在人工智能（AI）代理开发的浪潮中，Python似乎一直是默认的编程语言选择。然而，Java虚拟机（JVM）平台正在以其强大的类型安全、优雅的体系结构和企业级生态系统，挑战这一现状。Rod Johnson在2025年8月发表的文章《You Can Build Better AI Agents in Java Than Python》以及Embabel代理框架的GitHub文档，为我们展示了Java在AI代理开发中的独特优势。通过一个具体的书籍写作案例，我们将深入探索Java如何以更少的代码、更高的可扩展性和更强的类型安全性，超越Python的CrewAI框架，创造出更高效、更优雅的AI代理。 --- ## 📚 从愿景到现实：书籍写作的AI代理场景 想象一下，你是一位作者，梦想创作一本关于“2025年7月人工智能现状”的书籍。你需要一个AI系统，能够自动研究主题、生成大纲、撰写章节，并最终整合成一本完整的Markdown格式书籍。这样的任务看似复杂，但通过AI代理的协作，可以分解为清晰的步骤，高效完成。Rod Johnson选择了CrewAI框架中的“Write a Book Flow”示例作为基准，将其用Java的Embabel框架重写，展示Java在AI代理开发中的优势。 > **什么是“Write a Book Flow”？** > 这个流程通过多个AI代理协作完成书籍创作：首先，`OutlineCrew`研究主题并生成书籍大纲；然后，`WriteBookChapterCrew`为每个章节撰写内容；最后，将所有章节整合为一个Markdown文件。这是一个典型的多代理协作场景，适合展示框架的能力。 --- ## 🧬 CrewAI的Python实现：直观但繁琐 ### 🛠️ CrewAI的核心概念 CrewAI是一个流行的Python代理框架，通过“crew”（代理团队）组织任务。每个crew包含多个代理（agent），每个代理有特定的角色（role）、目标（goal）和背景故事（backstory）。任务通过YML文件定义，Python代码负责将代理和任务连接起来。Pydantic模型用于约束大语言模型（LLM）的输出，确保结构化数据。 在书籍写作示例中，CrewAI的实现分为两个crew： 1. **OutlineCrew**：包含两个代理： - **Researcher**：负责研究书籍主题，收集关键信息。 - **Outliner**：根据研究结果生成书籍大纲，包含章节标题和描述。 2. **WriteBookChapterCrew**：为每个章节分配一个代理，撰写内容并进行进一步研究。 Python代码通过`@CrewBase`装饰器定义crew，通过`@agent`和`@task`装饰器配置代理和任务，最终在`main.py`中通过`BookFlow`类协调整个流程。异步编程（`asyncio`）用于并行撰写章节，Pydantic模型（如`ChapterOutline`和`BookOutline`）提供数据结构支持。 ### 💪 CrewAI的优点 CrewAI的实现直观且模块化： - **任务分解**：将复杂任务拆分为研究、大纲生成和章节撰写，清晰分工。 - **LLM灵活性**：每个代理可以使用不同的LLM和工具（如SerperDevTool进行网络搜索）。 - **结构化输出**：Pydantic模型确保LLM输出的数据格式一致。 - **并行处理**：通过`asyncio`实现章节的并发撰写，提高效率。 > **比喻：像一个交响乐团** > CrewAI就像一个交响乐团，每个代理是乐手，演奏特定乐器（任务）。指挥（Python代码）协调乐手，确保音乐（书籍）和谐完成。然而，乐谱（YML配置）繁琐，乐手间的协作（数据流）不够明确。 ### ⚠️ CrewAI的不足 尽管CrewAI功能强大，但也存在显著的短板： - **配置繁琐**：需要多个YML文件和Python代码，设置复杂，涉及多个目录和文件。 - **类型安全性不足**：代理和任务的输入依赖“魔法字符串”（如`{topic}`），容易出错，且`@listen`装饰器的参数无类型约束。 - **代理与任务耦合**：代理知道输入键（如`topic`），限制了复用性，代理与任务的划分显得冗余。 - **并发控制不佳**：章节撰写的并发由LLM决定章节数量，可能导致速率限制问题。 - **生产环境适配性**：缺乏日志框架支持，难以满足企业级需求。 > **比喻：拼装玩具的挑战** > CrewAI就像一套复杂的拼装玩具，说明书（YML）冗长，零件（代理和任务）需要手动拼接，且容易因为零件标记不清（魔法字符串）而出错。 --- ## 🚀 Embabel的Java实现：优雅与力量的结合 Embabel是一个专为JVM设计的代理框架，基于Spring框架，利用Java或Kotlin的强类型特性和企业级生态，提供了更简洁、更安全的AI代理开发方式。Rod Johnson通过重写CrewAI的书籍写作示例，展示了Embabel的优越性。 ### 🌟 Embabel的核心概念 Embabel通过以下概念组织代理流程： - **动作（Actions）**：代理执行的具体步骤。 - **目标（Goals）**：代理希望实现的状态。 - **条件（Conditions）**：动作执行前的状态检查。 - **领域模型（Domain Model）**：支撑流程的对象，包含行为。 - **计划（Plan）**：由系统动态生成的动作序列，基于目标导向动作规划（GOAP）算法。 > **什么是GOAP？** > GOAP（Goal-Oriented Action Planning）是一种在游戏AI中常用的规划算法，允许系统根据当前状态和目标动态选择动作序列。Embabel利用GOAP实现智能路径规划，无需开发者手动定义流程顺序。 Embabel的关键优势包括： - **动态规划**：系统根据动作的输入输出类型自动推导执行顺序，减少手动配置。 - **强类型安全**：所有提示（prompt）和数据流基于领域对象，消除魔法字符串。 - **Spring集成**：利用Spring的依赖注入、配置管理和AOP，简化开发并增强生产能力。 - **可测试性**：支持单元测试和端到端测试，确保代码可靠性。 ### 🖥️ Embabel的代码实现 在Embabel中，书籍写作流程被简化为一个Java类（`BookWriter`）和一个YML配置文件（`application.yml`）。以下是核心实现： #### **YML配置** ```yaml examples: book-writer: max-concurrency: 8 researcher-llm: model: gpt-4.1-nano temperature: 0.7 writer-llm: model: gpt-4.1-mini researcher: role: Researcher goal: > Gather comprehensive information about a topic that will be used to create an organized and well-structured book outline. Consider the author's desired goal for the book. backstory: > You are an experienced researcher skilled in finding the most relevant and up-to-date information on any given topic. outliner: role: Outliner goal: > Based on research, generate a book outline about the given topic. The generated outline should include all chapters in sequential order and provide a title and description for each chapter. backstory: > You are a skilled organizer, great at turning scattered information into a structured format. writer: role: Chapter Writer goal: > Write a well-structured chapter for a book based on the provided chapter title, goal, and outline. backstory: > You are an exceptional writer, known for producing engaging, well-researched, and informative content. outputDirectory: ./books ``` > **注解：YML的优雅** > 与CrewAI的多个YML文件相比，Embabel的单一`application.yml`集中配置了LLM模型、超参数、并发限制和代理角色，简洁且易于维护。Spring的`@ConfigurationProperties`注解自动将YML映射为Java对象。 #### **领域模型** ```java record ChapterOutline(String title, String content) {} record BookOutline(String title, List chapterOutlines) implements PromptContributor { @NotNull @Override public String contribution() { return "Book Outline:\nTitle: " + title + "\n" + chapterOutlines.stream() .map(chapter -> chapter.title() + "\n" + chapter.content()) .collect(Collectors.joining("\n\n")); } } record Chapter(String title, String content) {} record Book(BookRequest request, String title, List chapters) { public String text() { return "# " + title() + "\n" + request.goal() + "\n\n" + chapters().stream() .map(chapter -> "## " + chapter.title() + "\n" + chapter.content()) .collect(Collectors.joining("\n\n")); } } ``` > **注解：行为丰富的领域模型** > 与CrewAI的Pydantic模型（仅作为数据结构）不同，Embabel的领域对象（如`BookOutline`和`Book`）实现了`PromptContributor`接口，允许它们参与提示构建，并提供格式化输出方法（如`Book.text()`），增强了代码的内聚性。 #### **代理实现** ```java @Agent(description = "Write a book, first creating an outline, then writing the chapters and combining them") public record BookWriter(BookWriterConfig config) { @Action ResearchReport researchTopic(BookRequest bookRequest, OperationContext context) { return context.ai() .withLlm(config.researcherLlm()) .withPromptElements(config.researcher(), bookRequest) .withToolGroup(CoreToolGroups.WEB) .createObject( """ Research the topic to gather the most important information that will be useful in creating a book outline. Ensure you focus on high-quality, reliable sources. """, ResearchReport.class); } @Action BookOutline createOutline(BookRequest bookRequest, ResearchReport researchReport, OperationContext context) { return context.ai() .withLlm(config.writerLlm()) .withPromptElements(config.outliner(), bookRequest, researchReport) .withToolGroup(CoreToolGroups.WEB) .createObject( """ Create a book outline as requested with chapters in sequential order based on the given research findings. Ensure that each chapter has a title and a brief description that highlights the topics and subtopics to be covered. """, BookOutline.class); } @Action Book writeBook(BookRequest bookRequest, BookOutline bookOutline, ResearchReport researchReport, OperationContext context) { var chapters = context.parallelMap( bookOutline.chapterOutlines(), config.maxConcurrency(), chapterOutline -> writeChapter(bookRequest, bookOutline, chapterOutline, context) ); return new Book(bookRequest, bookOutline.title(), chapters); } @AchievesGoal(description = "Book has been written and published about the requested topic") @Action Book publishBook(Book book) { var path = config.saveContent(book); logger.info("Book {} written and saved to {}", book.title(), path); return book; } } ``` > **注解：类型安全与动态规划** > 每个`@Action`方法使用强类型的领域对象（如`BookRequest`和`ResearchReport`）作为参数，避免魔法字符串。`OperationContext`提供对AI服务的统一访问，`parallelMap`方法通过`maxConcurrency`控制并发，防止速率限制问题。GOAP算法自动推导动作顺序，简化流程设计。 ### 💡 Embabel的优势 与CrewAI相比，Embabel的实现展现了以下优势： - **更少的代码**：单一Java类和YML文件取代了CrewAI的多个文件和目录，代码量减少。 - **类型安全**：所有提示和数据流基于领域对象，消除了魔法字符串，提高了开发工具支持（如重构和自动补全）。 - **可配置性**：通过Spring的YML配置，可轻松调整LLM模型、超参数和并发限制。 - **生产就绪**：内置日志框架（SLF4J），支持单元测试和端到端测试，适合企业级应用。 - **并发控制**：`parallelMap`方法通过配置限制并发，避免CrewAI中由LLM决定章节数量导致的潜在问题。 > **比喻：像一架精密的飞船** > Embabel就像一架精密的飞船，Spring框架是其引擎，GOAP算法是导航系统，领域对象是模块化的组件。开发者只需设定目标（目标和动作），飞船便能自动规划路线，高效到达目的地。 --- ## 🔍 深入比较：Java vs. Python ### 📊 代码量与简洁性 令人惊讶的是，Embabel的Java实现比CrewAI的Python实现代码量更少。CrewAI需要多个YML文件、Python类和装饰器，而Embabel通过Spring的依赖注入和单一Java类简化了配置和实现。YML配置也更为集中，减少了维护成本。 ### 🛡️ 类型安全性 CrewAI的提示依赖字符串模板（如`{topic}`），容易出错，且`@listen`装饰器的参数无类型约束。Embabel通过强类型的领域对象和`PromptContributor`接口，确保提示构建和数据流的安全性。这种类型安全性不仅降低了错误风险，还提升了IDE支持（如代码补全和重构）。 ### ⚙️ 可扩展性与复用性 Embabel的GOAP规划算法允许动态生成动作序列，开发者只需添加新的动作和目标即可扩展功能，无需修改现有代码。CrewAI的流程依赖手动定义的`@listen`装饰器，扩展需要修改多个文件，复用性较差。 ### 🏭 生产环境适配性 Embabel利用Spring的生态系统，提供了日志、测试和配置管理的原生支持。CrewAI依赖`print`语句和`asyncio`，缺乏生产级的日志和并发控制，难以满足企业需求。 > **比喻：从手工坊到智能工厂** > CrewAI像一个手工坊，工匠（开发者）需要手动拼接零件（YML和Python代码），流程繁琐且易出错。Embabel则像一座智能工厂，自动化流水线（GOAP和Spring）高效生产，开发者只需提供蓝图（领域模型和动作）。 --- ## 🌍 更广阔的视野：Embabel的生态与未来 ### 🧩 Spring与JVM的生态优势 Embabel基于Spring框架，充分利用了JVM的成熟生态： - **依赖注入**：Spring自动管理代理和服务的生命周期。 - **持久化与事务**：轻松集成Spring Data和JPA，适合企业级应用。 - **测试支持**：内置单元测试和端到端测试框架，确保代码质量。 > **比喻：JVM的宝库** > JVM就像一座宝库，Spring是钥匙，Embabel是探险者，带领开发者挖掘企业级功能（如数据库、事务和微服务）的无限可能。 ### 🚀 Embabel的创新特性 Embabel不仅仅是一个代理框架，它引入了多项创新： - **动态规划**：GOAP算法使流程无需硬编码，系统可根据目标和状态自动调整。 - **多LLM支持**：支持混合使用不同LLM（如OpenAI和Anthropic），优化成本和性能。 - **MCP集成**：通过Model Context Protocol（MCP）与外部工具无缝协作，提供标准化接口。 - **联邦支持**：未来支持与其他Embabel系统或第三方框架的协作，增强跨平台能力。 ### 📅 未来路线图 Embabel的GitHub文档勾勒了宏大的愿景： - **成为Java应用的AI标配**：尤其是在Spring生态中，成为Gen AI的首选框架。 - **跨平台扩展**：将Embabel的概念推广到TypeScript和Python。 - **预算感知代理**：开发支持预算限制的代理，如“花费不超过20美分进行研究”。 - **自然语言动作**：允许开发者用自然语言定义动作和目标，进一步降低开发门槛。 --- ## 📖 参考文献 1. Johnson, R. (2025). *You Can Build Better AI Agents in Java Than Python*. Medium. [https://medium.com/@springrod/you-can-build-better-ai-agents-in-java-than-python-868eaf008493](https://medium.com/@springrod/you-can-build-better-ai-agents-in-java-than-python-868eaf008493) 2. Embabel. (2025). *Embabel Agent Framework*. GitHub. [https://github.com/embabel/embabel-agent](https://github.com/embabel/embabel-agent) 3. CrewAI. (2025). *Write a Book Flow*. CrewAI Official Examples. [https://github.com/crewAI/crewAI-examples](https://github.com/crewAI/crewAI-examples) 4. Spring AI. (2025). *Spring AI Documentation*. [https://docs.spring.io/spring-ai/reference/](https://docs.spring.io/spring-ai/reference/) 5. Model Context Protocol (MCP). (2025). *MCP Quickstart for Claude Desktop Users*. [https://modelcontextprotocol.org/docs/claude-desktop](https://modelcontextprotocol.org/docs/claude-desktop) --- ## 🎉 结语：JVM的AI新篇章 通过重写CrewAI的书籍写作示例，Embabel展示了Java在AI代理开发中的优雅与力量。它的类型安全、动态规划和Spring生态集成，使其在代码简洁性、可扩展性和生产就绪性上超越了Python的CrewAI框架。无论是初学者还是企业开发者，Embabel都提供了一个强大而灵活的平台，让AI代理开发变得如探险般引人入胜。 > **想象一下** > 你站在一座未来城市的控制中心，JVM是坚实的地基，Spring是智能的管道系统，Embabel是指挥AI代理的超级计算机。只需几行代码，你就能指挥代理完成从研究到创作的壮举。Embabel不仅是一个框架，它是通向AI驱动未来的桥梁。 现在，加入Embabel社区，拿起你的Java代码，开启AI代理的创作之旅吧！🌟