智能体，原名 Claude Code SDK
Gemini CLI Agent	✅ 已支持	Google 的命令行编码智能体，支持多模态能力
Amp CLI	✅ 已支持	Sourcegraph 的自主编码智能体，功能完善
Amazon Q Developer	✅ 已支持	AWS 的 /dev 智能体，支持多文件和跨代码库的自主规划
OpenAI Codex	✅ 已支持	OpenAI 的 GPT-5-Codex，针对智能体编码优化
mini-swe-agent	✅ 已支持	轻量级100行自主智能体，用于基准测试
Goose	🚧 规划中	Block 的开源可扩展 AI 智能体，可本地运行
GitHub Copilot Agent	🚧 规划中	GitHub 的自主编码智能体，可在 Actions 中自主创建 PR

快速上手：驱动单个 Agent

以驱动Claude Agent为例，我们来看看上手有多简单。

1. 添加依赖

<!-- Claude Agent Model -->
<dependency>
  <groupId>org.springaicommunity.agents</groupId>
  <artifactId>spring-ai-starter-agent-claude</artifactId>
  <version>0.1.0-SNAPSHOT</version>
</dependency>

2. 通过 AgentClient 驱动 Claude Agent

// 1. 创建 Claude CLI 客户端
ClaudeAgentClientclaudeClient=ClaudeAgentClient.create();

// 2. 配置代理选项
ClaudeAgentOptionsoptions=ClaudeAgentOptions.builder()
    .executablePath("/usr/local/bin/claude")
    .yolo(true)
    .workingDirectory("/Users/lengleng/Downloads/cursor-web")
    .build();

Sandboxsandbox=newLocalSandbox();
// 3. 创建代理模型
ClaudeAgentModelagentModel=newClaudeAgentModel(claudeClient, options, sandbox);

// 4. 创建 AgentClient
AgentClientagentClient=AgentClient
    .create(agentModel);

// 5. 执行目标
AgentClientResponseresponse=agentClient.run(
    "基于现有技术栈完成一个独立的增删改查"
);

通过以上代码，我们就能驱动 Claude Agent，让它基于现有技术栈自主分析并完成一个 CRUD 功能。

进阶：多智能体协同工作流

Spring AI Agents 真正的威力在于编排。正如 GitHub Agent HQ 的理念，我们可以创建多个 AgentClient，并通过一个“中控”来协同调度它们。

1. 添加多个 Agent 依赖

例如，要同时联动 CodeX 和 Gemini，首先添加依赖：

<dependency>
  <groupId>org.springaicommunity.agents</groupId>
  <artifactId>spring-ai-starter-agent-codex</artifactId>
  <version>0.1.0-SNAPSHOT</version>
</dependency>
<dependency>
  <groupId>org.springaicommunity.agents</groupId>
  <artifactId>spring-ai-starter-agent-gemini</artifactId>
  <version>0.1.0-SNAPSHOT</version>
</dependency>

2. 编排多智能体协同工作

下面的示例展示了一个 MultiAgentWorkflow（多智能体工作流），它协同 Claude 和 Gemini 来完成一次复杂的代码审查和重构任务。

publicclassMultiAgentWorkflow{

  privatefinalAgentClient claudeAgent;
  privatefinalAgentClient geminiAgent;

  publicMultiAgentWorkflow(
      @Qualifier("claudeAgentClient")AgentClient claudeAgent,
      @Qualifier("geminiAgentClient")AgentClient geminiAgent){
    this.claudeAgent = claudeAgent;
    this.geminiAgent = geminiAgent;
  }

  publicStringcollaborativeCodeReview(String pullRequestId){
    // 使用 Claude 进行详细分析
    StringclaudeAnalysis=claudeAgent.run(
        "对 PR "+ pullRequestId +" 进行详细的代码审查"+
            "。重点关注逻辑正确性和潜在的 bug。"
    ).getResult();

    // 使用 Gemini 进行架构审查
    StringgeminiAnalysis=geminiAgent.run(
        "审查 PR "+ pullRequestId +" 的架构问题和 "+
            "Google Cloud 最佳实践。"
    ).getResult();

    // 合并分析结果
    StringcombinedPrompt=String.format(
        "将这两份代码审查分析合并成一份综合报告："+
            "分析1（逻辑与Bug）：%s\n\n"+
            "分析2（架构）：%s\n\n"+
            "创建一个按优先级排序的问题列表，并提供可操作的建议。",
        claudeAnalysis, geminiAnalysis
    );

    returnclaudeAgent.run(combinedPrompt).getResult();
  }

  publicStringdistributeRefactoringTask(String className){
    // Claude 处理方法提取和逻辑优化
    CompletableFuture<String> claudeTask = CompletableFuture.supplyAsync(() ->
        claudeAgent.run("优化 "+ className +" 中的方法，提高可读性和性能").getResult()
    );

    // Gemini 处理架构改进
    CompletableFuture<String> geminiTask = CompletableFuture.supplyAsync(() ->
        geminiAgent.run("按照 SOLID 原则改进 "+ className +" 的架构").getResult()
    );

    // 合并结果
    returnclaudeTask.thenCombine(geminiTask, (claudeResult, geminiResult) -> {
      returnclaudeAgent.run(
          "合并这些重构方案："+ claudeResult +"\n\n"+ geminiResult
      ).getResult();
    }).join();
  }
}

总结

AI 开发又进入了下一代玩法，从 vibe coding 的 "code cli 百团大战"，演进到了下一代的协同合作。

正如本文所展示的，Spring AI Agents 提供的统一抽象层，正推动软件开发从“人机结对”的 Copilot 模式，进化到“人指挥、AI 协同”的智能体团队模式。这种“中控室”架构极大地降低了 Java 开发者构建和编排复杂 AI 工作流的门槛，将成为未来企业级 AI 应用的核心。