介绍

最近我的工作主要聚焦在 Agent 和 Skill 相关方向。随着公司多个项目陆续完成 Agent 化升级，我发现一个很典型的问题：很多企业系统已经沉淀了大量业务能力，但这些能力仍然停留在传统接口和服务调用层面，大模型无法直接理解和调用。

尤其在 Java / Spring Boot 体系中，很多系统并不适合推倒重来重新开发一个 Agent 应用。更现实的方式是：在尽量不改动原有架构的前提下，把已有业务方法、业务工具、知识库和大模型能力连接起来，让存量系统逐步具备 Agent 能力。

基于这些实践，我将项目集成 Agent 的经验进行总结和封装，开发了一个可复用组件：easy-agent。

easy-agent 是一个面向 Java / Spring Boot 应用的轻量级 Agent 能力组件。业务系统引入 easy-agent-spring-boot-starter 后，可以通过简单的 @EasyTool 注解，将已有业务方法快速注册为 AI 可调用的工具；也可以通过 ToolProvider SPI 以编程方式批量注册工具。

同时，easy-agent 内置 MCP Server，使 Claude Code、Codex 等支持 MCP 的 AI 客户端可以直接发现并调用业务系统中的工具。它还提供 LLM、RAG、Skill 等模块，帮助业务系统完成从工具注册、模型调用、知识库检索到技能生成的完整 Agent 化链路。

easy-agent 的核心目标不是替代业务系统，而是作为一个组件嵌入到已有 Spring Boot 项目中，让存量业务系统以较低成本获得 Agent 能力。

easy-agent 当前支持的能力

当前 easy-agent 主要包含以下模块：

模块	说明
easy-agent-core	核心模块，提供工具注解、工具注册中心、工具执行器和 SPI 扩展
easy-agent-llm	LLM 模块，提供 OpenAI 兼容模型调用和自动工具调用能力
easy-agent-mcp	MCP 模块，提供 HTTP JSON-RPC MCP Server，让 Claude Code 等客户端调用业务工具
easy-agent-rag	RAG 模块，提供知识库加载、文档分块、检索增强能力
easy-agent-skill	Skill 模块，根据已注册工具生成业务侧 Skill Markdown 文件
easy-agent-spring-boot-starter	Starter 模块，负责 Spring Boot 自动装配和配置元数据

整体链路可以理解为：

Spring Boot 业务系统
        ↓
@EasyTool / ToolProvider
        ↓
ToolRegistry
        ↓
ToolExecutor
        ↓
LLM / MCP / RAG / Skill
        ↓
Claude Code / Codex / 企业内部 AI 助手

easy-agent 的核心优势

1. 面向存量系统，而不是重写系统
   easy-agent 的定位是组件化接入。对于已经存在的 Spring Boot 项目，不需要重新搭建一套 Agent 应用，只需要在原有系统中引入 starter，就可以逐步开放业务能力给大模型和 Agent 客户端调用。
2. 注解式工具注册，接入成本低
   通过 @EasyTool 注解，可以将已有 Java 方法注册为 AI 工具。对于大多数固定业务能力，例如查询用户权限、查询需求列表、创建需求、统计周报等，只需要在方法上添加注解即可。
3. SPI 扩展，支持更灵活的工具来源
   除了注解式注册，easy-agent 还支持 ToolProvider SPI。业务系统可以通过编程方式批量注册工具，适合工具定义来自数据库、配置中心、插件系统或运行时动态组装的场景。
   同时，ToolExecutionListener 可以监听工具执行前、执行成功、执行失败三个节点，方便业务系统做日志、审计、监控、统计和告警。
4. MCP 原生支持
   easy-agent 内置 MCP Server。业务系统启动后，Claude Code、Codex 等 MCP 客户端可以通过 tools/list 查看工具，通过 tools/call 调用工具，让业务系统成为 Agent 可调用的能力提供方。
5. 覆盖 Agent 化常见链路
   easy-agent 不只提供工具注册，还提供 LLM 调用、RAG 检索增强、Skill 生成等能力，覆盖从业务工具暴露到大模型调用、知识库增强和技能沉淀的常见链路。
6. 适合企业内部 AI 助手场景
   对于企业内部系统，easy-agent 可以用于构建 AI 助手、知识库问答、业务工具调用、周报生成、需求查询、权限查询等场景，让已有业务能力更容易被 AI 使用。

如何开始使用 easy-agent

1. 引入依赖

easy-agent 已经发布到 Maven Central，在 Spring Boot 项目中直接引入 easy-agent-spring-boot-starter 即可。

<dependency>
    <groupId>io.github.songrongzhen</groupId>
    <artifactId>easy-agent-spring-boot-starter</artifactId>
    <version>0.1.7</version>
</dependency>

引入 starter 后，easy-agent 会自动装配 core、llm、mcp、rag、skill 等模块。对于大多数 Spring Boot 项目来说，不需要手动创建核心组件 Bean。

2. 最简配置：开启 LLM 对话能力

如果只想先体验 LLM 对话能力，可以先添加最简配置：

easy-agent:
  llm:
    enabled: true
    model: qwen-plus
    api-key: ${DASHSCOPE_API_KEY}

这里的 model 配置为 qwen-plus 时，easy-agent 会自动识别为通义千问兼容模型服务。api-key 建议通过环境变量传入，不建议直接写死在 application.yml 中。
easy-agent 的 LLM 模块采用 OpenAI 兼容调用方式，当前支持通义千问、DeepSeek、Ollama、OpenAI 等模型服务。

3. 完整配置：开启 MCP、LLM、RAG、Skill

如果希望一次性开启 easy-agent 的主要能力，可以参考下面这份完整配置。

easy-agent:
  # MCP 配置：开启后，Claude Code、Codex 等 MCP 客户端可以发现并调用业务工具
  mcp:
    enabled: true
    server-name: easy-agent-mcp-server
    server-version: 0.1.7
    cors:
      enabled: true
      allowed-origin-patterns:
        - http://localhost:*
        - http://127.0.0.1:*
      allowed-headers:
        - "*"
      allowed-methods:
        - GET
        - POST
        - OPTIONS
      exposed-headers:
        - Content-Type

  # LLM 配置：用于普通对话和自动工具调用
  llm:
    enabled: true
    model: qwen-plus
    api-key: ${DASHSCOPE_API_KEY}

  # RAG 配置：用于知识库检索增强
  rag:
    enabled: true
    storage-type: IN_MEMORY
    search:
      strategy: AUTO
      embedding:
        enabled: true
        provider: DASHSCOPE
        model: text-embedding-v3
      cosine:
        enabled: true
      tf-idf:
        enabled: true
    pdf:
      enabled: true
      resource-path: classpath:knowledge/
    excel:
      enabled: true
      resource-path: classpath:knowledge/

  # Skill 配置：用于根据已注册工具生成业务侧 Skill Markdown 文件
  skill:
    enabled: true
    skill-output-path: .

需要注意几点：
第一，MCP 模块可以把当前系统中已注册的工具暴露给 MCP 客户端。开启后，Claude Code、Codex 等客户端可以通过 tools/list 查看工具，通过 tools/call 调用工具。
第二，LLM 模块用于模型对话和自动工具调用。model 配置为 qwen-plus 时，easy-agent 会按通义千问兼容服务处理。
第三，RAG 模块用于知识库检索增强。上面的配置会从 classpath:knowledge/ 目录加载 PDF 和 Excel 文件，使用内存存储，适合本地测试和轻量场景。
第四，Skill 模块用于生成业务侧 Skill Markdown 文件。skill-output-path 表示生成文件的基础目录。配置为 . 时，生成文件会写入项目根目录下的 skill/ 目录。

使用 @EasyTool 暴露业务能力

在已有 Spring Bean 的方法上添加 @EasyTool 注解，就可以把这个方法注册为 AI 可调用的工具。

@Service
public class RequirementService {

    @EasyTool(name = "queryMyRequirements", description = "查询当前用户的需求列表")
    public List<Requirement> queryMyRequirements(
            @ToolParam(name = "userId", description = "用户 ID") String userId) {
        return requirementRepository.findByUserId(userId);
    }

    @EasyTool(name = "countMyRequirements", description = "统计当前用户的需求数量")
    public RequirementCount countMyRequirements(
            @ToolParam(name = "userId", description = "用户 ID") String userId) {
        return requirementRepository.countByUserId(userId);
    }
}

应用启动后，easy-agent 会自动扫描 @EasyTool 方法，并将其注册到 ToolRegistry。后续 LLM、MCP 或 ToolExecutor 都可以调用这个工具。
这类方式非常适合固定业务方法，例如：

查询当前用户权限
查询需求列表
查询需求详情
创建需求
统计个人周报
统计团队周报
查询订单信息
执行审批操作

使用 ToolProvider 编程式注册工具

@EasyTool 适合大多数固定 Java 方法，但有些场景更适合编程式注册，例如：

工具需要运行时动态组装
工具定义来自数据库或配置中心
工具不是某个固定 Java 方法
业务系统希望批量注册一组工具
插件化系统需要动态扩展工具

这时可以使用 ToolProvider SPI。

@Component
public class BusinessToolProvider implements ToolProvider {

    @Override
    public Collection<ToolDefinition> provide() {
        return List.of(new ToolDefinition(
                "queryUserPermission",
                "查询当前用户权限",
                "user",
                "permissionService",
                "queryCurrentUserPermission",
                List.of(new ParameterDefinition("userId", "用户 ID", "String", true)),
                true
        ));
    }

    @Override
    public int priority() {
        return 0;
    }
}

业务系统只需要将 ToolProvider 声明为 Spring Bean，easy-agent 会自动收集所有 ToolProvider，并注册其返回的 ToolDefinition。
priority() 数值越小，注册优先级越高。如果工具名称重复，会按照 ToolRegistry 的现有规则进行覆盖。

使用 ToolExecutionListener 监听工具执行过程

在企业内部系统中，工具调用往往需要审计、日志、监控和失败告警。easy-agent 提供了 ToolExecutionListener，用于监听工具执行过程。

@Component
public class BusinessToolExecutionListener implements ToolExecutionListener {

    @Override
    public void beforeExecution(ToolInvocation invocation) {
        log.info("准备执行工具：{}", invocation.toolName());
    }

    @Override
    public void afterExecution(ToolInvocation invocation, ToolResult result) {
        log.info("工具执行成功：{}", invocation.toolName());
    }

    @Override
    public void onError(ToolInvocation invocation, Throwable error) {
        log.warn("工具执行失败：{}", invocation.toolName(), error);
    }
}

ToolExecutionListener 可以用于：

记录工具调用日志
统计工具调用次数
记录调用耗时
做审计留痕
失败告警
接入监控系统

LLM：让大模型自动调用工具

easy-agent 的 LLM 模块提供 OpenAI 兼容调用能力，并支持自动工具调用闭环。
业务系统可以通过 AgentLlmService 让大模型结合已注册工具回答问题。

@RestController
@RequestMapping("/api")
public class AgentController {

    private final AgentLlmService agentLlmService;

    public AgentController(AgentLlmService agentLlmService) {
        this.agentLlmService = agentLlmService;
    }

    @GetMapping("/agent")
    public ChatResponse agent(@RequestParam String message) {
        return agentLlmService.chatWithRegisteredTools(
                List.of(ChatMessage.user(message))
        );
    }
}

例如用户提问：

帮我查询一下我当前有哪些需求，并统计一下数量。

大模型可以根据工具描述自动选择调用：

queryMyRequirements
countMyRequirements

MCP：让 Claude Code 调用你的业务工具

easy-agent 内置 MCP Server。开启 MCP 后，Claude Code 等支持 MCP 的客户端可以直接连接你的 Spring Boot 服务，并发现、调用系统中已经注册的工具。

1. 启动 Spring Boot 服务

假设你的服务地址是：

http://localhost:8999

并且已经开启 MCP 配置：

easy-agent:
  mcp:
    enabled: true
    server-name: easy-agent-mcp-server
    server-version: 0.1.7

启动成功后，easy-agent 会提供 MCP HTTP 接口：

http://localhost:8999/mcp

2. 在 Claude Code 中连接 MCP Server

在 Claude Code 中添加 MCP Server：

claude mcp add easy-agent http://localhost:8999/mcp

如果你的服务部署在其他机器上，把 localhost:8999 替换成实际服务地址即可：

claude mcp add easy-agent http://{your-project-address}/mcp

连接成功后，Claude Code 会通过 tools/list 发现 easy-agent 暴露出来的工具。

3. 使用 Claude Code 调用工具

连接成功后，你不需要手动调用接口，直接用自然语言对话即可。
例如你的业务系统中已经注册了 add 工具：

用户：帮我计算 3 + 5
Claude Code：调用 add，返回 8

再比如你的系统中注册了 queryUser 工具：

用户：查询用户 ID 为 123 的信息
Claude Code：调用 queryUser，返回用户信息

这就是 MCP 的价值：业务系统不需要专门为 Claude Code 写适配接口，只要 easy-agent 把工具暴露出来，Claude Code 就可以发现并调用。

RAG：接入个人知识库做检索增强

对于需要结合文档、说明书、规范、周报、需求文档的场景，easy-agent 提供 RAG 检索增强能力。
当前 RAG 模块支持：

启动时加载知识库
加载 PDF 文件
加载 Excel 文件
文档分块
内存向量存储
Embedding 检索
Cosine 相似度检索
TF-IDF 检索
运行时添加文档
按 source 删除文档
按 documentId 删除文档
清空索引
重建索引

示例使用：

@Service
public class KnowledgeService {

    private final RagService ragService;
    private final LlmService llmService;

    public KnowledgeService(RagService ragService, LlmService llmService) {
        this.ragService = ragService;
        this.llmService = llmService;
    }

    public ChatResponse answerQuestion(String question) {
        String context = ragService.searchAndConcat(question, 5);

        return llmService.chat(List.of(
                ChatMessage.system("请基于以下知识回答问题：\n" + context),
                ChatMessage.user(question)
        ));
    }
}

需要注意的是，easy-agent 的 RAG 模块当前默认以内存存储为主，适合本地测试、轻量知识库和个人知识库场景。PgVector 配置和占位类已经存在，但当前还不是完整可用的持久化向量库实现。
另外，easy-agent 只提供 RAG Java API，不默认暴露文件上传接口。业务系统如果需要运行时上传知识库文件，需要自己提供上传接口，并负责权限控制、文件大小限制、租户隔离和安全校验。

Skill：把业务工具沉淀成可复用技能

easy-agent 的 Skill 模块用于根据当前系统中已经注册的工具，生成业务侧自己的 Skill Markdown 文件。
它适合这样的场景：
系统里已经有多个工具，例如查询需求列表、查询需求详情、创建需求、统计个人周报、统计团队周报等。单个工具只能完成一个动作，而 Skill 可以把这些工具组织成一个更完整的使用说明，让 AI 客户端知道在什么场景下应该如何组合使用这些工具。
Skill 生成流程
第一步，启动业务服务，并确保 Skill 模块已开启。

easy-agent:
  skill:
    enabled: true
    skill-output-path: .

这里 skill-output-path 配置为 . 时，生成的 Skill 文件会写入项目根目录下的 skill/ 目录。
第二步，在 Claude Code 中连接 easy-agent 的 MCP Server。

claude mcp add easy-agent http://localhost:8999/mcp

第三步，在 Claude Code 中告诉它你想创建一个 Skill。
例如：

我想创建一个用于查询个人需求的 Skill。

此时 easy-agent 会通过内置的 Skill 生成工具，引导你补充关键信息，包括：

Skill 名称
Skill 描述
使用边界
可调用工具
使用示例

第四步，确认生成。
生成完成后，Skill Markdown 文件会写入项目根目录下的 skill/ 目录。例如：

skill/个人需求查询.md

如果同名文件已经存在，MCP 客户端会询问使用者选择生成副本还是覆盖。
当前版本的 Skill 模块主要提供业务 Skill Markdown 文件生成能力，不包含 Skill 文件解析、运行时加载、注册中心或文件热更新能力。
一个典型使用场景
假设企业内部有一个需求管理系统，里面已经有这些业务能力：

查询当前用户权限
查询我的需求列表
查询需求详情
创建需求
统计个人周报
统计团队周报

接入 easy-agent 后，可以这样改造：
第一步，用 @EasyTool 暴露已有业务方法。
第二步，用 MCP 让 Claude Code 可以发现并调用这些工具。
第三步，用 LLM 模块让大模型根据用户问题自动选择工具。
第四步，用 RAG 接入需求文档、项目规范、周报记录等知识库。
第五步，用 Skill 模块生成“个人需求查询”“周报生成”“需求创建”等业务 Skill。
这样，原本只能通过页面或接口操作的业务系统，就可以逐步变成一个可被 Agent 调用的能力系统。

总结

easy-agent 的目标很简单：让 Java / Spring Boot 存量系统以组件化方式接入 Agent 能力。
它不要求你推翻原有系统，也不要求你重新搭建一套独立 Agent 应用。对于已有业务系统，只需要引入 easy-agent-spring-boot-starter，再通过 @EasyTool 或 ToolProvider 暴露已有业务能力，就可以逐步接入 LLM、MCP、RAG 和 Skill 能力。
目前 easy-agent 已经发布到 Maven Central，并在 GitHub 获得 200+ Stars。这个项目还在持续迭代中，后续会继续打磨工具调用、MCP、RAG、Skill 以及更多企业内部 Agent 场景。
项目地址：
https://github.com/songrongzhen/easy-agent
如果你也在做 Java 系统的智能化改造，或者希望让已有 Spring Boot 系统具备 Agent 能力，欢迎试用 easy-agent。开源不易，如果这个项目对你有帮助，也欢迎在 GitHub 留下一颗 Star。