SpringAI 搭建智能体（二）：搭建客服系统智能体

在现代人工智能应用中，智能体（Agent） 是一个重要的概念，它的核心能力是自主性与灵活性。一个智能体不仅能够理解用户的需求，还能拆解任务、调用工具完成具体操作，并在复杂场景中高效运行。在本篇博客中，我们将围绕一个基于 Spring AI 的智能体实现，深入探讨智能体的概念、构建流程以及实际应用场景。

---

1. 什么是智能体？

智能体是一种能够根据目标自主执行任务的系统。与传统的 AI 模型生成内容的模式不同，智能体通过整合语义理解、任务分解和工具调用等功能，具备以下特征：

• 目标驱动：智能体能够根据输入指令明确任务目标。
• 任务拆解：将复杂任务分解为多个子任务。
• 工具调用：根据任务需求动态选择并调用工具。
• 自适应性：根据上下文调整行为，处理动态变化的环境。

智能体 vs 传统 AI

传统 AI 通常专注于单一功能（如文本生成、分类任务等），而智能体是一个更高层次的概念，它整合了多个功能模块，能够在复杂场景中完成多步骤任务。

---

2. 智能体的核心功能

在一个智能体系统中，核心功能包括：

1. 语义解析：理解用户输入，明确任务目标。
2. 工具管理：维护一组工具及其描述，供智能体调用。
3. 任务执行：动态调用工具完成任务，并整合结果。
4. 结果生成：将工具返回的结果组合成易于理解的输出。

---

3. 基于 Spring AI 的智能体架构

我们基于 Spring AI 实现了一个完整的智能体系统，其架构如下：

3.1 核心组件

1. 工具接口（Tool Interface）
   每个工具都实现一个统一的接口，包含名称、描述、支持状态和执行逻辑等。

2. 工具管理器（Tool Manager）
   用于维护工具列表并提供工具调用的功能。

3. 语义分析模块（Semantic Analysis）
   调用 ChatGPT 等语言模型，解析任务并生成格式化的任务步骤。

4. 智能体核心（Agent Core）
   负责任务拆解、工具调用和结果整合，是智能体的“大脑”。

---

3.2 智能体执行流程

1. 用户输入：
   用户通过系统输入任务描述，例如：

   查询北京的天气，并获取推荐的景点信息。
   

2. 工具列表生成：
   系统将工具的名称、描述和支持状态提供给语义分析模块。

3. 任务解析：
   语义分析模块（基于 ChatGPT）解析任务，并生成 JSON 格式的任务步骤，例如：

   [{"toolName": "weather", "input": "Beijing"},{"toolName": "tourism", "input": "Beijing"}
   ]
   

4. 工具调用：
   智能体根据任务步骤依次调用对应工具，并获取结果。

5. 结果整合：
   将工具返回的结果整合成最终输出，返回给用户。

---

4. 实际应用场景

4.1 智能客服

智能体可以根据用户问题调用多个工具完成复杂的客服任务。

• 示例：用户输入：

  查询上海今天的天气，并推荐适合的活动。
  

  • 工具调用：
    1. WeatherTool 查询天气。
    2. ActivityRecommendationTool 提供活动推荐。
  • 输出结果：

    上海今天晴天，气温 26°C。推荐的活动有：游览外滩、参观上海博物馆。
    

---

4.2 数据处理与分析

在数据处理场景中，智能体可以调用数据清洗、分析和可视化工具，完成复杂的数据管道任务。

• 示例：用户输入：

  对销售数据进行清洗，然后计算过去一年的月度增长率。
  

  • 工具调用：
    1. DataCleaningTool 处理数据。
    2. GrowthAnalysisTool 计算增长率。
  • 输出结果：

    数据已清洗。过去 12 个月的月度增长率为：10%、12%、8%...
    

---

4.3 自动化运维

在运维场景中，智能体可以调用状态检查、日志分析和自动化脚本执行工具。

• 示例：用户输入：

  检查所有服务器的状态，如果有异常，重新启动服务。
  

  • 工具调用：
    1. HealthCheckTool 检查服务器状态。
    2. RestartServiceTool 重新启动异常服务。
  • 输出结果：

    检查完成。服务器 2 和 5 状态异常，已成功重启服务。
    

---

5. 智能体的优势

5.1 灵活性

通过语义解析和动态工具调用，智能体能够灵活处理多样化的任务。

5.2 可扩展性

新增工具只需实现工具接口并注册到工具管理器，无需改动核心逻辑。

5.3 可解释性

每个工具调用和结果整合过程都清晰透明，便于调试和改进。

---

6. 示例代码

以下是客服智能体实现的核心代码示例：

工具接口与实现

public interface Tool {String getName();String getDescription();boolean isSupported();String execute(String input);
}@Component
public class WeatherTool implements Tool {@Overridepublic String getName() {return "weather";}@Overridepublic String getDescription() {return "查询指定城市的天气";}@Overridepublic boolean isSupported() {return true;}@Overridepublic String execute(String input) {return "The weather in " + input + " is sunny and 25°C.";}
}

语义分析模块

@Component
public class ChatGPTService {// 调用 ChatGPT API 的逻辑public String analyze(String task, String toolsList) {// 调用 OpenAI 接口返回任务步骤return "[{\"toolName\": \"weather\", \"input\": \"Beijing\"}]";}
}

智能体核心逻辑

@Component
public class Agent {private final ToolManager toolManager;private final ChatGPTService chatGPTService;@Autowiredpublic Agent(ToolManager toolManager, ChatGPTService chatGPTService) {this.toolManager = toolManager;this.chatGPTService = chatGPTService;}public String execute(String task) {String toolsList = toolManager.getToolsDescription();String stepsJson = chatGPTService.analyze(task, toolsList);List<TaskStep> steps = parseSteps(stepsJson);List<String> results = new ArrayList<>();for (TaskStep step : steps) {results.add(toolManager.executeTool(step.getToolName(), step.getInput()));}return String.join("\n", results);}
}

---

代码实现

import org.springframework.stereotype.Component;
import org.springframework.beans.factory.annotation.Autowired;import java.util.ArrayList;
import java.util.List;@Component
public class AdvancedSemanticAgent {private final ToolManager toolManager;private final ChatGPTService chatGPTService;@Autowiredpublic AdvancedSemanticAgent(ToolManager toolManager, ChatGPTService chatGPTService) {this.toolManager = toolManager;this.chatGPTService = chatGPTService;}// 核心执行逻辑public String execute(String task) {// 使用 ChatGPT 进行语义解析，生成任务步骤List<TaskStep> steps = parseTaskWithChatGPT(task);// 执行每一步任务List<String> results = new ArrayList<>();for (TaskStep step : steps) {String result = toolManager.executeTool(step.getToolName(), step.getInput());results.add(result);}// 整合结果return combineResults(results);}// 使用 ChatGPT 解析任务private List<TaskStep> parseTaskWithChatGPT(String task) {String toolList = generateToolListDescription();String prompt = "以下是可用工具列表及其描述，请根据任务选择合适的工具并生成任务步骤。" +"返回结果为 JSON 数组，每个对象包含工具名称（toolName）和输入参数（input）。" +"忽略工具列表中标注为不支持的工具。\n\n" +"任务描述：" + task + "\n\n" +"工具列表：" + toolList;String response = chatGPTService.generateResponse(prompt);// 解析 ChatGPT 返回的 JSONreturn parseStepsFromResponse(response);}// 生成工具列表的描述private String generateToolListDescription() {List<Tool> tools = toolManager.getAvailableTools();StringBuilder toolListBuilder = new StringBuilder();for (Tool tool : tools) {toolListBuilder.append("- 工具名称: ").append(tool.getName()).append(", 描述: ").append(tool.getDescription()).append(", 示例入参: ").append(tool.getExampleInput()).append(", 是否支持: ").append(tool.isSupported() ? "支持" : "不支持").append("\n");}return toolListBuilder.toString();}// 解析 ChatGPT 返回的 JSONprivate List<TaskStep> parseStepsFromResponse(String response) {List<TaskStep> steps = new ArrayList<>();try {ObjectMapper mapper = new ObjectMapper();steps = mapper.readValue(response, new TypeReference<List<TaskStep>>() {});} catch (Exception e) {throw new RuntimeException("解析任务步骤失败：" + e.getMessage(), e);}return steps;}// 整合结果private String combineResults(List<String> results) {return String.join("\n", results);}// 定义子任务步骤static class TaskStep {private String toolName;private String input;// Getters 和 Setterspublic String getToolName() {return toolName;}public void setToolName(String toolName) {this.toolName = toolName;}public String getInput() {return input;}public void setInput(String input) {this.input = input;}}
}

---

工具接口与管理器

工具接口扩展

扩展工具接口，增加工具描述和支持状态。

public interface Tool {String getName();String getDescription(); // 返回工具的描述String getExampleInput(); // 返回工具的示例入参boolean isSupported(); // 工具是否被支持String execute(String input);
}

工具实现示例

假设我们有三个工具：WeatherTool（支持）、DatabaseTool（支持）、UnsupportedTool（不支持）。

WeatherTool

@Component
public class WeatherTool implements Tool {@Overridepublic String getName() {return "weather";}@Overridepublic String getDescription() {return "查询指定城市的天气信息";}@Overridepublic String getExampleInput() {return "城市名称，例如 'New York'";}@Overridepublic boolean isSupported() {return true;}@Overridepublic String execute(String input) {return "The weather in " + input + " is sunny and 25°C.";}
}

DatabaseTool

@Component
public class DatabaseTool implements Tool {@Overridepublic String getName() {return "database";}@Overridepublic String getDescription() {return "查询数据库中的相关记录";}@Overridepublic String getExampleInput() {return "查询条件，例如 'customer:12345'";}@Overridepublic boolean isSupported() {return true;}@Overridepublic String execute(String input) {return "Query result for input [" + input + "]: {id: 1, name: 'Spring AI'}";}
}

UnsupportedTool

@Component
public class UnsupportedTool implements Tool {@Overridepublic String getName() {return "unsupported";}@Overridepublic String getDescription() {return "这是一个不支持的工具";}@Overridepublic String getExampleInput() {return "无";}@Overridepublic boolean isSupported() {return false;}@Overridepublic String execute(String input) {throw new UnsupportedOperationException("This tool is not supported.");}
}

工具管理器扩展

@Component
public class ToolManager {private final List<Tool> tools;@Autowiredpublic ToolManager(List<Tool> toolList) {this.tools = toolList;}public List<Tool> getAvailableTools() {return tools;}public String executeTool(String toolName, String input) {return tools.stream().filter(tool -> tool.getName().equals(toolName)).findFirst().orElseThrow(() -> new IllegalArgumentException("Tool not found: " + toolName)).execute(input);}
}

---

示例执行流程

工具列表

通过工具管理器提供给 ChatGPT 的工具列表如下：

工具列表：
- 工具名称: weather, 描述: 查询指定城市的天气信息, 示例入参: 城市名称，例如 'New York', 是否支持: 支持
- 工具名称: database, 描述: 查询数据库中的相关记录, 示例入参: 查询条件，例如 'customer:12345', 是否支持: 支持
- 工具名称: unsupported, 描述: 这是一个不支持的工具, 示例入参: 无, 是否支持: 不支持

输入任务

用户输入任务：

获取纽约的天气，并查询与天气相关的数据库记录。

ChatGPT 返回的结果

[{"toolName": "weather", "input": "New York"},{"toolName": "database", "input": "weather:New York"}
]

工具调用结果

智能体调用工具并返回结果：

The weather in New York is sunny and 25°C.
Query result for input [weather:New York]: {id: 1, name: 'Spring AI'}

---

7. 未来展望

随着 AI 模型和工具生态的不断发展，智能体将进一步扩展到以下领域：

• 多模态任务：支持文本、图像、语音等多种输入与输出。
• 学习与优化：通过强化学习优化任务拆解和工具调用策略。
• 全局规划：在任务间建立依赖关系，优化多任务执行流程。

智能体是 AI 应用发展的重要方向，其灵活性和扩展性为解决复杂问题提供了强大的工具。

---

8. 总结

通过引入智能体的概念和实践，我们展示了如何构建一个灵活、高效的系统，完成复杂任务。智能体结合 Spring AI 提供的工具管理和语义分析能力，成为连接用户需求和执行逻辑的桥梁。未来，智能体将在更多场景中展现其强大的应用潜力，为智能化发展注入新动力。