多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）

课程简介

这门课的主题很明确：用 SpringAI 作为底座，把多 Agent 协作和 Skills 机制拼成一个能自己做判断的智能体系统。它不是那种只讲提示词技巧的课，而是把重点放在工程结构上——Agent 怎么定义、Skill 怎么挂载、多个 Agent 之间怎么通过协议协作。13 章完结，配套有源码和分章资料，适合边看边跑。技术栈的取舍：为什么是 Sprin…

已有 9 人浏览发布 2026-08-13 更新 2026-10-01

技术栈的取舍：为什么是 SpringAI

Java 生态里做 AI 应用，SpringAI 是目前比较顺手的选择。它把模型调用、提示词模板、向量存储、工具调用这些能力封装成 Spring 风格的 Bean 和接口，和现有的 Spring Boot 项目能直接对接。这门课没有绕开框架自己造轮子，而是沿着 SpringAI 的抽象往下走，所以你能看到 ChatClient、Advisor、ToolCallback 这些概念在真实代码里怎么组合。

对已经熟悉 Spring 的开发者来说，这个技术栈的迁移成本很低。你不需要切换到 Python 生态，用现有的项目结构、依赖注入、配置管理方式就能把智能体跑起来。这一点在工程落地时很关键，尤其是团队本身以 Java 为主的情况。

多 Agent 的协作结构，而不是单个大提示词

课程里有一个明显的设计取向：把复杂任务拆给多个职责单一的 Agent，而不是写一个巨型提示词让模型自己分步骤。旅游规划这个场景被拆成了路线制定、信息检索、行程编排等角色，每个 Agent 有自己的系统提示词和可用工具，团队之间通过消息传递协作。

这种结构的好处是可控。单个 Agent 的输出范围被限定住了，调试时能定位到具体是哪个环节出了问题，而不是面对一段无法解释的长文本。课程第 5 章围绕旅行规划团队展开，实际上是在演示怎么划分角色边界、怎么定义交接协议。这部分代码如果抽出来，换一个业务场景也能复用同样的骨架。

Skills 机制：让 Agent 按专业流程走

Skills 解决的是另一个问题：Agent 知道该做什么，但未必知道按什么顺序做。第 10 章专门讲这块，思路是把专业流程封装成可挂载的技能单元，Agent 在执行时按既定步骤推进，而不是每次都由模型自由发挥。

从工程角度看，这相当于给智能体加了一层流程约束。哪些步骤必须走、哪些判断需要外部数据、哪些环节要调用工具，都在 Skill 里定好。这样同一个 Agent 面对同类任务时行为更稳定，也更容易做测试和回归。对于需要输出一致性的业务，这比纯靠提示词约束可靠得多。

MCP 与 A2A：跨团队协作的协议层

第 11 章引入了 MCP 和 A2A，把协作从单个进程内的 Agent 团队扩展到了跨服务、跨团队的层面。MCP 负责让 Agent 接入外部能力和数据源，A2A 处理 Agent 之间的通信。旅游规划这个案例在这里变成了一个多团队协作的场景，每个团队可以独立部署，通过协议对接。

这部分内容的价值在于它给出了一个可扩展的方向。当你的智能体系统不再只是本地几个 Agent 互相调用，而是要接入第三方服务、或者让不同部门维护的 Agent 协同工作时，就需要这样的协议层。课程把这块单独成章，说明作者是把它当作架构问题在讲，而不是当成 API 调用示例。

怎么用这份资料

先把 SpringAI 的基础跑通，确认模型调用和工具调用没问题，再进入多 Agent 部分。
旅游规划案例建议自己动手改一遍角色划分，比如换成客服工单分派或内容审核流程，验证这套结构是否可迁移。
Skills 部分重点看流程定义和 Agent 执行逻辑之间的耦合点，那是决定复用性的地方。
MCP 和 A2A 章节可以放到最后，等单机多 Agent 跑顺了再考虑跨服务协作。

整体来看，这份资料的定位是工程参考而不是概念科普。它给了一套能跑起来的代码结构和一份可对照的分章源码，适合拿来边改边理解。如果你正在用 Java 做智能体相关的东西，或者想搞清楚多 Agent 协作在代码层面到底长什么样，这份东西值得对照着实践一遍。

mksz981- 多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）

构建自主决策智能体，掌握AI应用开发

编辑点评

深入探索多Agent系统与SpringAI结合，实现智能体自主决策，适合对AI应用开发感兴趣的初学者和进阶者。

⭐ 编辑推荐

本课程通过13章内容，全面讲解多Agent+Skills+SpringAI构建自主决策智能体的方法，涵盖旅游规划、团队协作等多个场景。

✨ 课程亮点

✦多Agent系统与SpringAI结合

✦实现智能体自主决策

✦涵盖多个应用场景

课程目录

第11章 MCP+A2A，助力旅游规划团队协作9 集

第11章 MCP+A2A，助力旅游规划团队协作必看.zip [1.8 MB]
11-8 人工介入修改主管Agent制定的计划.mp4 [51.9 MB]
11-2 测试团队成员基于A2A协议注册到Nacos.mp4 [93.6 MB]
11-5 获取百度地图MCP服务端的工具列表.mp4 [65.8 MB]
11-6 路线制定专员Agent挂载百度地图MCP.mp4 [49.7 MB]
11-3 测试主管Agent基于A2A协议获取团队成员.mp4 [51.4 MB]
11-1 回顾AgentScope旅游规划的整体架构.mp4 [73.0 MB]
11-4 测试主管Agent调动团队成员执行任务.mp4 [54.1 MB]
11-7 主管Agent自主分发任务给远程相应的成员.mp4 [41.5 MB]

第10章 Skills 让 Agent 按照专业流程工作7 集

10-2 Agent Skills就是个专属工作流.mp4 [38.4 MB]
10-6 总结Agent从助手到自主协作的进化过程.mp4 [53.2 MB]
10-5 Skills的文件结构标准.mp4 [74.6 MB]
10-3 Skills装载的是专业知识和工作流程.mp4 [61.9 MB]
10-1 Agent的牛马小弟：SubAgent.mp4 [43.7 MB]
10-7 SpringAi 1.1.2实现Agent装载Skills.mp4 [80.2 MB]
10-4 Skills的渐进式加载机制.mp4 [50.3 MB]

第5章 Agent 团队打造专属你的旅行规划6 集

第4章 SpringAi 1(1).1 实现 MCP+A2A12 集

4-12 SpringAi 1.1 MCP注解：全新的MCP实现.mp4 [71.4 MB]
4-15 SpringAi 1.1 A2A的元数据AgentCard.mp4 [130.8 MB]
4-9 SpringAi Alibaba 1.1 以bom方式导入依赖.mp4 [54.3 MB]
4-3 MCP能连接万物的原因：通信的分层设计.mp4 [89.6 MB]
4-7 线程不会被卡住：WebFlux框架.mp4 [77.8 MB]
4-1 以bom方式导入SpringAi Alibaba依赖.mp4 [75.7 MB]
4-11 SpringAi 1.1 A2A的3个核心组件.mp4 [43.4 MB]
4-4 MCP的通信：SSE实时传输.mp4 [73.7 MB]
4-16 测试 SpringAi 1.1 实现的 A2A 协议.mp4 [126.6 MB]
4-6 将MCP工具注册到MCP服务.mp4 [58.1 MB]
4-8 Jmanus导入SpringAi自定义的MCP服务.mp4 [39.5 MB]
4-2 瀵煎叆MCP渚濊禆.mp4 [56.3 MB]

第2章大白话快速简单过一遍 Ai 大模型5 集

2-4 大模型的回应咋就这么体贴呢.mp4 [47.7 MB]
2-5 大模型是弹药库，智能体则是武器.mp4 [57.7 MB]
2-1 大模型咋就懂咱说啥？.mp4 [37.5 MB]
2-3 大模型的大脑中枢：自注意力机制.mp4 [58.0 MB]
2-2 大模型的信息分析器：Transformer层.mp4 [76.1 MB]

第13章旅游规划优化，监控，部署8 集

13-8 课程总结.mp4 [32.0 MB]
13-7 测试路线制定专员规划最优驾车路线.mp4 [46.7 MB]
13-6 旅游规划打印出Agent的深度思考.mp4 [24.1 MB]
13-4 旅游规划Agent团队集成Agent追踪观测.mp4 [35.4 MB]
13-3 docker搭建Agent跟踪和Token消费分析.mp4 [21.2 MB]
13-5 测试主管Agent接收Prompt及结构化输出.mp4 [39.2 MB]
13-2 主管Agent暴露和用户交互的接口.mp4 [18.7 MB]
13-1 敏感资源处理方案.mp4 [32.9 MB]

第6章多 Agent + ReAct架构，SpringAi迈入Agent新时代14 集

第6章多 Agent + ReAct架构，SpringAi迈入Agent新时代文档.zip [1.8 MB]
6-14 长下文能取代RAG吗？.mp4 [61.4 MB]
6-5 ChatClient流式响应获取数据 (SSE).mp4 [82.6 MB]
6-15 娴嬭瘯AgentScope鐨凙gent杩愯.mp4 [54.5 MB]
6-13 RAG只是一个过渡阶段吗？.mp4 [67.3 MB]
6-7 SpringAi 1.1 组建旅游规划的Agent团队.mp4 [65.3 MB]
6-4 和大模型互动的窗口：ChatClient对象.mp4 [114.1 MB]
6-8 SpringAi 1.1 Agent团队协同合作.mp4 [118.2 MB]
6-12 大模型调用本地自定义的MCP服务.mp4 [84.0 MB]
6-3 和大模型互动的中枢：ChatModel对象.mp4 [83.0 MB]
6-9 AgentScope构建搭载工具的ReAct Agent（1）.mp4 [80.9 MB]
6-10 AgentScope构建搭载工具的ReAct Agent（2）.mp4 [81.7 MB]
6-11 MCP客户端连接MCP服务端.mp4 [74.8 MB]
6-6 SpringAi 1.1 正式进入Agent自主决策时代.mp4 [139.9 MB]

第8章 Jmanus 懂思考、会规划、一步步动手完成任务。13 集

8-3 多Agent设计思路 SOP管理机制.mp4 [65.5 MB]
8-2 多Agent设计思路冲突协商.mp4 [53.0 MB]
8-4 Manus多Agent的技术架构.mp4 [42.9 MB]
8-13 不同的执行者调用不同的执行流程.mp4 [50.1 MB]
8-1 多Agent设计思路角色分工.mp4 [42.1 MB]
8-5 Manus是自主决策的Ai Agent.mp4 [64.1 MB]
8-7 PlanAct是全局流程规划的主管.mp4 [25.8 MB]
8-10 JManus的核心：计划协调器.mp4 [49.7 MB]
8-9 JManus的文件架构以及Prompt提交入口.mp4 [76.6 MB]
8-6 OpenManus复刻Manus的架构思路.mp4 [71.5 MB]
8-11 JManus向大模型请求计划创建.mp4 [67.2 MB]
8-8 ReAct是灵活应变的基层执行者.mp4 [16.5 MB]
8-12 根据计划类型创建不同的执行者.mp4 [55.0 MB]

第3章 MCP + Skills，Agent“工具+技能”的双轮驱动11 集

3-2 困境解决方案：函数调用( Function Calling ).mp4 [48.8 MB]
3-6 体验MCP：Jmanus配置MCP服务.mp4 [69.3 MB]
3-8 工具调用最强组合：Agent Skills+MCP.mp4 [50.4 MB]
3-10 多Agent跨部门协作：A2A协议.mp4 [63.0 MB]
3-12 多Agent的核心执行流程.mp4 [42.2 MB]
3-3 Function Calling就是大模型的跑腿小弟.mp4 [83.4 MB]
3-7 具有专业知识的Agent Skills.mp4 [32.9 MB]
3-4 更优的困境解决方案： MCP.mp4 [56.5 MB]
3-9 搞定复杂活儿，得靠多个Agent协作.mp4 [47.4 MB]
3-11 主流的多Agent开发框架.mp4 [46.5 MB]
3-1 大模型困境：数据获取与整合上的“抓瞎”.mp4 [40.2 MB]

第12章专属SubAgent, 处理旅游规划专业Skills5 集

12-5 景点推荐SubAgent执行景点推荐任务.mp4 [50.1 MB]
12-4 Skills实现Agent工具的渐进式加载.mp4 [30.1 MB]
12-3 表格制作Skills.mp4 [30.2 MB]
12-1 行程规划经理挂载Skills.mp4 [53.6 MB]
12-2 有限预算内规划精彩旅行的Skills.mp4 [43.6 MB]

第1章 AI 正式进入多 Agent 协作和自主决策的时代8 集

第1章 AI 正式进入多 Agent 协作和自主决策的时代必看.png [493.5 KB]
1-7 具备ReAct核心能力的框架：AgentScope.mp4 [45.1 MB]
1-2 准备工作：安装ApiFox.mp4 [25.9 MB]
1-3 准备工作：配置阿里大模型广场的ApiKey.mp4 [28.6 MB]
1-5 准备工作：安装Nacos 3.mp4 [16.9 MB]
1-4 准备工作：百度地图API秘钥(AK).mp4 [16.7 MB]
1-1 多Agent融合自主决策，AI发展的必然趋势.mp4 [67.0 MB]
1-6 仿Manus能自主决策的框架：Jmanus.mp4 [84.6 MB]

第9章 Docker 部署分布式 Agent 搞定旅游规划10 集

第9章 Docker 部署分布式 Agent 搞定旅游规划说明.png [493.5 KB]
9-7 计划和执行中的事件拦截：Hook.mp4 [60.6 MB]
9-1 AgentScope搭建工程化的分布式Agent协同.mp4 [28.4 MB]
9-2 分布式Agent自主旅游规划的架构思路.mp4 [19.2 MB]
9-10 远程Agent封装为工具执行子任务.mp4 [48.8 MB]
9-8 主管Agent分发任务给相应Agent.mp4 [34.5 MB]
9-4 创建不同节点的ReAct Agent.mp4 [32.3 MB]
9-5 主管Agent自主分解复杂任务.mp4 [72.2 MB]
9-6 自主分解任务的关键：PlanNotebook.mp4 [48.5 MB]
9-9 团队成员的智能体卡片注册到Nacos.mp4 [54.6 MB]

第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松12 集

7-8 Flux就是装载SSE流式数据的容器.mp4 [54.0 MB]
7-1 以工作流方式编排旅行规划的团队协同.mp4 [52.7 MB]
7-4 搭建工作流的执行单元：NodeAction.mp4 [107.2 MB]
7-7 图形化展示工作流.mp4 [55.7 MB]
7-9 Flux包装SSE返回给前端展示打字机输出效果.mp4 [110.8 MB]
7-2 搭建工作流的记忆中枢：OverAllState.mp4 [75.9 MB]
7-13 总结Agent和Graph分别构建的工作流.mp4 [57.8 MB]
7-3 搭建工作流的框架蓝图：StateGraph.mp4 [62.7 MB]
7-12 基于Graph搭建旅游规划工作流.mp4 [119.3 MB]
7-6 编译及运行工作流.mp4 [73.0 MB]
7-11 SpringAi 1.1的工作流状态更新.mp4 [61.8 MB]
7-5 搭建工作流的流程顺序：Edge.mp4 [32.8 MB]

适合人群

AI应用开发爱好者
智能系统开发者
对AI技术感兴趣的初学者

🎯 学习收获

掌握多Agent系统原理
学会使用SpringAI进行智能体开发
了解智能体在现实场景中的应用

🎉 祝您学习愉快！

课程目录

第 1 部分1 条

代码
AiTripPlan-master.zip
多 Agent+Skills+SpringAI 构建自主决策智能体 - 后续更新

第10章 Skills 让 Agent 按照专业流程工作7 集

第11章 MCP+A2A，助力旅游规划团队协作8 集

第12章专属SubAgent, 处理旅游规划专业Skills5 集

12-1 行程规划经理挂载Skills.mp4
12-2 有限预算内规划精彩旅行的Skills.mp4
12-3 表格制作Skills.mp4
12-4 Skills实现Agent工具的渐进式加载.mp4
12-5 景点推荐SubAgent执行景点推荐任务.mp4

第13章旅游规划优化，监控，部署8 集

第1章 AI 正式进入多 Agent 协作和自主决策的时代7 集

第2章大白话快速简单过一遍 Ai 大模型5 集

2-1 大模型咋就懂咱说啥？.mp4
2-2 大模型的信息分析器：Transformer层.mp4
2-3 大模型的大脑中枢：自注意力机制.mp4
2-4 大模型的回应咋就这么体贴呢.mp4
2-5 大模型是弹药库，智能体则是武器.mp4

第3章 MCP + Skills，Agent“工具+技能”的双轮驱动11 集

第4章 SpringAi 1.1 实现 MCP+A2A12 集

第5章 Agent 团队打造专属你的旅行规划6 集

第6章多 Agent + ReAct架构，SpringAi迈入Agent新时代13 集

6-10 AgentScope构建搭载工具的ReAct Agent（2）.mp4
6-11 MCP客户端连接MCP服务端.mp4
6-12 大模型调用本地自定义的MCP服务.mp4
6-13 RAG只是一个过渡阶段吗？.mp4
6-14 长下文能取代RAG吗？.mp4
6-15 娴嬭瘯AgentScope鐨凙gent杩愯.mp4
6-3 和大模型互动的中枢：ChatModel对象.mp4
6-4 和大模型互动的窗口：ChatClient对象.mp4
6-5 ChatClient流式响应获取数据 (SSE).mp4
6-6 SpringAi 1.1 正式进入Agent自主决策时代.mp4
6-7 SpringAi 1.1 组建旅游规划的Agent团队.mp4
6-8 SpringAi 1.1 Agent团队协同合作.mp4
6-9 AgentScope构建搭载工具的ReAct Agent（1）.mp4

第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松12 集

第8章 Jmanus 懂思考、会规划、一步步动手完成任务。13 集

第9章 Docker 部署分布式 Agent 搞定旅游规划9 集