Java多智能体系统实战：用ADK构建旅游规划助手，让AI智能体协作完成任务

引言

近年来，AI智能体（Agent）技术飞速发展，从单一功能的聊天机器人进化为能够自主决策、调用工具、协同工作的多智能体系统。多智能体系统（Multi-Agent System）通过将复杂任务拆分为多个子任务，由不同专业智能体并行或顺序执行，最终整合结果，大幅提升了AI处理复杂问题的能力。本文将带你用Java实现一个旅游规划多智能体系统，包含天气查询、景点推荐、行程规划三个专业智能体，它们将协作完成一次完整的旅行规划任务。

为什么用Java实现多智能体？

Java作为企业级开发的主流语言，拥有庞大的生态、出色的稳定性和跨平台能力。Google开源的ADK for Java（Agent Development Kit）为Java开发者提供了构建、编排智能体的强大工具，支持多种协作模式（顺序、并行、循环等），并能与MCP（Model Context Protocol）协议无缝集成，让智能体轻松调用外部工具和服务。

项目概述

我们将构建一个"旅游规划师"多智能体系统，包含三个核心智能体：

天气查询智能体：查询目的地的实时天气，并根据天气提供出行建议。
景点推荐智能体：结合天气和用户偏好（历史、美食、自然等）推荐景点。
行程规划智能体：整合天气和景点信息，生成详细的每日行程。

系统采用并行执行 + 顺序汇总的混合流程：先让天气和景点智能体并行工作，再由行程智能体整合结果，输出完整的旅行计划。

技术选型

Java 17
Google ADK for Java 0.3.0+：智能体框架
Maven：项目构建
Jackson：JSON处理（可选）

环境准备

Maven依赖

在pom.xml中添加以下依赖：

xml 复制代码

<dependencies>
    <!-- Google ADK for Java -->
    <dependency>
        <groupId>com.google.adk</groupId>
        <artifactId>adk-java</artifactId>
        <version>0.3.0</version>
    </dependency>

    <!-- Jackson for JSON (可选，用于工具类) -->
    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
        <version>2.15.2</version>
    </dependency>
</dependencies>

配置API密钥

在src/main/resources/application.properties中配置Google AI Studio的API密钥（从Google AI Studio获取）：

properties 复制代码

google.ai.api.key=YOUR_API_KEY_HERE

项目结构

复制代码

travel-planner-multiagent/
├── pom.xml
├── src/main/java/com/example/travel/
│   ├── TravelPlannerApplication.java          # 主类
│   ├── agents/
│   │   ├── WeatherAgent.java                  # 天气智能体
│   │   ├── AttractionAgent.java                # 景点智能体
│   │   └── ItineraryAgent.java                 # 行程智能体
│   └── tools/
│       └── WeatherTool.java                    # 天气查询工具
└── src/main/resources/application.properties

代码实现

1. 工具类：WeatherTool

首先，我们创建一个工具类，用于模拟天气查询。实际应用中可替换为调用真实天气API。

java 复制代码

package com.example.travel.tools;

import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.node.ObjectNode;
import java.util.Random;

public class WeatherTool {
    private static final ObjectMapper MAPPER = new ObjectMapper();
    private static final Random RANDOM = new Random();

    public JsonNode getWeather(String city) {
        String[] conditions = {"晴朗", "多云", "小雨", "大雨", "阴天"};
        String condition = conditions[RANDOM.nextInt(conditions.length)];
        int temperature = 5 + RANDOM.nextInt(30); // 5~34度

        ObjectNode result = MAPPER.createObjectNode();
        result.put("city", city);
        result.put("condition", condition);
        result.put("temperature", temperature);
        return result;
    }

    public String getWeatherAdvice(JsonNode weather) {
        String condition = weather.get("condition").asText();
        if (condition.contains("雨")) {
            return "建议携带雨具，选择室内活动";
        } else if (condition.equals("晴朗")) {
            return "适合户外活动，注意防晒";
        }
        return "天气适宜，可正常出行";
    }
}

2. 智能体1：WeatherAgent

使用LlmAgent创建天气查询智能体，并注册WeatherTool。

java 复制代码

package com.example.travel.agents;

import com.example.travel.tools.WeatherTool;
import com.google.adk.agents.LlmAgent;

public class WeatherAgent {
    public static LlmAgent create() {
        WeatherTool tool = new WeatherTool();

        return LlmAgent.builder()
                .name("weather-agent")
                .description("查询目的地天气并提供出行建议")
                .instruction("""
                        你是一个专业的天气查询助手。
                        根据用户提供的城市名称，使用WeatherTool查询天气，
                        返回包含温度、天气状况和出行建议的格式化报告。
                        """)
                .model("gemini-2.0-flash")
                .tools(tool)
                .outputKey("weatherInfo")  // 输出键，供后续智能体引用
                .build();
    }
}

3. 智能体2：AttractionAgent

景点推荐智能体，它依赖天气信息（通过{weatherInfo}占位符引用）和用户偏好。

java 复制代码

package com.example.travel.agents;

import com.google.adk.agents.LlmAgent;

public class AttractionAgent {
    public static LlmAgent create() {
        return LlmAgent.builder()
                .name("attraction-agent")
                .description("根据天气和用户偏好推荐景点")
                .instruction("""
                        你是一个景点推荐专家。
                        根据天气信息 {weatherInfo} 和用户偏好（如历史文化、美食等），
                        推荐3-5个适合的景点，包含简介和建议游览时间。
                        """)
                .model("gemini-2.0-flash")
                .outputKey("attractions")
                .build();
    }
}

4. 智能体3：ItineraryAgent

行程规划智能体整合天气和景点信息，生成每日行程。

java 复制代码

package com.example.travel.agents;

import com.google.adk.agents.LlmAgent;

public class ItineraryAgent {
    public static LlmAgent create() {
        return LlmAgent.builder()
                .name("itinerary-agent")
                .description("整合天气和景点信息，生成完整行程")
                .instruction("""
                        你是一个行程规划师。
                        根据天气信息 {weatherInfo} 和景点推荐 {attractions}，
                        结合用户天数要求，生成详细的每日行程，包含餐饮和交通建议。
                        """)
                .model("gemini-2.0-flash")
                .outputKey("itinerary")
                .build();
    }
}

5. 主类：组合多智能体系统

在TravelPlannerApplication中，我们使用ParallelAgent和SequentialAgent编排智能体。

java 复制代码

package com.example.travel;

import com.example.travel.agents.AttractionAgent;
import com.example.travel.agents.ItineraryAgent;
import com.example.travel.agents.WeatherAgent;
import com.google.adk.agents.LlmAgent;
import com.google.adk.agents.ParallelAgent;
import com.google.adk.agents.SequentialAgent;
import com.google.adk.runners.FlowRunner;
import com.google.adk.sessions.InMemorySessionStore;

public class TravelPlannerApplication {
    public static void main(String[] args) {
        // 创建智能体
        LlmAgent weatherAgent = WeatherAgent.create();
        LlmAgent attractionAgent = AttractionAgent.create();
        LlmAgent itineraryAgent = ItineraryAgent.create();

        // 并行执行天气和景点查询
        ParallelAgent researchAgent = ParallelAgent.builder()
                .name("research-agent")
                .description("并行收集天气和景点信息")
                .subAgents(weatherAgent, attractionAgent)
                .build();

        // 顺序执行：先研究，再规划行程
        SequentialAgent travelPlanner = SequentialAgent.builder()
                .name("travel-planner")
                .description("旅游规划师")
                .subAgents(researchAgent, itineraryAgent)
                .build();

        // 运行器
        FlowRunner runner = FlowRunner.builder()
                .sessionStore(new InMemorySessionStore())
                .build();

        String userQuery = "我想去北京旅游3天，喜欢历史文化和美食，帮我规划一下";
        System.out.println("用户输入: " + userQuery);
        System.out.println("=".repeat(50));

        String result = runner.run(travelPlanner, userQuery);
        System.out.println("最终行程:\n" + result);
    }
}

运行效果

运行主类后，控制台输出示例：

复制代码

用户输入: 我想去北京旅游3天，喜欢历史文化和美食，帮我规划一下
==================================================
最终行程:
【第一天】
上午：参观故宫博物院（历史文化的精髓，建议3-4小时）
中午：在故宫附近的四季民福烤鸭店享用北京烤鸭
下午：游览景山公园，俯瞰故宫全景
晚上：逛王府井小吃街，品尝北京特色小吃

【第二天】
上午：前往颐和园（皇家园林，建议3-4小时）
中午：在颐和园附近品尝老北京炸酱面
下午：参观圆明园遗址公园
晚上：观看老舍茶馆的京剧表演

【第三天】
上午：游览天坛公园（了解古代祭天文化）
中午：在前门大街品尝爆肚、卤煮等小吃
下午：逛大栅栏商业街，购买伴手礼
傍晚：结束愉快的北京之旅

扩展：集成MCP工具

ADK for Java支持通过MCP协议调用外部工具。假设我们有一个基于SSE的MCP天气服务器（如前文所述），可以轻松集成：

java 复制代码

McpToolClient weatherMcpClient = McpToolClient.builder()
    .serverUrl("http://localhost:8080/sse")
    .build();

LlmAgent agent = LlmAgent.builder()
    .name("weather-agent")
    .tools(weatherMcpClient)  // 使用MCP工具
    .build();

总结

本文通过一个旅游规划多智能体系统demo，展示了如何使用Google ADK for Java构建能够协作完成任务的多智能体应用。我们实现了：

三个专业智能体：天气查询、景点推荐、行程规划
并行+顺序混合流程，提升效率并保证依赖关系
工具注册与使用
与MCP协议的集成扩展

Java开发者可以借助ADK for Java快速构建复杂的智能体工作流，将AI能力无缝集成到现有企业应用中。多智能体系统正在成为AI应用的新范式，掌握这一技术将为你打开无限可能。

参考资源

希望这篇实战文章能帮助你开启Java多智能体开发的旅程！如果你有任何问题或想法，欢迎在评论区交流讨论。

Java多智能体系统实战：用ADK构建旅游规划助手，让AI智能体协作完成任务

引言

为什么用Java实现多智能体？

项目概述

技术选型

环境准备

Maven依赖

配置API密钥

项目结构

代码实现

1. 工具类：WeatherTool

2. 智能体1：WeatherAgent

3. 智能体2：AttractionAgent

4. 智能体3：ItineraryAgent

5. 主类：组合多智能体系统

运行效果

扩展：集成MCP工具

更多协作模式

总结

参考资源