Spring AI Alibaba 54｜智能体作为工具

Multi-agent 将复杂的应用程序分解为多个协同工作的专业化Agent。与依赖单个Agent处理所有步骤不同，Multi-agent架构允许你将更小、更专注的Agent组合成协调的工作流。

Multi-agent系统在以下情况下很有用：

• 单个Agent拥有太多工具，难以做出正确的工具选择决策
• 上下文或记忆增长过大，单个Agent难以有效跟踪
• 任务需要专业化（例如：规划器、研究员、数学专家）

Spring AI Alibaba支持以下Multi-agent模式：

你可以混合使用两种模式——使用交接进行Agent切换，并让每个Agent将子Agent作为工具调用来执行专门任务。

Multi-agent设计的核心是上下文工程——决定每个Agent看到什么信息。Spring AI Alibaba 为你提供细粒度的控制：

• 将对话或状态的哪些部分传递给每个Agent
• 为子Agent定制专门的提示
• 包含/排除中间推理
• 为每个Agent自定义输入/输出格式

系统的质量在很大程度上取决于上下文工程。目标是确保每个Agent都能访问执行任务所需的正确数据，无论它是作为工具还是作为活动Agent。

在工具调用中，一个Agent（”控制器”）将其他Agent视为工具（AgentTool），在需要时调用。控制器管理编排，而工具Agent执行特定任务并返回结果。

流程：

1. 控制器接收输入并决定调用哪个工具（子Agent）
2. 工具Agent根据控制器的指令运行其任务
3. 工具Agent将结果返回给控制器
4. 控制器决定下一步或完成任务

作为工具使用的Agent通常不期望与用户继续对话。它们的角色是执行任务并将结果返回给控制器Agent。如果你需要子Agent能够与用户对话，请改用**交接（HandOff）**模式。

关于工具调用模式的使用请查看 HandOffs 模式文档。

下面是一个最小示例，其中主Agent通过工具定义访问单个子Agent：

import com.alibaba.cloud.ai.graph.agent.ReactAgent;
import com.alibaba.cloud.ai.graph.agent.AgentTool;
import org.springframework.ai.chat.model.ChatModel;

// 创建子Agent
ReactAgent writerAgent = ReactAgent.builder()
  .name("writer_agent")
  .model(chatModel)
  .description("可以写文章")
  .instruction("你是一个知名的作家，擅长写作和创作。请根据用户的提问进行回答。")
  .build();

// 创建主Agent，将子Agent作为工具
ReactAgent blogAgent = ReactAgent.builder()
  .name("blog_agent")
  .model(chatModel)
  .instruction("根据用户给定的主题写一篇文章。使用写作工具来完成任务。")
  .tools(AgentTool.getFunctionToolCallback(writerAgent)) 
  .build();

// 使用
Optional<OverAllState> result = blogAgent.invoke("帮我写一个100字左右的散文");

在这种模式中：

1. 主Agent在决定任务匹配子Agent的描述时调用工具
2. 子Agent独立运行并返回结果
3. 主Agent接收结果并继续编排

你可以在几个点控制主Agent和子Agent之间的上下文传递：

1. 子Agent名称（”writer_agent”）：这是主Agent引用子Agent的方式。由于它影响提示，请谨慎选择。
2. 子Agent描述（”可以写文章”）：这是主Agent”知道”的关于子Agent的内容。它直接影响主Agent决定何时调用它。
3. 子Agent的输入：你可以自定义此输入以更好地塑造子Agent如何解释任务。
4. 子Agent的输出：这是传递回主Agent的响应。你可以调整返回的内容以控制主Agent如何解释结果。

有两个主要杠杆来控制主Agent传递给子Agent的输入：

• 修改提示词——调整主Agent的提示或工具元数据（即子Agent的名称和描述），以更好地指导何时以及如何调用子Agent。
• 上下文注入——通过使用 inputSchema 或 inputType 来定义结构化输入，使子Agent能够接收更丰富的上下文信息。

使用 inputSchema

使用标准的 JSON Schema 格式定义输入结构，确保子Agent能够接收结构化的输入信息：

import com.alibaba.cloud.ai.graph.agent.ReactAgent;
import com.alibaba.cloud.ai.graph.agent.AgentTool;

// 定义子Agent的输入Schema（标准 JSON Schema 格式）
String writerInputSchema = """
  {
      "type": "object",
      "properties": {
          "topic": {
              "type": "string"
          },
          "wordCount": {
              "type": "integer"
          },
          "style": {
              "type": "string"
          }
      },
      "required": ["topic", "wordCount", "style"]
  }
  """;

ReactAgent writerAgent = ReactAgent.builder()
  .name("structured_writer_agent")
  .model(chatModel)
  .description("根据结构化输入写文章")
  .instruction("你是一个专业作家。请严格按照输入的主题、字数和风格要求创作文章。")
  .inputSchema(writerInputSchema) 
  .build();

ReactAgent coordinatorAgent = ReactAgent.builder()
  .name("coordinator_agent")
  .model(chatModel)
  .instruction("你需要调用写作工具来完成用户的写作请求。请根据用户需求，使用结构化的参数调用写作工具。")
  .tools(AgentTool.getFunctionToolCallback(writerAgent))
  .build();

Optional<OverAllState> result = coordinatorAgent.invoke("请写一篇关于春天的散文，大约150字");

使用 inputType

使用 Java 类型定义输入，框架会自动生成 JSON Schema：

import com.alibaba.cloud.ai.graph.agent.ReactAgent;
import com.alibaba.cloud.ai.graph.agent.AgentTool;

// 定义输入类型
public record ArticleRequest(
  String topic,      // 文章主题
  int wordCount,     // 字数要求
  String style       // 文章风格
) {}

ReactAgent writerAgent = ReactAgent.builder()
  .name("typed_writer_agent")
  .model(chatModel)
  .description("根据类型化输入写文章")
  .instruction("你是一个专业作家。请严格按照输入的 topic（主题）、wordCount（字数）和 style（风格）要求创作文章。")
  .inputType(ArticleRequest.class) 
  .build();

ReactAgent coordinatorAgent = ReactAgent.builder()
  .name("coordinator_with_type_agent")
  .model(chatModel)
  .instruction("你需要调用写作工具来完成用户的写作请求。工具接收 JSON 格式的参数。")
  .tools(AgentTool.getFunctionToolCallback(writerAgent))
  .build();

Optional<OverAllState> result = coordinatorAgent.invoke("请写一篇关于秋天的现代诗，大约100字");

本文整理自 Spring AI Alibaba 官方文档《智能体作为工具》：https://java2ai.com/docs/frameworks/agent-framework/advanced/agent-tool