Spring AI Alibaba

活跃
GitHub Java Apache-2.0

简介

Spring AI Alibaba 是面向 Java 开发者的 Agentic AI 框架,基于 Spring 生态提供多智能体协作、工作流编排和 RAG 能力。

核心特性

  • 多智能体编排,支持 SequentialAgent、ParallelAgent、RoutingAgent 和 LoopAgent 模式
  • 基于图的工作流运行时,支持条件路由、嵌套图和状态管理
  • 内置上下文工程,支持人在回路中、上下文压缩和动态工具选择
  • 通过 Nacos 实现 A2A(Agent-to-Agent)通信,支持分布式 Agent 协调
  • 一站式 Admin 平台,支持可视化 Agent 开发、可观测性和 MCP 管理
  • 丰富的多模态和语音 Agent 支持,基于 WebSocket 的实时音频交互

适用场景

💡 基于 Spring Boot 生态构建 Agentic AI 应用
💡 创建多智能体工作流实现复杂业务流程自动化
💡 开发支持语音的 AI 助手,实现实时流式响应
💡 通过可视化 Admin 平台快速原型开发和部署 Agent

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(10.8k stars)
  • 开源许可证友好(Apache-2.0)
  • 项目有一定历史沉淀(已维护 2 年)

快速开始

需要 JDK 17+。克隆仓库,设置 `AI_DASHSCOPE_API_KEY` 环境变量。运行聊天机器人示例:`./mvnw -pl examples/chatbot spring-boot:run`。打开 http://localhost:8080/chatui/index.html 进行交互。

相关项目

Hive

11.0k · Python
活跃 A

Hive 是一个面向生产环境的多 Agent 执行框架,提供状态管理、故障恢复、可观测性和人机协作能力,支持自动生成多 Agent 拓扑来处理复杂业务工作流。

multi-agentagent-frameworkproduction +3
  • · 零配置、模型无关的执行框架,自动生成多 Agent 拓扑处理复杂业务流程
  • · 基于图的执行 DAG,安全协调并行任务,支持确定性容错
  • · 持久化角色记忆,随项目上下文智能演进,无需手动管理状态

LazyLLM

3.9k · Python
活跃 A+

LazyLLM 是一个轻量级多 Agent LLM 应用开发框架,提供最简捷的方式构建多智能体 LLM 应用,集成了 RAG、知识图谱、微调等功能,支持 LangChain 和 LlamaIndex 生态。

multi-agentframeworkrag +3
  • · 低代码多智能体应用组装,内置数据流和功能模块,像乐高积木一样搭建
  • · 一键部署,POC 阶段使用轻量网关,生产阶段支持 Kubernetes 打包
  • · 跨平台兼容裸金属、Slurm 集群和公有云,无需修改代码

Ouroboros

5.8k · Python
活跃 A

Ouroboros 是一个规范驱动的多智能体开发框架,从传统的提示词工程转向规范驱动开发模式,支持多 Agent 协作、MCP 工具集成和自动化工作流编排,适用于高质量 Agent 系统构建。

multi-agentframeworkagent +4
  • · 规范优先工作流:苏格拉底式访谈 → 不可变种子规范 → 执行 → 评估
  • · 多运行时适配器,支持 Claude Code、Codex CLI、OpenCode、Hermes、Gemini、Kiro、Copilot
  • · 三层架构:内核(合约引擎)、插件(领域工作流)、Shell(TUI 驾驶舱)