Agents
Agents 将大语言模型与工具结合，创建具备任务推理、工具使用决策、工具调用的自动化系统，系统具备持续推理、工具调用的循环迭代能力，直至问题解决。
Spring AI Alibaba 提供了基于 ReactAgent 的生产级 Agent 实现。
一个 LLM Agent 在循环中通过运行工具来实现目标。Agent 会一直运行直到满足停止条件 —— 即当模型输出最终答案或达到迭代限制时。
ReactAgent 理论基础
什么是 ReAct
ReAct（Reasoning + Acting）是一种将推理和行动相结合的 Agent 范式。在这个范式中，Agent 会：
- 思考（Reasoning）：分析当前情况，决定下一步该做什么
- 行动（Acting）：执行工具调用或生成最终答案
- 观察（Observation）：接收工具执行的结果
- 迭代：基于观察结果继续思考和行动，直到完成任务
这个循环使 Agent 能够：
- 将复杂问题分解为多个步骤
- 动态调整策略基于中间结果
- 处理需要多次工具调用的任务
- 在不确定的环境中做出决策
ReactAgent 的工作原理
Spring AI Alibaba 中的ReactAgent 基于 Graph 运行时构建。Graph 由节点（steps）和边（connections）组成，定义了 Agent 如何处理信息。Agent 在这个 Graph 中移动，执行如下节点：
- Model Node (模型节点)：调用 LLM 进行推理和决策
- Tool Node (工具节点)：执行工具调用
- Hook Nodes (钩子节点)：在关键位置插入自定义逻辑
ReactAgent 的核心执行流程：
核心组件
Model（模型）
Model 是 Agent 的推理引擎。Spring AI Alibaba 支持多种配置方式。
基础模型配置
最直接的方式是使用 ChatModel 实例：
ReactAgent 基础配置示例查看完整代码
import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import com.alibaba.cloud.ai.graph.agent.ReactAgent;
// 创建 DashScope API 实例
DashScopeApi dashScopeApi = DashScopeApi.builder()
.apiKey(System.getenv("AI_DASHSCOPE_API_KEY"))
.build();
// 创建 ChatModel
ChatModel chatModel = DashScopeChatModel.builder()
.dashScopeApi(dashScopeApi)
.build();
// 创建 Agent
ReactAgent agent = ReactAgent.builder()
.name("my_agent")
.model(chatModel)
.build();
高级模型配置
通过 ChatOptions 可以精细控制模型行为：
DashScopeChatModel 高级配置查看完整代码
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
ChatModel chatModel = DashScopeChatModel.builder()
.dashScopeApi(dashScopeApi)
.defaultOptions(DashScopeChatOptions.builder()
.withModel(DashScopeChatModel.DEFAULT_MODEL_NAME)
.withTemperature(0.7) // 控制随机性
.withMaxToken(2000) // 最大输出长度
.withTopP(0.9) // 核采样参数
.build())
.build();
常用参数说明：
temperature：控制输出的随机性（0.0-1.0），值越高越有创造性maxTokens：限制单次响应的最大 token 数topP：核采样，控制输出的多样性- 更多参数请参考 ChatModel 适配
Tools（工具）
工具赋予 Agent 执行操作的能力，支持顺序执行、并行调用、动态选择和错误处理。