Spring AI Alibaba Graph 智能体开发指南与实践

原生应用AI开源开发者沙龙

Part 1: Agent开发模式

• 主流Agent开发模式: 包括单智能体应用、Workflow模式（Routing）、Multi-Agent模式。
• 单智能体应用局限: 工具过多导致模型决策困难、多轮交互导致消息上下文过大、模型上下文窗口有限、复杂任务需要专业领域技能支持、可维护性差。
• Workflow模式: 通过Routing实现任务流程编排。
• Multi-Agent模式: 通过多智能体协同完成复杂任务。

Part 2: 使用Spring AI Alibaba Graph编排智能体

• Spring AI Alibaba Agentic Framework: 灵活的、模块化的智能体Agent开发框架，支持创建、部署和编排Agent智能体架构。
• Agent基本定义: 包括name、model、description等参数。
• Agent配置: 支持Instruction、Tools、chatOptions等参数。
• 支持的Agent类型: ReactAgent、Workflow、Multi-Agent、A2A远程智能体。
• 不同Agent类型特性与适用场景: 包括SequentialAgent、Parallel Agent、LoopAgent、RoutingAgent等。
• 流程编排引擎: Spring AI Alibaba Graph负责运行、编排多个Agent，包括Nodes、Edges、State等概念。
• Graph API: 提供更灵活的流程编排方式，解决更多Agent开发&运行过程中的问题，如Model agnostic、Built-in Tools、MCP、RAG、Code Execution、Subgraphs、Multi-agent、Callbacks、Tracing、Evaluation。
• 流式响应: 对Agent交互非常关键，框架将每个Node节点的运行情况、LLM Token实时发送到用户端。
• 工具调用评估: 允许对Agent运行过程中的工具调用进行评估、修改、批准。
• 历史消息传递: 跨多个会话时，Agent可以了解历史用户偏好与信息。

Part 3: 基于A2A的分布式Agent

• Agent2Agent（A2A）协议简介: 用于远程智能体之间的通信。
• Spring AI Alibaba Graph调用A2A远程智能体: 支持通过A2A协议调用远程智能体。
• 基于Nacos A2A Registry的远程智能体自动发现: Agent可以通过SAA在启动时自动注册到Nacos上，通过agent名或id自动发现AgentCard并发起调用，编排器Agent可通过skills等条件自动发现AgentCard列表并配合SAA自动生成可调用的subagent，支持注册Agent的版本管理。

Part 4: Spring AI Alibaba Studio

• 智能体创建、调试、部署、运维的全生命周期Agent开发平台。
• 可视化快速创建智能体: 提供可视化创建智能体的UI界面，调试完成可快速转为工程代码。
• 兼容Dify智能体格式转换。
• 基于AG-UI的可视化调试: 支持流式输出。

Part 5: Higress在快手落地的生产实践

• 背景与挑战: 大模型生态发展带来的机遇和挑战，包括LLM应用开发生态蓬勃、低成本模型发布、LLM应用场景及数量井喷式发展、LLM模型持续迭代和更新、行业标准化程度低。
• 解决方案: 利用Gateway解耦复杂度，技术选型：AI Gateway Vs 传统Gateway。
• 快手实践: 流量染色、生产级计量系统。
• 未来展望: 持续优化AI Gateway。

Part 6: Apache RocketMQ×AI AI Agent的事件驱动架构实践

• 传统消息队列在AI场景中的局限性: AI业务场景的新特性，包括更长的响应时间、更复杂的交互、更昂贵的计算资源、更精细化的事件驱动。
• Lite-Topic: 面向AI领域的新范式，包括轻量化通信模型、轻量级Topic、轻量级订阅、消费分发策略。
• 优先级Topic: 面向AI场景的分级消费策略，包括削峰填谷保护AI算力、定速消费，最大化AI算力利用率、抢占式分配、按权重分配。
• 面向AI场景的应用案例: MQ和AI会话网关的续传场景。

Part 7: Spring AI Alibaba可观测原理与实践

• Agent到生产的最后一公里: 从demo到生产的距离，包括开发效率、业务能力、部署能力、问题诊断、成本控制、生成质量、安全合规。
• 低代码VS高代码: 低代码平台提供快速原型搭建、低代码/现有工具集成，高代码提供模块化、可维护性、部署/编译速度。
• Spring AI Alibaba的可观测性: 全面兼容OpenTelemetry协议、多样化的可观测数据导出方案、阿里云应用实时监控服务（ARMS）深度集成。
• 使用LoongSuite快速集成可观测性: LoongSuite采集套件提供无侵入可观测性基本原理、易扩展、多语言支持。
• 动手实践: OpenTelemetry+原生插桩+Langfuse、LoongSuite(商业版)+ARMS。
• 规划与展望: 低代码画布平台、更多组件/框架支持、AIdevStudio、对话记录灵活存储支持、PromptPlayground、Multi-Agent管理中心、持续剖析GPUProfile&AppCP，持续追踪性能问题、基于A2A协议的Agent动态注册中心。

Part 8: Nacos3.0在Agent场景的实践

• Nacos3.0简介: Dynamic Naming and Configuration Service，易于构建AI Agent应用的动态服务发现、配置管理和AI智能体管理平台。
• Nacos社区发展: 突破3wstars，主仓库贡献者突破400，共发布23个正式版本，下载量达到300w次，官网访问用户数达90万，服务超百家各领域头部企业。
• Nacos3.0 AI Registry架构: MCPRegistry、Prompt、A2ARegistry。
• Nacos3.0 Agent场景实践: 利用Nacos+SAA快速开发AIAgent，例如智能诊断助手。
• Nacos3.0持续迭代规划: AI能力持续升级–MCP Public Registry、AI能力持续升级-NacosA2ARegsitry。
• Nacos3.0 RoadMap: MCP Registry、生态融合探索、官网持续优化、K8SController&xDS协议Mesh支持。