Spring AI + LangGraph4j：Java 多智能体开发一文上手

大家好，欢迎来到IT知识分享网。

在 AI 应用开发领域，多智能体系统正成为解决复杂任务的核心方案。Spring AI 与 LangGraph4j 的强强联合，为 Java 开发者提供了构建企业级多智能体应用的完美技术栈。本文将从实战角度，带您掌握这一组合的核心开发技巧。

技术栈核心优势解析

Spring AI 作为 Spring 官方的 AI 框架，提供了标准化的 LLM 集成、工具调用和向量存储能力；而 LangGraph4j 则专注于智能体工作流编排，支持状态管理、多智能体协作和复杂任务拆分。两者结合的优势显著：

• 无缝集成：通过langgraph4j-spring-ai依赖实现自动配置，无需手动处理组件协作
• 状态持久化：内置 Checkpoint 机制，支持智能体对话状态的保存与恢复
• 可视化调试：LangGraph4j Studio 提供流程图可视化，简化复杂逻辑调试
• 企业级特性：借助 Spring 生态的依赖注入、事务管理和可观测性能力

环境搭建与核心依赖

首先在pom.xml中添加关键依赖：

xml

<dependency> <groupId>org.bsc.langgraph4j</groupId> <artifactId>langgraph4j-spring-ai</artifactId> <version>1.6-SNAPSHOT</version> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai</artifactId> </dependency> 

创建 Spring Boot 启动类：

java

运行

@SpringBootApplication public class MultiAgentApplication { public static void main(String[] args) { SpringApplication.run(MultiAgentApplication.class, args); } } 

多智能体核心组件实现

1. 工具定义（Tool）

工具是智能体与外部世界交互的接口，使用 Spring AI 的@Tool注解定义：

java

运行

public class WeatherTool { @Tool(description = "查询指定城市天气") public String getWeather( @ToolParam(description = "城市名称") String city) { // 实际实现调用天气API return "北京，晴，25℃"; } } public class CalculatorTool { @Tool(description = "执行数学计算") public String calculate( @ToolParam(description = "数学表达式") String expression) { // 实际实现计算逻辑 return "3 + 5 = 8"; } } 

2. 智能体定义（Agent）

使用 LangGraph4j 构建两个专业智能体：

java

运行

@Configuration public class AgentConfig { @Bean public Agent weatherAgent(ChatModel chatModel) { return AgentExecutor.builder() .chatModel(chatModel) .toolsFromObject(new WeatherTool()) .systemMessage("你是专业的天气助手，只处理天气相关问题") .build() .compile(); } @Bean public Agent mathAgent(ChatModel chatModel) { return AgentExecutor.builder() .chatModel(chatModel) .toolsFromObject(new CalculatorTool()) .systemMessage("你是数学专家，擅长解决计算问题") .build() .compile(); } } 

3. 状态管理（State）

定义全局状态类管理对话上下文：

java

运行

public class MultiAgentState extends MessagesState<Message> { private String currentAgent; // 记录当前处理的智能体 public MultiAgentState(Map<String, Object> initData) { super(initData); } // getter和setter方法 } 

多智能体协作流程设计

使用 StateGraph 构建智能体协作流程：

java

运行

@Bean public StateGraph<MultiAgentState>协作Graph( Agent weatherAgent, Agent mathAgent, ChatModel routerModel) { // 路由节点：决定由哪个智能体处理请求 NodeAction<MultiAgentState> router = state -> { String question = state.lastMessage().getContent(); String routePrompt = String.format( "判断问题需要哪个智能体处理：%s。天气问题选weather，计算问题选math", question); String result = routerModel.call(routePrompt); return Map.of("currentAgent", result); }; // 天气智能体节点 NodeAction<MultiAgentState> weatherNode = state -> { var response = weatherAgent.stream(state.getMessages()); return Map.of("messages", response); }; // 数学智能体节点 NodeAction<MultiAgentState> mathNode = state -> { var response = mathAgent.stream(state.getMessages()); return Map.of("messages", response); }; // 构建状态图 return new StateGraph<>(MultiAgentState.class) .addNode("router", router) .addNode("weather", weatherNode) .addNode("math", mathNode) .addEdge(START, "router") .addConditionalEdges("router", state -> state.getCurrentAgent(), EdgeMappings.builder() .to("weather", "weather") .to("math", "math") .build()) .addEdge("weather", END) .addEdge("math", END); } 

运行与调试

创建控制器测试多智能体系统：

java

运行

@RestController public class AgentController { private final StateGraph<MultiAgentState>协作Graph; public AgentController(StateGraph<MultiAgentState>协作Graph) { this.协作Graph =协作Graph; } @PostMapping("/query") public Flux<String> query(@RequestBody String question) { var initialState = Map.of("messages", List.of(new UserMessage(question))); return Flux.from(协作Graph.stream(initialState)) .map(state -> state.lastMessage().getContent()); } } 

启动应用后，访问/query接口即可测试。通过 LangGraph4j Studio（访问
http://localhost:8080/studio）可实时查看智能体协作流程，极大简化调试过程。

进阶技巧与最佳实践

1. 智能体权限控制：使用 Spring Security 实现不同智能体的工具访问权限
2. 状态持久化：配置CheckpointSaver将对话状态存储到 Redis 或数据库
3. 性能优化：通过异步节点（AsyncNodeAction）实现并行任务处理
4. 错误处理：添加异常处理节点，实现智能体故障时的自动降级

Spring AI 与 LangGraph4j 的组合为 Java 开发者打开了多智能体应用开发的大门。通过本文的实战指南，您可以快速构建出具备复杂任务处理能力的 AI 系统。无论是智能客服、数据分析还是自动化办公，这一技术栈都能提供坚实的支撑，助力您在 AI 应用开发领域抢占先机。# Spring AI + LangGraph4j：Java 多智能体开发实战秘籍

在 AI 应用开发领域，多智能体系统正成为解决复杂任务的核心方案。Spring AI 与 LangGraph4j 的强强联合，为 Java 开发者提供了构建企业级多智能体应用的完美技术栈。本文将从实战角度，带您掌握这一组合的核心开发技巧。

技术栈核心优势解析

Spring AI 作为 Spring 官方的 AI 框架，提供了标准化的 LLM 集成、工具调用和向量存储能力；而 LangGraph4j 则专注于智能体工作流编排，支持状态管理、多智能体协作和复杂任务拆分。两者结合的优势显著：

• 无缝集成：通过langgraph4j-spring-ai依赖实现自动配置，无需手动处理组件协作
• 状态持久化：内置 Checkpoint 机制，支持智能体对话状态的保存与恢复
• 可视化调试：LangGraph4j Studio 提供流程图可视化，简化复杂逻辑调试
• 企业级特性：借助 Spring 生态的依赖注入、事务管理和可观测性能力

环境搭建与核心依赖

首先在pom.xml中添加关键依赖：

xml

<dependency> <groupId>org.bsc.langgraph4j</groupId> <artifactId>langgraph4j-spring-ai</artifactId> <version>1.6-SNAPSHOT</version> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai</artifactId> </dependency> 

创建 Spring Boot 启动类：

java

运行

@SpringBootApplication public class MultiAgentApplication { public static void main(String[] args) { SpringApplication.run(MultiAgentApplication.class, args); } } 

多智能体核心组件实现

1. 工具定义（Tool）

工具是智能体与外部世界交互的接口，使用 Spring AI 的@Tool注解定义：

java

运行

public class WeatherTool { @Tool(description = "查询指定城市天气") public String getWeather( @ToolParam(description = "城市名称") String city) { // 实际实现调用天气API return "北京，晴，25℃"; } } public class CalculatorTool { @Tool(description = "执行数学计算") public String calculate( @ToolParam(description = "数学表达式") String expression) { // 实际实现计算逻辑 return "3 + 5 = 8"; } } 

2. 智能体定义（Agent）

使用 LangGraph4j 构建两个专业智能体：

java

运行

@Configuration public class AgentConfig { @Bean public Agent weatherAgent(ChatModel chatModel) { return AgentExecutor.builder() .chatModel(chatModel) .toolsFromObject(new WeatherTool()) .systemMessage("你是专业的天气助手，只处理天气相关问题") .build() .compile(); } @Bean public Agent mathAgent(ChatModel chatModel) { return AgentExecutor.builder() .chatModel(chatModel) .toolsFromObject(new CalculatorTool()) .systemMessage("你是数学专家，擅长解决计算问题") .build() .compile(); } } 

3. 状态管理（State）

定义全局状态类管理对话上下文：

java

运行

public class MultiAgentState extends MessagesState<Message> { private String currentAgent; // 记录当前处理的智能体 public MultiAgentState(Map<String, Object> initData) { super(initData); } // getter和setter方法 } 

多智能体协作流程设计

使用 StateGraph 构建智能体协作流程：

java

运行

@Bean public StateGraph<MultiAgentState>协作Graph( Agent weatherAgent, Agent mathAgent, ChatModel routerModel) { // 路由节点：决定由哪个智能体处理请求 NodeAction<MultiAgentState> router = state -> { String question = state.lastMessage().getContent(); String routePrompt = String.format( "判断问题需要哪个智能体处理：%s。天气问题选weather，计算问题选math", question); String result = routerModel.call(routePrompt); return Map.of("currentAgent", result); }; // 天气智能体节点 NodeAction<MultiAgentState> weatherNode = state -> { var response = weatherAgent.stream(state.getMessages()); return Map.of("messages", response); }; // 数学智能体节点 NodeAction<MultiAgentState> mathNode = state -> { var response = mathAgent.stream(state.getMessages()); return Map.of("messages", response); }; // 构建状态图 return new StateGraph<>(MultiAgentState.class) .addNode("router", router) .addNode("weather", weatherNode) .addNode("math", mathNode) .addEdge(START, "router") .addConditionalEdges("router", state -> state.getCurrentAgent(), EdgeMappings.builder() .to("weather", "weather") .to("math", "math") .build()) .addEdge("weather", END) .addEdge("math", END); } 

运行与调试

创建控制器测试多智能体系统：

java

运行

@RestController public class AgentController { private final StateGraph<MultiAgentState>协作Graph; public AgentController(StateGraph<MultiAgentState>协作Graph) { this.协作Graph =协作Graph; } @PostMapping("/query") public Flux<String> query(@RequestBody String question) { var initialState = Map.of("messages", List.of(new UserMessage(question))); return Flux.from(协作Graph.stream(initialState)) .map(state -> state.lastMessage().getContent()); } } 

启动应用后，访问/query接口即可测试。通过 LangGraph4j Studio（访问
http://localhost:8080/studio）可实时查看智能体协作流程，极大简化调试过程。

进阶技巧与最佳实践

1. 智能体权限控制：使用 Spring Security 实现不同智能体的工具访问权限
2. 状态持久化：配置CheckpointSaver将对话状态存储到 Redis 或数据库
3. 性能优化：通过异步节点（AsyncNodeAction）实现并行任务处理
4. 错误处理：添加异常处理节点，实现智能体故障时的自动降级

Spring AI 与 LangGraph4j 的组合为 Java 开发者打开了多智能体应用开发的大门。通过本文的实战指南，您可以快速构建出具备复杂任务处理能力的 AI 系统。无论是智能客服、数据分析还是自动化办公，这一技术栈都能提供坚实的支撑，助力您在 AI 应用开发领域抢占先机。

感谢关注【AI码力】，获取更多AI开发秘籍！