开发者使用 Spring AI 2.0.1 框架开发并开源了一款服务端 Agent 项目（hermes-agent-demo），旨在测试当前 Java 生态在人工智能领域的开发能力。该项目基于 JDK 25 与 Spring Boot 4.1 构建，具备较为完整的服务端 AI 能力。在功能实现上，系统支持联网搜索、网页抓取、Skills 热插拔、MCP 子代理、RAG、Human-in-the-Loop 审批以及沙箱代码执行等特性，并兼容 Anthropic、DeepSeek、OpenAI 及自定义等多种大模型。项目整体架构简洁，适合作为 Java 开发者快速构建 AI 应用的基础脚手架。后续计划进一步完善子智能体，实现虚拟员工效果并引入编排框架。
该项目是基于 Python 热门开源项目 TripStar 移植的 Java 后端实现版本（TripStar-Java）。项目采用 Spring Boot 与 Spring AI Alibaba 框架构建，实现了一个基于 ReAct 架构的 AI 旅行规划 Agent。其核心技术亮点包括： 1. **ReAct 智能体**：利用 Spring AI Alibaba ReactAgent 实现自主任务拆解与工具调用。 2. **多源 API 接入**：支持高德地图工具（Amap Tool）获取地理与路线信息，并接入小红书内容以丰富攻略维度。 3. **结构化输出**：支持 Structured Output，确保大模型生成的规划数据格式稳定，便于前后端交互。 该项目为 Java 开发者提供了极具参考价值的 AI Agent 落地实践案例，展示了如何在 Java 生态下高效构建复杂的 AI 应用。
在Java生态中构建AI Agent，开发者主要面临LangChain4j与Spring AI的选型抉择。 1. **LangChain4j**：作为目前Java领域最成熟的LLM集成库，它深度借鉴了LangChain的设计哲学，提供了丰富的组件支持（如Tool Calling、Memory管理、RAG等），在API设计的灵活性和社区活跃度上表现优异，是目前落地复杂Agent的首选。 2. **Spring AI**：依托强大的Spring生态，提供了与Spring Boot的无缝集成。虽然起步较晚，但其统一了多种模型的API，对于传统Java企业级应用的AI平滑升级非常友好。 3. **多智能体对比**：虽然CrewAI等Python框架在多智能体协同上更成熟，但Java开发者可通过LangChain4j的编排能力实现类似效果。 总结来看，追求Spring生态无缝集成首选Spring AI；若需构建复杂、生产级的Agent交互逻辑，LangChain4j是当前更务实的技术方案。