都能接模型、RAG 和 MCP,Java Agent 框架到底差在哪?

作者:杨杨杨大侠日期:2026/10/17

看了几个 Agent 框架,很容易产生一个疑问:

AgentScope 能接模型,也有记忆、工具和 MCP。Spring AI、LangChain4j 好像也都有,那为什么还要分这么多框架?

这些能力确实有大量重叠。只列一张“是否支持模型、RAG、MCP”的勾选表,很难看出差异。

选型时更值得问的是:从收到任务到交付结果,框架已经替你管到了哪一步?剩下的执行机制,要由谁来补?

我们用同一个任务,对比 AgentScope Java、Spring AI、LangChain4j、Google ADK Java 和 LangGraph4j。

版本说明:本文按 2026-10-16 查阅的官方文档与源码整理,涉及 AgentScope Java 2.x、Spring AI 2.0.1,以及其他项目的当前文档或 main 分支。仓库中的能力不一定已经进入你正在使用的发行版。文中的诊断助手是设计示例,本文没有对五个框架做性能实测。

1. 先让五个框架做同一件事

假设我们要开发一个诊断助手。用户输入:

帮我分析这次订单导出为什么失败,查一下操作文档和相关日志,必要时运行获准的诊断脚本,最后给我一份带证据的报告。

这项任务可能经历下面的过程:

  1. 读取当前问题、会话历史和可用资料,整理上下文。
  2. 调用模型,让它判断还缺什么证据。
  3. 根据模型提出的请求,检索文档或调用日志工具。
  4. 把真实工具结果加入上下文,再次调用模型。
  5. 证据足够时输出报告;遇到权限、预算或执行限制时暂停或结束。

模型返回“查询日志”的工具调用请求时,日志还没有被查出来。框架和应用需要校验请求、执行工具,再把结果交回模型。

Harness 也需要调用模型。 模型接入、工具循环和运行管理可以在一套框架中提供,也可以由不同组件组合完成,不能把它们理解成互相排斥的层次。

图中的 RAG、MCP 则需要分开理解:RAG 是检索并利用知识的方法;MCP 是工具和资源的接入协议。一个检索工具可以通过 MCP 提供,二者也不必同时出现。RAG 既可以由 Agent 按需调用,也可以在第一次请求模型前执行。

2. 同样写着“支持”,交付范围可能不同

以“记忆”为例,这个词可能指向几种不同的实现:

保存的是什么在诊断助手中有什么用
最近几轮对话知道用户刚刚说的是哪次导出
长期保存的偏好或经验记住报告格式、已确认的操作约定
外部知识库检索导出功能的操作文档和故障说明
任务检查点记录已经查过哪些证据、下一步从哪里继续

聊天记录可以保存到数据库,但程序重启后,未完成的诊断任务仍可能不知道该从哪里继续。

同理,有工具调用接口,不代表已经配置了执行权限;有容器执行器,也要继续检查隔离模式和资源限制。

因此,下面的图把能力分为三类:已有组件、官方扩展或适配、应用需要接入或补齐。 “需要补齐”也可以是接入成熟服务,不代表全部从零实现。

图中几个版本边界尤其需要留意:① AgentScope Java 旧 RAG API 正在迁移;② LangGraph4j 的现成审批来自相应集成模块;③ ADK Java 容器执行器的严格沙箱需要显式开启;④ LangChain4j 的 agentic 恢复能力属于实验模块。下面逐项展开。

3. 五个框架,各自把什么放在中心?

AgentScope Java:围绕任务执行组织 Harness

AgentScope Java 的 ReActAgent 提供推理和工具循环;HarnessAgent 进一步组合工作区、上下文管理、长期记忆、子 Agent 和沙箱接入。会话日志与检查点承担相应的状态保存和恢复职责。具体模型供应商通过扩展接入。官方 Harness 架构

放到诊断助手里,这条路线比较适合继续扩展“管理任务工作区、保留诊断材料、执行工具、延续会话”等能力。

但有一个容易踩坑的版本问题:Java 2.x 的旧 Knowledge、GenericRAGHook 等 RAG API 已弃用并计划移除,新接口仍在重构。旧实现为兼容保留,新代码应按当前迁移建议接入检索能力,不能照搬旧教程。官方迁移说明

知识如何入库、哪些资料允许当前用户读取、沙箱后端怎样部署,仍然需要应用配置。

Spring AI:把 AI 能力装进 Spring 应用

Spring AI 的使用重心是 ChatClient、模型接口和 Advisor 链,适合沿用现有 Spring 应用的配置与服务组织方式。

它也能驱动工具循环。在 2.x 中,ChatClient 的 ToolCallingAdvisor 会处理模型响应、执行工具,并继续请求模型,直到不再有工具调用。把 Spring AI 理解成“只能发一次模型请求的 SDK”并不准确。官方工具循环说明

对诊断助手来说,可以先把文档检索、日志查询封装成已有服务或工具,再装配记忆和 RAG。相应组件可见官方的 ChatMemory、RAG 和 MCP 文档。

如果目标扩展成“后台运行很久、等待人工确认、重启后继续”的任务平台,还需要明确任务调度、持久恢复和执行环境由哪部分系统负责。

LangChain4j:把 AI 能力表达成 Java 服务接口

LangChain4j 的 AI Services 把模型、工具、记忆和检索增强组织成较高层的 Java 服务。对习惯接口、方法参数和返回类型的开发者,这种入口比较直观。官方 AI Services 文档

例如,可以围绕诊断请求定义一个 AI 服务,把日志查询与知识检索作为它能使用的工具。

它也在向复杂任务编排扩展:langchain4j-agentic 已提供步骤检查点和恢复机制,需要配置 AgenticScopeStore,并使用稳定的 MemoryId 识别执行状态。整个 agentic 模块仍被官方标为实验性。 这些条件不能省略,也不能把该模块的恢复能力直接算成普通 AI Services 的默认行为。官方 agentic 文档

因此,既要看到它已有的编排能力,也要评估实验 API 的变化成本,以及持久存储、工具权限和隔离环境的接入工作。

Google ADK Java:围绕 Agent、Runner 和服务组织运行

Google ADK Java 以 LlmAgent、Runner 及相应会话服务组织执行。Java SDK 已有 MCP 工具集,也有面向 Vertex AI RAG 的检索工具;具体集成需要核对 Java 实现,不能直接把 Python 文档中的能力搬过来。ADK Java 仓库、Java RAG 工具源码

如果诊断助手使用 Vertex AI RAG,可以评估这项现成集成。使用其他知识服务时,则要确认对应的检索接法。

Java 侧也已有 ContainerCodeExecutor。本文查阅的 main 分支中,严格沙箱仍需通过 setStrictSandbox(true) 显式开启,默认模式为 unrestricted。它控制的是交给该执行器的代码,不能据此认为所有业务工具都已经被隔离。Java 容器执行器源码

持久化后端、运行环境与业务授权策略,仍要逐项装配和验证。

LangGraph4j:把步骤、分支和恢复点表达成状态图

LangGraph4j 的核心抽象是状态图。对“先检索文档,再查日志;证据不足则补查;需要执行脚本则等待批准”的任务,可以把步骤、分支和状态变化明确表达出来。项目提供检查点和相应保存机制。LangGraph4j 官方仓库

模型和工具能力可以通过 Spring AI、LangChain4j 等适配取得。官方 spring-ai-agent 还提供现成的 ReAct 执行器和工具审批能力,因此也不能简单写成“只有图,没有 Agent 循环”。官方 Spring AI 集成说明

这里要补的工作,主要是具体 AI 组件、持久化后端、检索节点和执行环境的装配。

状态图提供的检查点,也不自动保证外部写入不重复。恢复后是否重新执行某个动作,需要结合工具的幂等性和执行记录处理。

4. 用一次中断,把差别测出来

假设诊断助手已经查完文档和日志,正准备执行获准脚本,进程却退出了。

重新启动后,真正需要回答的是:

  • 上一次查到的证据还在不在?
  • 系统知道任务停在哪一步吗?
  • 已有批准是否仍适用于当前脚本和参数?
  • 脚本到底没执行、执行了一半,还是执行完但结果没保存?

这时,单看“支持 Memory”已经不够。我们需要检查会话保存、任务检查点、审批记录和工具结果之间怎样关联。

这也是做 Harness 选型时,恢复和执行治理值得单独比较的原因。一次顺利完成的演示,通常看不出这些差别。

5. 怎么选?先确定你要交付哪一种应用

基于上述交付边界,我会按下面的顺序缩小候选范围。这是功能匹配建议,不是性能排名。

主要目标可以优先评估
给现有 Spring Boot 服务增加问答、RAG 和工具调用Spring AI
用 Java 接口组织 AI 服务,按需接工具和检索LangChain4j
构建带工作区、上下文管理和执行能力的任务型 HarnessAgentScope Java 的 Harness 路线
围绕 ADK 的 Agent / Runner 组织应用,使用相应生态集成Google ADK Java
显式控制步骤、分支、暂停与恢复LangGraph4j,配合所需 AI 适配

一个应用通常不需要把五个框架全部装进去。

例如,Spring AI 配合 LangGraph4j,可以让前者提供模型与工具集成,后者管理状态图。选择 AgentScope Harness,也可以直接围绕它已有的执行机制扩展。

如果两套组件都在管理同一次工具循环、同一份会话历史,接入前就要明确由谁负责。组件越多,责任重复的可能性也越大。

最后,拿同一个小任务做验证:

  1. 先跑通调用链。 确认所选 Qwen 或 DeepSeek 版本、服务端点和框架适配能正确完成工具请求与结果回填;“兼容某 API”本身还不够。
  2. 主动中断一次。 在明确步骤后结束进程,检查能保存什么、恢复到哪里、会重做哪些动作。
  3. 制造一次拒绝。 让任务申请超出授权范围的工具,确认执行层真的拦截,而不只是提示词里写了限制。
  4. 留下执行记录。 记录实际模型调用、工具结果、耗时和失败原因,再比较需要补多少代码。

到这一步,框架差异就会变成具体的工程工作:谁已经提供循环,谁负责恢复,谁需要额外接入执行环境。

选 Agent 框架,最终是在决定:哪些机制交给框架,哪些能力由自己的应用负责。


《都能接模型、RAG 和 MCP,Java Agent 框架到底差在哪?》 是转载文章,点击查看原文。


相关推荐


审批详情页高亮的那个节点,"名字"其实是一串 id:jeeflow 工作流引擎的四块数据来源
mldong2026/10/10

一、一页详情,四个接口,三种返回形状 一条审批单点开后,用户看到的是一页:上面是流程图(走过的线是绿的,当前那格是橙的),中间是表单,下面是一条时间线,右上角一行"当前处理人:张三、李四"。 看起来是一个页面的东西,在 jeeflow 里是四个接口拼出来的: 页面上的一块接口data 形状 · 要不要登录人表单与流程定义detail对象 · 不要流程图着色highLight对象四键 · 不要审批时间线approvalRecor


ai agent --- postgreSQL 关系型数据库
snow来了2026/10/1

一.postgreSQL 是什么? 1.概念 PostgreSQL 是一个免费、开源、功能完善的对象关系型数据库。他和mysql 一样,都是关系型数据库。 2.postgreSQL 和 mysql 对比 在安装方面 我们使用mysql的时候需要安装 mysql服务端用来存取数据;然后再安装 MYSQL Workbench来图形化查看服务端的数据;如果你在nodejs代码里面操作数据库,你需要安装mysql2包,用代码的方式操作数据库,操作完以后可以在 MYSQL Workbench里面清晰


Django 基础知识详细图文教程 10-Django 模板引擎 3
月月芽2026/9/25

来源引用网络知识与某站曹老师视频相互结合学习记录,仅供参考! Django 模板引擎 Django 作为 Web 框架,需要一种很便利的方法动态地生成 HTML 网页,因此有了模板这个概念;模板包含所需 HTML 的部分代码以及一些特殊语法,特殊语法用于描述如何将视图传递的数据动态插入 HTML 网页中;简单来说,模板引擎的具体思路就是通过一个通用模板加动态数据等于生成一个网页。 Django 可以配置一个或者多个模板引擎(甚至是 0 个,例如前后端分离(就不需要模板了,只需


Grill Me:开工前先被拷问一遍
是2的10次方啊2026/9/17

AI 能写代码了,但老问题还在:Agent 写完了,不是你想要的。 症结往往是 理解偏差(misalignment)——你脑子里还是模糊想法,Agent 已经按自己的理解开工了。 Matt Pocock 的 /grill-me 专门治这个:在写代码、写规格之前,用结构化问答把想法拷问到能拍板。下面讲它是什么、怎么用、和 OpenSpec 怎么错开——Demo 用 Java 后端场景。 一、Grill Me 是什么? Grill Me 不是独立仓库,而是 mattpocock/skills 合集


Android 架构演进:从生命周期事件到结构化任务
潜龙勿用之化骨龙2026/9/9

Android 生命周期,是每一个 Android 开发者都绕不开的痛。 早期我们习惯在: onStart() onStop() onResume() onPause() 里面处理各种业务。 后来有了 LifecycleObserver,再到 Kotlin 协程、Flow 成为现代 Android 异步编程的重要组成部分。 如果只是从 API 的变化来看,很容易得到: Lifecycle 回调 ↓ LifecycleObserver ↓ Coroutine /


举手之劳 -- 肘子的 Swift 周报 #151
东坡肘子2026/9/1

举手之劳 上个周末,我在北京参加了由苹果举办的 App 孵化器活动,本次的主题主要围绕 AI 时代的应用开发、运营和商业模式展开。与会者大多是 IT 公司的管理者和应用开发者,整个活动期间,大家对 AI 的热情都很高,也纷纷讨论各自对于 AI 的理解和应用技巧,我从中收获不少。 会议结束后,我和一位从事传统行业的朋友吃饭。他对 AI 基本一窍不通。作为一个新兴概念,他也想了解,但一直没有切实感受到 AI 究竟能给他的企业带来什么。就餐过程中,他接到一个电话,一个客户要求立刻调整方案。当时正值周末


NativePHP v4 让 Blade 构建原生 iOS 与 Android 界面
BingoGo2026/8/24

NativePHP v4 让 Blade 构建原生 iOS 与 Android 界面 NativePHP 现在可以将 Blade 组件渲染为 iOS 上真正的 SwiftUI 视图和 Android 上的 Jetpack Compose 视图,整个过程无需 WebView 或 HTML。NativePHP 将这项技术称为 SuperNative。Simon Hamp 与 Shane Rosenthal 于 7 月 30 日在二人于波士顿主办的 The Vibes 活动上发布了 SuperNati


Apple Intelligence 已通过审核,即将在中国提供服务 -- 肘子的 Swift 周报 #148
东坡肘子2026/8/11

Apple Intelligence 已通过审核,即将在中国提供服务 在 WWDC 26 上,苹果公布了新的 Apple Intelligence 架构,不仅在云端引入 Gemini,第三代 Apple Foundation Models 也确认由苹果与 Google 合作构建。这一度让我以为,Apple Intelligence 进入中国市场的难度反而进一步增加了。 但事情的发展比预想中更快。7 月,Apple Intelligence 已经出现在中国国家互联网信息办公室(CAC)公布的最新一


最小二乘法计算触摸事件速度
别怪我很水2026/8/1

最小二乘法计算触摸事件速度 引言:为什么需要计算触摸速度?在触控设备(如手机、平板、触摸屏)上,我们经常需要根据用户的触摸滑动速度来调整交互行为。例如,在滚动列表时,快速滑动应该让列表继续惯性滚动一段距离,而慢速滑动则应该立即停止。这些功能的核心在于准确计算触摸事件的速度。然而,由于触摸采样率的限制和手指抖动的噪声干扰,直接使用相邻两点的位移除以时间间隔会得到不稳定的速度值。最小二乘法通过拟合多个采样点的数据,能够有效平滑噪声,估算出更准确的速度。## 基础概念:最小二乘法的数学原理最小二乘法是


QML 文字波动与视觉干扰:波浪、倒影、故障
Quz2026/7/24

目录 Demo 1 波浪跳动 演示代码 关键逻辑解析 Demo 2 倒影镜像 演示代码 关键逻辑解析 Demo 3 故障风效果 演示代码 关键逻辑解析 运行验证 扩展复用方向 工程下载

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读