Java AI 入门：LangChain4j 函数调用 vs Agent 智能体（核心区别 + 可运行代码）

Java AI 入门实战，清晰讲解 LangChain4j 函数调用 Function Call 与 Agent 智能体的区别，附可直接运行的完整代码，新手也能快速上手。

tukaliu

553人浏览 · 2026-04-24 10:41:51

tukaliu · 2026-04-24 10:41:51 发布

作为 Java 后端开发者，刚入门 AI 智能体（Agent）和函数调用（Function Call）时，我发现很多小伙伴都会和我一样犯迷糊——这俩代码写起来几乎一模一样，但实际用起来差别可太大了！

所以今天就结合我自己跑通的 Demo，用通俗易懂的方式，把两者的核心区别讲明白，全程附可直接复制的代码，不管你是刚入门 Java AI，还是想快速上手 LangChain4j，都能看懂、能跟着跑，求职时拿出来展示也很加分～

一、前置准备（新手必看）

先跟大家说下我用的技术环境，大家照着配，能避免很多环境坑，确保 Demo 一次跑通，不用反复折腾：

JDK 17（LangChain4j 官方推荐）
LangChain4j 0.34.0（稳定版，完美支持Ollama 工具调用）
大模型支持：阿里云通义千问、Ollama 本地模型
统一配置：通过 AiModelFactory 统一获取模型实例，集中管理密钥与配置，方便快速切换多模型

1.1 Maven 依赖

<dependencies>
    <!-- LangChain4j 核心 -->
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j</artifactId>
        <version>0.34.0</version>
    </dependency>
    <!-- 通义千问 -->
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-dashscope</artifactId>
        <version>0.34.0</version>
    </dependency>
    <!-- Ollama 本地模型 -->
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-ollama</artifactId>
        <version>0.34.0</version>
    </dependency>
</dependencies>

1.2 项目结构图

项目结构图

二、公共工具类

函数调用与 Agent 智能体，共用同一套自定义工具，统一封装、全局复用，减少代码冗余。

2.1 WeatherTool 工具类

package com.xiaoyuancode.langchain4j.tools;

import dev.langchain4j.agent.tool.P;
import dev.langchain4j.agent.tool.Tool;

public class WeatherTool {

    @Tool("根据城市查询天气")
    public String getWeather(@P("城市") String city){
        System.out.println("[Tool] 查询城市天气：" + city);
        return city + " 晴天，24℃";
    }
}

2.2 CalculatorTool 工具类

package com.xiaoyuancode.langchain4j.tools;

import dev.langchain4j.agent.tool.P;
import dev.langchain4j.agent.tool.Tool;

public class CalculatorTool {
    @Tool("计算两个数相加")
    public int add(@P("数字a") int a, @P("数字b") int b) {
        System.out.println("[Tool] 执行加法计算：" + a + "+" + b);
        return a + b;
    }
}

三、函数调用（Function Call）是什么？

简单说：函数调用就是让大模型根据需求，调用我们提前写好的工具方法，一次对话只调用一个工具，不会自主进行多步推理。

3.1 Assistant 接口

package com.xiaoyuancode.langchain4j.functioncall;

import dev.langchain4j.service.SystemMessage;

public interface Assistant {
    @SystemMessage("你是智能助手，必须调用工具获取结果，不能编造答案。")
    String chat(String message);
}

3.2 FunctionCallDemo 主程序

package com.xiaoyuancode.langchain4j.functioncall;

import com.xiaoyuancode.langchain4j.config.AiModelFactory;
import com.xiaoyuancode.langchain4j.tools.CalculatorTool;
import com.xiaoyuancode.langchain4j.tools.WeatherTool;
import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.service.AiServices;

public class FunctionCallDemo {
    public static void main(String[] args) {
        ChatLanguageModel model = AiModelFactory.getChatModel();
        Assistant assistant = AiServices.builder(Assistant.class)
                .chatLanguageModel(model)
                .tools(new WeatherTool(),new CalculatorTool())
                .chatMemory(MessageWindowChatMemory.withMaxMessages(10))
                .build();
        System.out.println("用户：北京天气如何？");
        String res1 = assistant.chat("北京天气如何？");
        System.out.println("AI：" + res1 + "\n------");

        System.out.println("用户：100 + 200 等于多少？");
        String res2 = assistant.chat("100 + 200 等于多少？");
        System.out.println("AI：" + res2);
    }
}

3.3 运行结果

FunctionCallDemo运行结果

3.4 函数调用特点

单次请求仅支持单工具调用
无自主规划能力，无法串联多个任务
可加 chatMemory 记住上下文，但依然不会自动多步调用
适合简单、单一、明确的业务场景

四、Agent 智能体（Agent）是什么？

Agent 是函数调用的智能化升级版，核心能力是：自主理解需求 → 规划步骤 → 自动多轮调用工具，不需要我们手动干预。

注：本章复用上方已定义的WeatherTool 工具与 CalculatorTool 工具，不再重复贴码

4.1 独立Assistant 接口

package com.xiaoyuancode.langchain4j.agent;

import dev.langchain4j.service.SystemMessage;

public interface Assistant {
    @SystemMessage("你是一个智能Agent，可以自主思考、调用工具。必须调用工具，不能编造答案")
    String chat(String message);
}

4.2 AgentDemo 主程序

package com.xiaoyuancode.langchain4j.agent;

import com.xiaoyuancode.langchain4j.tools.CalculatorTool;
import com.xiaoyuancode.langchain4j.tools.WeatherTool;
import com.xiaoyuancode.langchain4j.config.AiModelFactory;
import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.service.AiServices;

public class AgentDemo {
    public static void main(String[] args) {
        ChatLanguageModel model = AiModelFactory.getChatModel();
        Assistant agent = AiServices.builder(Assistant.class)
                .chatLanguageModel(model)
                .tools(new WeatherTool(),new CalculatorTool())
                .chatMemory(MessageWindowChatMemory.withMaxMessages(10))
                .build();
        System.out.println("===== 智能体测试 =====");
        System.out.println("用户：先查上海天气，再算 55+45");
        String response = agent.chat("先查上海天气，再算 55+45");
        System.out.println("AI：" + response);
    }
}

4.3 运行结果

AgentDemo运行结果

4.4 Agent 特点

支持自主多步、多工具连续调用
自动理解复杂需求，拆解分步执行
更贴合实际复杂业务、智能问答场景
本质：函数调用 + 自主思考 + 记忆

五、函数调用（Function Call）和 Agent 智能体（Agent）的区别

对比维度	函数调用	Agent 智能体
代码写法	几乎一样	几乎一样
核心能力	单步调用，无规划	多步调用，自主决策
适用场景	简单任务	复杂多步骤、多工具串联任务
行为模式	被动执行	主动规划