一、项目介绍

Java 生态做企业应用是强项,但到了 AI 智能体这一波,Java 开发者常常发现好用的 Agent 框架大多先出现在 Python 那边,自己这边要么用重型平台,要么手写大量胶水。想在 Spring Boot 项目里顺滑地接上 Chat Model、RAG、记忆与技能,缺一个轻量又地道的方案。
Agents-Flex 是一个轻量级的 Java AI 智能体开发框架,定位为 Spring AI 之外的另一种选择。它用清晰的核心接口封装 Chat Model、向量存储、记忆与技能等能力,既能在普通 Java 项目里用聚合依赖一把梭,也能在 Spring Boot 项目里用 starter 接入,让 Java 团队用熟悉的 Maven 方式快速搭起 Agent。

二、项目基本信息

信息项详情
项目名称agents-flex
GitHub地址https://github.com/agents-flex/agents-flex
项目描述Agents-flex is A lightweight Java AI agent development framework (positioned as a counterpart to Spring AI). It supports features such as RAG, MCP, Skills, Text2SQL , LLM Wiki, Sub-agents, Web Search, TTS (synchronous and streaming), and STT.
作者agents-flex
开源协议Apache License 2.0
开源状态公开
LanguagesJava
支持平台Windows / macOS / Linux
最后更新2026-10-28

三、核心优势

  • Java 原生:面向 Java / Spring Boot,Maven 一把接入
  • 轻量克制:核心接口清晰,不绑架整体架构
  • 能力完整:Chat Model、RAG、记忆、技能、存储齐备
  • 多模型适配:通过模块接多家 OpenAI 兼容服务
  • Spring 友好:starter 让你在 Boot 项目零配置起用

四、适用场景

适合用 Java / Spring Boot 构建 AI 智能体、RAG 与对话式应用的企业团队。希望在不脱离 Java 技术栈的前提下接大模型能力的人尤为合适。

五、安装教程

当前最新版本 latest。按下方命令安装:

# Maven:在 pom.xml 加入聚合依赖(版本以官方为准)
# <dependency>
#   <groupId>com.agentsflex</groupId>
#   <artifactId>agents-flex-spring-boot-starter</artifactId>
#   <version>2.3.1</version>
# </dependency>

常见报错:依赖缺失时先升级对应运行环境(Node、Python、.NET、Go、Java、Rust、Bun、JDK);网络超时多为镜像或代理问题,可重试或换源;Docker 相关命令需已安装并启动 Docker 服务;涉及 API Key 的服务请提前在环境变量或配置文件中填好。

六、使用示例

下面是一段可直接参考的真实示例:

import com.agentsflex.core.model.chat.ChatModel;
import com.agentsflex.model.chat.openai.OpenAIChatConfig;

public class ChatDemo {
    public static void main(String[] args) {
        ChatModel chatModel = OpenAIChatConfig.builder()
            .endpoint("https://your-model-endpoint")
            .model("your-model-name")
            .apiKey(System.getenv("API_KEY"))
            .buildModel();

        String reply = chatModel.chat("用一句话介绍 Agents-Flex。");
        System.out.println(reply);
    }
}

七、常见问题

问:一定要用 Spring Boot 吗?答:不必须,普通 Java 项目也能用聚合依赖。问:支持哪些模型?答:通过 OpenAI 兼容适配模块接入多家服务,可换 endpoint / model。

八、总结

agents-flex 用清晰的设计,把把智能体能力框架化沉淀这件事从重复劳动变成了可复用、可维护的工程能力。它不追求大而全,而是把核心痛点解决得足够扎实,这正是日常开发与团队落地时最需要的那种工具。如果你也在被同类问题困扰,不妨按上面的安装与使用步骤试一试,把它接进自己的工作流。