同一个 Agent，用 Spring AI 2.0 和 AgentScope Java 各实现一遍：差的不止代码量

本文基于 Spring AI 2.0.1 （截至 2026-08-28 核实的当前稳定版）与 AgentScope Java 2.0.1 （截至本文写作的最新版）编写，两家的 API 均迭代极快，代码细节请以Spring AI 官方文档与 AgentScope Java 官方文档为准。

开篇：写完两遍，结论有点反直觉

上一篇拆完 AgentScope Java 2.0 的架构，后台被问得最多的一句话是："和 Spring AI 二选一，到底选哪个？"

为了回答这个问题，我把同一个 Agent 用两个框架各写了一遍。写完的结论有点反直觉：

代码量的差距其实不大------差的是你操心的事。Spring AI 2.0 卖你零件，AgentScope 卖你整车；真正的选型问题不是"哪个框架好"，而是"你的团队缺的是零件，还是整车"。

下面是全过程。先交代实验设计，再看两份代码，最后给选型判断。

实验设计：控制变量

同一个需求------订单查询助手，一个最典型不过的业务 Agent：

一个工具：查询订单状态（读操作，带 @Tool 注解）
多轮会话记忆：用户能接着上一句问"那它什么时候发货"
流式输出：前端要打字机效果

控制变量：

变量	取值
模型	同一个 DeepSeek（OpenAI 兼容端点，`deepseek-chat`）
工具逻辑	同一个 `OrderTools` 类，同样的查询逻辑
版本	Spring AI 2.0.1 / AgentScope Java 2.0.1
JDK	17+

模型、工具、JVM 全部拉平，剩下纯看框架本身给了你什么、要你管什么。

第一遍：Spring AI 2.0------自己装配的零件车

第一步，引入 starter，配模型。 Spring AI 的模型接入走 OpenAI 兼容端点，改三个配置项（注意 2.0 的配置键没有 .options 段，1.x 写法已废弃------这个坑升级实战里详细拆过）：

yaml 复制代码

spring:
  ai:
    openai:
      base-url: https://api.deepseek.com
      api-key: ${DEEPSEEK_API_KEY}
      chat:
        model: deepseek-chat

第二步，写工具。 一个普通的 Spring Bean，方法上加 @Tool：

java 复制代码

@Component
public class OrderTools {

    @Tool(description = "查询订单状态，入参为订单号")
    public String getOrderStatus(String orderId) {
        return orderService.query(orderId).toJson();
    }
}

第三步，装配 ChatClient。 这是 Spring AI 侧的核心动作------你要自己把"Agent"装配出来：

java 复制代码

@Service
public class OrderAssistant {

    private final ChatClient chatClient;

    public OrderAssistant(ChatClient.Builder builder, OrderTools tools) {
        this.chatClient = builder
                .defaultSystem("你是订单客服助手，查订单状态用工具")
                .build();
    }

    public Flux<String> chat(String message, OrderTools tools) {
        return chatClient.prompt()
                .user(message)
                .tools(tools)          // @Tool 方法自动生成 schema 交给模型
                .stream()
                .content();            // Flux<String>：token 级内容流
    }
}

一句话结论：Spring AI 2.0 里，Agent 不是框架给你的类，是你用 ChatClient + advisor 链装配出来的结果 ------2.0 把工具调用循环收进了 ToolCallingAdvisor，且它由 DefaultChatClient 自动注册，所以工具循环开箱即用，你不需要手写 while 循环（工具也可以在 builder 上全局注册，API 名以官方文档为准）。

会话记忆呢？1.x 时代挂一个 MessageChatMemoryAdvisor 就有；2.0 的官方方向是 spring-ai-session（事件溯源式对话记忆）。这个维度的分野比代码大，放到对比表里说。

第二遍：AgentScope Java------整车直接开

第一步，引入依赖。 两个包：harness 主包 + 模型扩展包：

xml 复制代码

<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-harness</artifactId>
    <version>2.0.1</version>
</dependency>
<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope-extensions-model-openai</artifactId>
    <version>2.0.1</version>
</dependency>

第二步，同一个工具类。 @Tool 注解原样复用，一行没改。

第三步，构建 Agent。 注意这里没有"装配"动作------ReAct 循环、工具调度、记忆、权限，框架已经在 Builder 里给了：

java 复制代码

OpenAIChatModel model = OpenAIChatModel.builder()
        .apiKey(System.getenv("DEEPSEEK_API_KEY"))
        .baseUrl("https://api.deepseek.com")
        .modelName("deepseek-chat")
        .stream(true)
        .build();

HarnessAgent agent = HarnessAgent.builder()
        .name("OrderAssistant")
        .sysPrompt("你是订单客服助手，查订单状态用工具")
        .model(model)
        .workspace(Path.of("./workspace"))  // 记忆/技能/状态都落在这里
        .build();
// OrderTools 注册进 Toolkit（装配 API 以官方文档为准）

String reply = agent.call(
        new UserMessage("帮我查一下订单 SO-1024"),
        RuntimeContext.builder()
                .userId("user-42")
                .sessionId("session-1024")
                .build()
).block().getTextContent();

一句话结论：AgentScope 侧的"Agent"是框架给你的现成类 ------你填参数，不搭骨架。RuntimeContext 不是可选参数，它是强制入口：传了 userId/sessionId，工作区、记忆、状态就自动按身份隔离。

流式呢？agent.streamEvents() 返回的不是 token 流，而是 28 种类型化事件（TextBlockDelta 文本增量、ToolCallStart 工具调用、RequireUserConfirmEvent 审批请求......），前端、可观测、审批流消费的是同一套事件。

五个维度看差距

把两份代码并排放，差距浮出水面：

维度	Spring AI 2.0	AgentScope Java 2.0
Agent 是什么	你装配的结果（ChatClient + advisor 链）	框架给你的类（HarnessAgent）
装配心智	自己组合零件，每个 advisor 都可替换	填 Builder 参数，复杂度集中在 build 阶段
会话记忆	advisor / session 插件，方向是 spring-ai-session 事件溯源	RuntimeContext 强制入口 + AgentStateStore 状态外置，按 `(userId, sessionId)` 分桶
流式语义	`Flux<String>` 内容流------打字机	`Flux<AgentEvent>` 事件流------执行生命周期直播
工具放行	advisor 链可以拦，但"允不允许"的逻辑自己写	PermissionEngine 三态（ALLOW / ASK / DENY），ASK 是一等公民，审批事件直接进事件流

第四、五行是两框架真正的分水岭：

内容流 vs 事件流 ：Spring AI 的流给你打字机，AgentScope 的流给你全程直播------工具调用开始/结束、模型调用耗时、人工确认请求，全在一个 Flux 里。做对话 UI 两者都够，做 Agent 运营平台（看每个会话正在干什么、卡在哪）后者是碾压级便利。
权限有没有引擎：Spring AI 的哲学是"给你拦的点"（advisor），AgentScope 的哲学是"替你想好放行规则"（三态权限 + 子 Agent 强制继承父级 DENY 规则）。单体应用无所谓，多租户 SaaS 场景这是安全底线。

判断：什么团队选什么

写了两遍之后，我的选型建议非常明确：

选 Spring AI 2.0，如果 Agent 是你现有系统的一个功能。 已有 Spring Boot 服务、Agent 是众多模块之一、对话场景为主------零件装进你现有的车，不用为"Agent"这个功能引入一套新运行时概念。你的团队对每个零件都有完全控制权，坏哪儿修哪儿。

选 AgentScope Java，如果 Agent 是产品主体。 多用户多会话、需要权限审批和审计、计划水平扩展多副本------整车直接开走。状态外置换来的"任意副本接续工作"、权限引擎、沙箱，这些自己用 advisor 拼一遍，工作量不是"多写几个类"，是"重新发明一遍框架"。

还有一个隐藏选项：组合。 官方已明确同属阿里系的 Spring AI Alibaba 后续版本会把内核升级为 AgentScope------你的 Spring 服务里嵌 AgentScope 并不冲突。上一篇说过，它甚至不要求你换掉 Spring AI。

一句话收尾：模型月抛时代，框架选型别问"哪个更强"，问"我的 Agent 要活成什么形态"------功能选零件，产品选整车。

参考资料

AgentScope Java 官方仓库与文档（2.0.1 Release Notes）
Spring AI 官方文档：Tool Calling、ChatClient