Spring AI Agents 震撼發布:下一代 AI 開發范式已來!
在剛剛落幕的 GitHub Universe 2025 大會上,GitHub 發布了其平臺的顛覆性進化——Agent HQ(智能體中控)。它為開發者提供了一個統一的工作流,使其能夠在任何時間、任何地點協調任何智能體。
3NjV1k
Agent HQ 旨在將 GitHub 轉變為一個開放的 AI 生態系統,在單一平臺上整合所有主流智能體。在未來幾個月內,來自 Anthropic、OpenAI、Google、Cognition、xAI 等公司的 Code CLI 將作為 GitHub Copilot 的一部分,直接在 GitHub 上提供。
Agent HQ 的核心理念不是簡單地將智能體“插入”現有系統,而是讓智能體原生融入(natively integrate)你已習慣的 GitHub 工作流。
圖片
這一設計理念與 Cursor 2.0 的多 Agent 模式不謀而合。在 Cursor 2.0 中,開發者可以通過 Mission Control (中控) 同時驅動多個 AI 智能體協同工作,每個智能體專注于不同的任務領域——代碼審查、測試生成、文檔編寫、問題修復等。
這標志著開發模式從 “單一 AI 助手”向“AI 團隊協作” 的重大轉變。在這種“超級智能中心”架構下,開發者不再是獨自戰斗,而是成為一名指揮官,指揮一支 AI 團隊來攻克復雜的軟件工程任務。
Spring AI Agents:打造 Java 開發者自己的“中控室”
GitHub Agent HQ 的愿景固然宏大,但這種“多智能體編排”的理念并非遙不可及。在 Java 社區,Spring AI 團隊早已洞察到這一趨勢,并通過 Spring AI Agents 項目為 Java 開發者帶來了類似的實現。
借鑒 GitHub Agent HQ 和 Cursor 的設計理念,通過 Spring AI Agents,開發者可以在 Java 企業級開發中,構建和編排一個強大的、多 AI 智能體協同工作的“超級中控系統”。
什么是 Spring AI Agents?
6bd3Dv
Spring AI Agents 是一個面向 Java 企業級開發的自主智能體(Autonomous Agents)集成層。它為開發者提供了統一的 Java SDK 接口,用以調度和編排多個主流的 AI Coding Agent。
就像當年 JDBC 統一了數據庫訪問接口一樣,Spring AI Agents 正在為自主智能體訪問提供標準化的 Java 抽象。
已適配的主流 AI Agent
Spring AI Agents 已經完成與多個業界領先的自主編碼智能體的深度集成:
智能體 | 狀態 | 說明 |
Claude Agent SDK | ? 已支持 | Anthropic 的自主編碼智能體,原名 Claude Code SDK |
Gemini CLI Agent | ? 已支持 | Google 的命令行編碼智能體,支持多模態能力 |
Amp CLI | ? 已支持 | Sourcegraph 的自主編碼智能體,功能完善 |
Amazon Q Developer | ? 已支持 | AWS 的 /dev 智能體,支持多文件和跨代碼庫的自主規劃 |
OpenAI Codex | ? 已支持 | OpenAI 的 GPT-5-Codex,針對智能體編碼優化 |
mini-swe-agent | ? 已支持 | 輕量級100行自主智能體,用于基準測試 |
Goose | ?? 規劃中 | Block 的開源可擴展 AI 智能體,可本地運行 |
GitHub Copilot Agent | ?? 規劃中 | GitHub 的自主編碼智能體,可在 Actions 中自主創建 PR |
快速上手:驅動單個 Agent
以驅動 Claude Agent 為例,我們來看看上手有多簡單。
1. 添加依賴
<!-- Claude Agent Model -->
<dependency>
<groupId>org.springaicommunity.agents</groupId>
<artifactId>spring-ai-starter-agent-claude</artifactId>
<version>0.1.0-SNAPSHOT</version>
</dependency>2. 通過 AgentClient 驅動 Claude Agent
// 1. 創建 Claude CLI 客戶端
ClaudeAgentClient claudeClient = ClaudeAgentClient.create();
// 2. 配置代理選項
ClaudeAgentOptions options = ClaudeAgentOptions.builder()
.executablePath("/usr/local/bin/claude")
.yolo(true)
.workingDirectory("/Users/lengleng/Downloads/cursor-web")
.build();
Sandbox sandbox = new LocalSandbox();
// 3. 創建代理模型
ClaudeAgentModel agentModel = new ClaudeAgentModel(claudeClient, options, sandbox);
// 4. 創建 AgentClient
AgentClient agentClient = AgentClient
.create(agentModel);
// 5. 執行目標
AgentClientResponse response = agentClient.run(
"基于現有技術棧完成一個獨立的增刪改查"
);通過以上代碼,我們就能驅動 Claude Agent,讓它基于現有技術棧自主分析并完成一個 CRUD 功能。
進階:多智能體協同工作流
Spring AI Agents 真正的威力在于編排。正如 GitHub Agent HQ 的理念,我們可以創建多個 AgentClient,并通過一個“中控”來協同調度它們。
1. 添加多個 Agent 依賴
例如,要同時聯動 CodeX 和 Gemini,首先添加依賴:
<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. 編排多智能體協同工作
下面的示例展示了一個 MultiAgentWorkflow(多智能體工作流),它協同 Claude 和 Gemini 來完成一次復雜的代碼審查和重構任務。
public class MultiAgentWorkflow {
private final AgentClient claudeAgent;
private final AgentClient geminiAgent;
public MultiAgentWorkflow(
@Qualifier("claudeAgentClient") AgentClient claudeAgent,
@Qualifier("geminiAgentClient") AgentClient geminiAgent) {
this.claudeAgent = claudeAgent;
this.geminiAgent = geminiAgent;
}
public String collaborativeCodeReview(String pullRequestId) {
// 使用 Claude 進行詳細分析
String claudeAnalysis = claudeAgent.run(
"對 PR " + pullRequestId + " 進行詳細的代碼審查" +
"。重點關注邏輯正確性和潛在的 bug。"
).getResult();
// 使用 Gemini 進行架構審查
String geminiAnalysis = geminiAgent.run(
"審查 PR " + pullRequestId + " 的架構問題和 " +
"Google Cloud 最佳實踐。"
).getResult();
// 合并分析結果
String combinedPrompt = String.format(
"將這兩份代碼審查分析合并成一份綜合報告:" +
"分析1(邏輯與Bug):%s\n\n" +
"分析2(架構):%s\n\n" +
"創建一個按優先級排序的問題列表,并提供可操作的建議。",
claudeAnalysis, geminiAnalysis
);
return claudeAgent.run(combinedPrompt).getResult();
}
public String distributeRefactoringTask(String className) {
// Claude 處理方法提取和邏輯優化
CompletableFuture<String> claudeTask = CompletableFuture.supplyAsync(() ->
claudeAgent.run("優化 " + className + " 中的方法,提高可讀性和性能").getResult()
);
// Gemini 處理架構改進
CompletableFuture<String> geminiTask = CompletableFuture.supplyAsync(() ->
geminiAgent.run("按照 SOLID 原則改進 " + className + " 的架構").getResult()
);
// 合并結果
return claudeTask.thenCombine(geminiTask, (claudeResult, geminiResult) -> {
return claudeAgent.run(
"合并這些重構方案:" + claudeResult + "\n\n" + geminiResult
).getResult();
}).join();
}
}總結
AI 開發又進入了下一代玩法,從 vibe coding 的 "code cli 百團大戰",演進到了下一代的協同合作。
正如本文所展示的,Spring AI Agents 提供的統一抽象層,正推動軟件開發從“人機結對”的 Copilot 模式,進化到“人指揮、AI 協同”的智能體團隊模式。這種“中控室”架構極大地降低了 Java 開發者構建和編排復雜 AI 工作流的門檻,將成為未來企業級 AI 應用的核心。




























