这里我们增强装配了agentWorkflowNode，原来的代码中，我们能够配置的智能体工作流的顺序和种类数都是有限的且需要符合规则的（例如：循环 -> 并行 -> 串行），而且如果这样配置，我们只能让串行工作流作为最后一个节点。六、首先从配置中获取Runner配置，校验入口Agent是否存在，获取到Agent实例，然后加载插件（用来给agent增强能力如：日志，监控，拦截，重试，上下文扩展），最

这里我们增强装配了agentWorkflowNode，原来的代码中，我们能够配置的智能体工作流的顺序和种类数都是有限的且需要符合规则的（例如：循环 -> 并行 -> 串行），而且如果这样配置，我们只能让串行工作流作为最后一个节点。六、首先从配置中获取Runner配置，校验入口Agent是否存在，获取到Agent实例，然后加载插件（用来给agent增强能力如：日志，监控，拦截，重试，上下文扩展），最

但是之后我们想到如果我们要扩展自己的一些MCP服务呢，比如，做一些智能体客服场景，或者公司内部的系统巡检场景，这些场景并没有提供统一的 mcp 服务，则可能都要自己扩展，扩展后装配到整个智能体中。一、通过DefaultArmoryFactory返回根节点后，根节点使用apply方法，先进行一步资源加载，加载完成后，然后调用apply方法，装配节点所需要的数据，然后流转到AiApiNode节点。策略

但是之后我们想到如果我们要扩展自己的一些MCP服务呢，比如，做一些智能体客服场景，或者公司内部的系统巡检场景，这些场景并没有提供统一的 mcp 服务，则可能都要自己扩展，扩展后装配到整个智能体中。一、通过DefaultArmoryFactory返回根节点后，根节点使用apply方法，先进行一步资源加载，加载完成后，然后调用apply方法，装配节点所需要的数据，然后流转到AiApiNode节点。策略

这是我第一次接触ai的项目，所以可能会有很多理解错误的点，大部分只是自己对ai的认识，所以如果有错误的地方，可以直接指出。根据我对xfg这个项目的学习，首先是先通过API功能测试，使用Spring AIGoogle ADK框架对接 AI 服务，完成功能验证。先感受一下不同框架下的ai测试效果。这里分了不同的包，进行不同场景下的测试。agent包中，我们进行了Agent智能体编排，主要进行agent

这是我第一次接触ai的项目，所以可能会有很多理解错误的点，大部分只是自己对ai的认识，所以如果有错误的地方，可以直接指出。根据我对xfg这个项目的学习，首先是先通过API功能测试，使用Spring AIGoogle ADK框架对接 AI 服务，完成功能验证。先感受一下不同框架下的ai测试效果。这里分了不同的包，进行不同场景下的测试。agent包中，我们进行了Agent智能体编排，主要进行agent