spring-ai-alibaba 学习之 Jmanus（一）——执行逻辑

本文介绍了Java版Manus的配置与运行方法，以及其核心执行流程分析。项目需要配置JDK环境并设置API密钥，启动后可通过Web页面操作。重点剖析了"查询股价"功能的执行过程：系统通过异步接口接收请求后，会动态生成执行计划，使用ConfigurableDynaAgent进行多轮思考-行动循环（包括浏览器导航、搜索、点击等操作），最终返回股价信息。系统架构包含五层数据模型：计划

lxsy

1065人浏览 · 2025-11-01 16:25:06

lxsy · 2025-11-01 16:25:06 发布

Jmanus 定位是 java 版本的 manus 实现。

试运行

配置 jdk 等环境
拉取源码 https://github.com/spring-ai-alibaba/JManus
配置好环境变量 DASHSCOPE_API_KEY （百炼大模型 api-key）
直接运行 OpenManusSpringBootApplication.main，会自动弹出 web 页面 http://localhost:18080/，代表项目已启动完成

查看数据库

通过 http://localhost:18080/h2-console 访问默认的 h2 数据库，用户名和密码可以在 src/main/resources/application-h2.yml 文件中找到

源码学习

在页面上点击“查询股价”，程序会依次执行下列步骤：

自动下载浏览器
打开浏览器
输入查询内容并点击搜索
打开结果页面，爬取页面内容
生成最终结果报告

可以通过开发者工具发现调用了后端的 /api/executor/executeByToolNameAsync 接口，请求参数如下

{
    "toolName":"default-plan-id-001000222",
    "replacementParams":{
        "userRequirement":"用浏览器基于百度，查询今天阿里巴巴的股价，并返回最新股价"
    },
    "isVueRequest":true
}

该接口为异步接口，结果通过 /api/executor/details/{planId} 接口获取。

接口逻辑

数据预处理

获取 toolName 入参，此处值为 default-plan-id-001000222
通过 isVueRequest 参数判断是前端调用还是 http 接口调用，此处为 true
通过 toolName 获取 planTemplateId，此处是 null，默认使用 toolName 作为 planTemplateId
获取 conversationId 入参，此处为 null，默认生成一个前缀为 conversation- 的会话id，并保存 memory
获取 uploadedFiles 入参，此处为 null
获取 uploadKey 入参，此处为 null
获取 replacementParams 入参，此处为一个 Map，包含一个键值对，"userRequirement":"用浏览器基于百度，查询今天阿里巴巴的股价，并返回最新股价"

数据处理2

生成前缀为 plan- 的 planId

根据 planTemplateId 获取 planTemplate 的最大版本号

根据 planTemplateId 和最大版本号获取 json 格式的 planTemplate，此处结果如下

{
  "planType" : "dynamic_agent",
  "currentPlanId" : null,
  "rootPlanId" : null,
  "planTemplateId" : "default-plan-id-001000222",
  "title" : "默认的用户输入(不要删除这个计划)",
  "userRequest" : "Execute default_user_input plan using zh language",
  "directResponse" : false,
  "steps" : [ {
    "stepRequirement" : "<<userRequirement>>",
    "agentName" : "ConfigurableDynaAgent",
    "selectedToolKeys" : null,
    "modelName" : "",
    "terminateColumns" : ""
  } ],
  "result" : null
}

使用输入的 userRequirement 替换掉 json 中的占位符 <<userRequirement>>，生成 Plan

组装计划执行器

根据 Plan 中的 directResponse 和 planType 组装对应的计划执行器

若 directResponse 为 true，则生成 DirectResponseExecutor；
若 planType 为 simple，则生成 PlanExecutor；
若 planType 为 advanced，则生成 MapReducePlanExecutor；
若 planType 为 dynamic_agent，则生成 DynamicToolPlanExecutor；
其他则默认为 PlanExecutor

此处为 DynamicToolPlanExecutor

异步业务逻辑（AbstractPlanExecutor.executeAllStepsAsync）

保存计划执行记录 PlanExecutionRecord，completed 属性为 false；
保存智能体执行记录 AgentExecutionRecord，状态为 IDLE

执行 Plan 中的每一个步骤 Step

根据 Step 相关属性组装 BaseAgent，这里是子类 ConfigurableDynaAgent，若配置文件中 agent.init 设置为 true（默认为 true），则添加工具到 ConfigurableDynaAgent 中，包括浏览器、数据库、终端、Bash、Text文件操作器、表单输入工具；若是开启无限上下文（默认关闭），还会添加定时工具和 Markdown 转换器（这里还注释掉了许多工具，如谷歌搜索或 python 执行器，可能是仍然在测试中）；若是配置了 Mcp（默认无），也会添加 Mcp 作为工具
更新 AgentExecutionRecord 状态、开始时间、Step序号等属性，状态为 RUNNING

进入 BaseAgent，执行子类 ReactAgent 的 step 方法，分为 think 和 act 两步，首先执行子类 DynamicAgent 的 think 方法

首先是收集上一步工具执行后的结果，此时是第一步，所以结果为空

构造提示词

SystemMessage{textContent='<SystemInfo>
- SYSTEM INFORMATION:
OS: Windows 11 10.0 (amd64)

- Current Date:
2025-10-05

- User Original Requirements (This requirement is the user's initial input, information can be referenced, but in the current interaction round only the current step requirements need to be completed!) :
默认的用户输入(不要删除这个计划)
Execute default_user_input plan using zh language


- Execution Parameters: 
No execution parameters provided.

- Historical Executed Step Records:


- Current step requirements (this step needs to be completed by you! Required by the user's original request, but if not required in the current step, no need to complete in this step):
STEP 0: 用浏览器基于百度，查询今天阿里巴巴的股价，并返回最新股价

- Operation step instructions:

Important Notes:
1. When using tool calls, no additional explanations are needed!
2. Do not provide reasoning or descriptions before tool calls!

3. Do only and exactly what is required in the current step requirements
4. If the current step requirements have been completed, call the terminate tool to finish the current step.
5. The user's original request is for having a global understanding, do not complete this user's original request in the current step.


</SystemInfo>

<AgentInfo>
Based on the current environment information and prompt to make a next step decision
</AgentInfo>
', messageType=SYSTEM, metadata={messageType=SYSTEM}}

UserMessage{content='- Current step environment information:

', properties={messageType=USER, current_step_env_data=true}, messageType=USER}

给 ChatClient 添加工具并获取响应结果，注意 internalToolExecutionEnabled 被设置为 false，代表禁止自动调用工具，工具的调用需要应用程序显式处理

ChatResponse [
  metadata=
  {
    id: chatcmpl-0528175a-26d2-428d-9bef-72b41119d7f6,
    usage: DefaultUsage
  [
    promptTokens=0,
    completionTokens=0,
    totalTokens=0
  ],
  rateLimit
  :
  org.springframework.ai.chat.metadata.EmptyRateLimit@3855ded8
  },
  generations=
  [
    Generation
    [
      assistantMessage=AssistantMessage
      [
        messageType=ASSISTANT,
        toolCalls=
        [
          ToolCall
          [
            id=call_ff29780b343649308ae635,
            type=function,
            name=browser_use,
            arguments=
            {
              "action": "navigate",
              "url": "https://www.baidu.com"
            }
          ]
        ],
        textContent=,
        metadata=
        {
          role=ASSISTANT,
          messageType=ASSISTANT,
          finishReason=TOOL_CALLS,
          refusal=,
          index=0,
          annotations=
        [],
        id=chatcmpl-0528175a-26d2-428d-9bef-72b41119d7f6
        }
      ],
      chatGenerationMetadata=DefaultChatGenerationMetadata
      [
        finishReason=
        'TOOL_CALLS',
        filters=0,
        metadata=0
      ]
    ]
  ]
]

可以看出，大模型返回结果是要调用名为 browser_use 的工具
添加思考行动记录 ThinkActRecord

然后是 DynamicAgent 的 act 方法
1. 执行工具，此处执行 BrowserUseTool 工具，打开浏览器并导航到百度搜索页
2. 记录执行结果 ActToolParam
BaseAgent 会不断循环 step 方法，即不断进行 think、act，直到超过最大步数限制或状态变更为 completed
1. 第二次进行 step，think 方法首先获取上一步执行后的环境信息，包括页面的各种链接和元素等，将 browser_use 的执行结果和执行后环境信息加入消息中，大模型返回结果的工具调用部分如下，可以看出这次仍然是调用 browser_use，只是执行动作由导航变为输入文本
```
ToolCall[
id=call_39ab72cb9fac49b48fa1d6, 
type=function, 
name=browser_use, 
arguments={"action": "input_text", "index": 13, "text": "阿里巴巴 股价"}
]
```
2. 执行完后第三次进入 step 方法，thingk 方法获取到上一步搜索的各种结果链接，大模型返回的工具调用参数中 arguments={"action": "click", "index": 45}，也就是点击 index 为 45 的网页
3. 执行完后第四次进入 step 方法，think 方法获取到两个tab页以及第一个tab页的各种链接，大模型返回的工具调用参数中 arguments={"action": "get_text"}，获取文本
4. 执行完后第五次进入 step 方法，大模型返回的工具调用参数如下
```
ToolCall[
  id=call_1b8139a5ae6345b0a485c9,
  type=function,
  name=terminate,
  arguments=
  {
    "message": "根据查询结果，阿里巴巴-W（股票代码：09988）在2025年10月3日的收盘价为185.100港元。该股价较前一日上涨2.000港元，涨幅为1.09%。最新信息显示，公司股价创近四年来新高，获得南向资金青睐，摩根大通已将其港股目标价上调近45%，预测还有约30%上涨空间。"
  }
]
```
  工具执行完后，由于 toolName 为 terminate，退出标志 shouldTerminate 设置为 true，状态变更为 completed，退出 BaseAgent 的循环
更新 AgentExecutionRecord 状态、结束时间、Step序号等属性，状态为 FINISHED