本文介绍了LangChain4j在whatsmars-ai模块中的重大更新，重点聚焦于其高级功能特性。主要内容包括： 核心能力升级：从基础对话扩展到多Agent编排、高级RAG管线、输入输出护栏、结构化输出、多模态和可观测性六大能力，成为全功能AI应用框架。 Agent编排模式：详细解析了五种Agent协作方式： 声明式接口定义（@Agent注解） 顺序工作流（Research→Summarize

每个微服务项目都有一堆模块：注册中心、网关、多个服务提供者、消费者、消息队列……项目写完了，怎么给别人演示？手动启动 10+ 个服务，等 5 分钟打开浏览器，一个个敲 URL解释"这个请求走了 Gateway → Consumer → Provider 的链路"切到终端，再演示一遍 Dubbo 调用最后还要清理环境……演示 5 分钟，准备 30 分钟。微服务项目的价值不在于有多少个模块，而在于能不

本文基于babi项目，对比了AgentScope、LangGraph4j和Spring AI 2.0三大框架在AI Agent工程化实现中的设计差异。重点分析了两个关键层级： HTTP Client层：Spring AI深度集成Spring生态的RestClient/WebClient，LangChain4j通过SPI机制灵活支持OkHttp/JDK HttpClient，而AgentScope默

本文基于babi项目，对比了AgentScope、LangGraph4j和Spring AI 2.0三大框架在AI Agent工程化实现中的设计差异。重点分析了两个关键层级： HTTP Client层：Spring AI深度集成Spring生态的RestClient/WebClient，LangChain4j通过SPI机制灵活支持OkHttp/JDK HttpClient，而AgentScope默

本文介绍了作者在Java AI领域的四个开源项目布局，重点解析了jaws框架新增的MCP桥接和REST桥接特性。jaws是一个基于Java 17和Netty的高性能RPC框架，最新版本通过集成MCP Java SDK 2.0.0，实现了将RPC服务自动暴露为MCP Tools和REST API的能力，打通了传统后端服务与AI Agent之间的调用壁垒。文章详细剖析了MCP协议背景、jaws框架架构

本文介绍了LangChain4j在whatsmars-ai模块中的重大更新，重点聚焦于其高级功能特性。主要内容包括： 核心能力升级：从基础对话扩展到多Agent编排、高级RAG管线、输入输出护栏、结构化输出、多模态和可观测性六大能力，成为全功能AI应用框架。 Agent编排模式：详细解析了五种Agent协作方式： 声明式接口定义（@Agent注解） 顺序工作流（Research→Summarize

本文记录了作者在三个真实Java AI项目中分别使用LangChain4j、Spring AI 2.0和AgentScope框架的实践。这三个框架代表了不同的设计哲学：LangChain4j采用声明式AI Service，Spring AI深度融入Spring生态，AgentScope则提供Agent-as-a-Service能力。作者通过具体案例展示了Tool Calling等核心功能在三个框架

本文对比了AgentScope与LangGraph两个AI Agent框架在实际工程中的差异。通过构建同一款AI编程助手Babi Agent（具备代码读写、Shell执行、网页搜索等功能），作者从三个层面进行深度对比： Agent构建方式： AgentScope采用声明式配置+框架托管，通过配置项封装ReAct循环等核心逻辑 LangGraph采用函数式组合，仅提供最小封装，需手动组装状态图 工具

摘要： Babi Agent 项目通过**Java（AgentScope + Spring Boot）和Python（AgentScope + FastAPI / LangGraph）**三种技术栈实现同一AI编程助手，探索跨语言、跨框架的AI Agent设计异同。 核心对比： 动机：比较Java与Python生态差异，验证通用设计模式，避免框架绑定。 实现： Java：基于HarnessAgen

Spring Boot 4.0升级踩坑全记录：从模块化拆分包名变更到链路追踪重构 本文记录了基于Spring Cloud Samples微服务项目从Spring Boot 3.x升级到4.0.0的全过程，重点梳理了5个典型问题和解决方案： 模块化拆分问题：spring-boot-starter-web被拆分为webmvc和restclient两个模块 包名变更问题：RestTemplateBuil