新项目完结，Ai Agent 智能体、拖拉拽编排！

作者：小傅哥 博客：https://bugstack.cn

❝沉淀、分享、成长，让自己和他人都能有所收获！😜 ❞

大家好，我是技术UP主小傅哥。

这是一套综合前后端 + Dev-Ops，基于 Spring Ai 框架实现，Ai Agent 智能体。耗时7个多月，38节课程（视频+文档），从 RAG 到 MCP，再实现出互联网企业级，可编排的 Ai Agent 智能体，现已全部开发完成 + 部署上线。💐

这套项目，比互联网企业，起步的还早，完成的还快！

讲个我的经历；前年我在公司里分享了 OpenAi 的场景使用，实现了代码自动评审。去年又分享了 RAG、MCP（年尾刚开始发布 MCP 协议），告诉大家这类技术如何结合场景落地，领导说：“你研究的挺深呀！“。今年公司也开始成立一个虚拟组，来结合 AI + 业务，领导让我作为小组的技术指导。—— 这些年，这些技术，我一直走的很靠前，所以也有很多很多的机会。机会，等于晋升 + 涨薪😄

AI 不会替代研发，但是会给研发的能力进行加成，让研发在进行需求分析、工程设计、编码实现、单测编写、服务验证等场景时，都可以通过 AI 提效。但 AI 不会让研发更轻松，反而会有更多的工作量进来。不过，越往后来看，不会 AI 应用，不具备 AI 场景开发，肯定会缺少竞争力。

所以，小傅哥也一直在构建自己的技术体系完整度，形成自己的技术闭环，让自己在就业市场具备充足的竞争力。

我能学到什么？

首先，这是一整套从0到1，包含前后端 + DevOps 的综合实战项目，全程文档 + 视频，带着实现的 AI Agent 智能体项目。所以，你可以非常完整的学习到关于 AI Agent 智能体的全部内容，让你具备企业级项目开发能力。

• 积累 Spring AI 框架应用开发能力，同时 Alibaba 提供的 AI 框架，与此框架具有通用性（已有伙伴进入到阿里 AI 应用场景开发）。
• 掌握 AI Agent 开发能力，包括；顾问角色（RAG、记忆上下文）、MCP 工具服务、Model 对话模型（API）等。
• 学习 AI Agent 多类执行设计模式，包括；固定链路模式、动态决策模式、规划分析模式。学习后，可以自行设计其他类型执行模式。
• 拓展设计模式；规则树（组合模式），在复杂场景的运用。解决多类型数据加载和对话过程链路处理。
• 掌握一套可视化链路编排运用能力，通过前端页面的拖拉拽操作，完成 AI Agent 智能体的动态配置、加载和使用（非常丝滑）。
• 掌握 RAG、MCP 的开发能力，对 MCP 可以自己实现一套任意场景的客户端和服务端进行对接。如，你自己有一个Xxx商城，也可以对下单接口包装出下单-MCP服务。
• 基于 Spring 源码，自定义一套轻量任务执行器，把配置的 AI Agent 动态刷新到任务中心自动化执行。
• 积累应用设计经验，面向对象开发，在整个工程实现中，都有非常干净，清晰，具备高内聚，低耦合，有单一职责的逻辑体现。

适合哪些伙伴？

• 需要快速🔜写到简历，用于秋招/社招面试（可以只刷第3阶段，1周写到简历，2周完成学习）。
• 对 AI Agent 智能体感兴趣，但不知道如何自己实现一套的。
• 希望提高自己的架构设计思维，设计模式运用的。
• 增强核心竞争力，储备一些非业务的核心技术类知识的。

项目运行效果

本项目分为，用户端、管理端和服务端，服务端统一提供接口能力，管理端维护 AI Agent 智能体配置、用户端提供使用服务。

1. 登录界面

• 这一部分在数据库表增加了 admin_user 表，有配置登录账号和密码，可以简单做校验。

2. 管理界面

• 管理后台目前提供了，代理管理（拖拉拽编排方式配置智能体），资源管理（model、client、mcp、advisor、prompt）
• 数据分析、系统设置，是样例，你可以继续扩展你所需要的内容。

3. 代理管理

3.1 代理列表

• 这里的代理列表，就是通过拖拉拽配置的智能体。可以点击【查看】看到明细，也可以【新建】，还可以删除。
• 点击【加载】则是调用服务端，把数据加载到 Spring 容器，之后就可以使用了。

3.2 代理配置

• 当你点击一个代理配置，则会展示出拖拉拽的数据到页面上。这部分会从数据库读取，之后展示出来，全部可视化。
• 如果你点击了Save则会做出一份新的，之后对于旧的，你可以自己手动删除。

4. 资源管理

• 资源管理下，是配置一个智能体所需的各项资源信息，你可以在这里进行维护。如，MCP 工具管理。

5. 页面使用

5.1 对话交流

5.2 场景解析

5.3 监控分析

• 配置后的智能体，可以在智能体选择里进行获取使用。之后进行提问。
• 效果还不错，这里小傅哥验证了配置的智能体进行提问。

关于系统设计

本套系统设计，也是花费了非常大的心思。

1. 执行流程

在整个 Ai Agent 的实现中，小傅哥带着大家分析设计了4种方案，包括；固定执行的、循环执行的、智能分析决策的还有一个按照步骤规划的。这些流程都有适合于自己业务场景使用。在代码中也都有不同方案的实现，之后通过用户选择后进行动态化的策略调度。

2. 核心动作

2.1 数据装配

• 首先，以构建 AiClientNode 的对话客户端为目的，已经完成了相关的元素实例化步骤。本节这里要处理的是，顾问角色的构建，以及构建 AiClientNode 节点。
• 之后，AiClientNode 的构建，是关联了其他各项元素的，所以在构建时，需要在 AiClientNode 节点，从 Spring 容器通过 getBean 的方式，检索到对应的各项元素。

2.2 动态调度

• 这里会根据用户的请求，进行策略路由，找到所需的 Ai Agent 执行策略进行处理。这里小傅哥也有意加入不同的策略，让大家可以看到很多的 Ai Agent 设计思路。

2.3 执行策略（01）

• 以程序启动为开始，进行自动化装配。这个过程我们先把一些想预先启动的数据库中的 agent 配置所需的 client 客户端进行服务初始化。之后写入到 Spring 容器，方便在执行 Agent 时进行使用。前面有伙伴问，为什么把实例化的对象写入到 Spring 容器，这里就是原因
• 客户端（UI），进行 POST 接口请求，这个过程需要封装一个 SSE 流式响应的接口，让 Step 1~4 各个执行步骤，把过程信息写入到流式接口。这里要注意，需要给接口返回的对象添加上对应的类型（什么步骤、什么节点、什么过程），以便于反馈给用户 Agent 在做什么。

2.4 执行策略（02）

• 这是其中的一种 Ai Agent 执行策略方式，通过用户的提问进行分析、规划、列出执行步骤，之后依次执行。
• 所有的这些实现都有相应的代码，带着大家使用规则树框架清晰的实现出来。