在人工智能（AI）代理开发的浪潮中，Python似乎一直是默认的编程语言选择。然而，Java虚拟机（JVM）平台正在以其强大的类型安全、优雅的体系结构和企业级生态系统，挑战这一现状。Rod Johnson在2025年8月发表的文章《You Can Build Better AI Agents in Java Than Python》以及Embabel代理框架的GitHub文档，为我们展示了Java在AI代理开发中的独特优势。通过一个具体的书籍写作案例，我们将深入探索Java如何以更少的代码、更高的可扩展性和更强的类型安全性，超越Python的CrewAI框架，创造出更高效、更优雅的AI代理。

---

📚 从愿景到现实：书籍写作的AI代理场景

想象一下，你是一位作者，梦想创作一本关于“2025年7月人工智能现状”的书籍。你需要一个AI系统，能够自动研究主题、生成大纲、撰写章节，并最终整合成一本完整的Markdown格式书籍。这样的任务看似复杂，但通过AI代理的协作，可以分解为清晰的步骤，高效完成。Rod Johnson选择了CrewAI框架中的“Write a Book Flow”示例作为基准，将其用Java的Embabel框架重写，展示Java在AI代理开发中的优势。

什么是“Write a Book Flow”？
这个流程通过多个AI代理协作完成书籍创作：首先，OutlineCrew研究主题并生成书籍大纲；然后，WriteBookChapterCrew为每个章节撰写内容；最后，将所有章节整合为一个Markdown文件。这是一个典型的多代理协作场景，适合展示框架的能力。

---

🧬 CrewAI的Python实现：直观但繁琐

🛠️ CrewAI的核心概念

CrewAI是一个流行的Python代理框架，通过“crew”（代理团队）组织任务。每个crew包含多个代理（agent），每个代理有特定的角色（role）、目标（goal）和背景故事（backstory）。任务通过YML文件定义，Python代码负责将代理和任务连接起来。Pydantic模型用于约束大语言模型（LLM）的输出，确保结构化数据。

在书籍写作示例中，CrewAI的实现分为两个crew：

1. OutlineCrew：包含两个代理：
   • Researcher：负责研究书籍主题，收集关键信息。
   • Outliner：根据研究结果生成书籍大纲，包含章节标题和描述。
2. WriteBookChapterCrew：为每个章节分配一个代理，撰写内容并进行进一步研究。

Python代码通过@CrewBase装饰器定义crew，通过@agent和@task装饰器配置代理和任务，最终在main.py中通过BookFlow类协调整个流程。异步编程（asyncio）用于并行撰写章节，Pydantic模型（如ChapterOutline和BookOutline）提供数据结构支持。

💪 CrewAI的优点

CrewAI的实现直观且模块化：

• 任务分解：将复杂任务拆分为研究、大纲生成和章节撰写，清晰分工。
• LLM灵活性：每个代理可以使用不同的LLM和工具（如SerperDevTool进行网络搜索）。
• 结构化输出：Pydantic模型确保LLM输出的数据格式一致。
• 并行处理：通过asyncio实现章节的并发撰写，提高效率。

比喻：像一个交响乐团
CrewAI就像一个交响乐团，每个代理是乐手，演奏特定乐器（任务）。指挥（Python代码）协调乐手，确保音乐（书籍）和谐完成。然而，乐谱（YML配置）繁琐，乐手间的协作（数据流）不够明确。

⚠️ CrewAI的不足

尽管CrewAI功能强大，但也存在显著的短板：

• 配置繁琐：需要多个YML文件和Python代码，设置复杂，涉及多个目录和文件。
• 类型安全性不足：代理和任务的输入依赖“魔法字符串”（如{topic}），容易出错，且@listen装饰器的参数无类型约束。
• 代理与任务耦合：代理知道输入键（如topic），限制了复用性，代理与任务的划分显得冗余。
• 并发控制不佳：章节撰写的并发由LLM决定章节数量，可能导致速率限制问题。
• 生产环境适配性：缺乏日志框架支持，难以满足企业级需求。

比喻：拼装玩具的挑战
CrewAI就像一套复杂的拼装玩具，说明书（YML）冗长，零件（代理和任务）需要手动拼接，且容易因为零件标记不清（魔法字符串）而出错。

---

🚀 Embabel的Java实现：优雅与力量的结合

Embabel是一个专为JVM设计的代理框架，基于Spring框架，利用Java或Kotlin的强类型特性和企业级生态，提供了更简洁、更安全的AI代理开发方式。Rod Johnson通过重写CrewAI的书籍写作示例，展示了Embabel的优越性。

🌟 Embabel的核心概念

Embabel通过以下概念组织代理流程：

• 动作（Actions）：代理执行的具体步骤。
• 目标（Goals）：代理希望实现的状态。
• 条件（Conditions）：动作执行前的状态检查。
• 领域模型（Domain Model）：支撑流程的对象，包含行为。
• 计划（Plan）：由系统动态生成的动作序列，基于目标导向动作规划（GOAP）算法。

什么是GOAP？
GOAP（Goal-Oriented Action Planning）是一种在游戏AI中常用的规划算法，允许系统根据当前状态和目标动态选择动作序列。Embabel利用GOAP实现智能路径规划，无需开发者手动定义流程顺序。

Embabel的关键优势包括：

• 动态规划：系统根据动作的输入输出类型自动推导执行顺序，减少手动配置。
• 强类型安全：所有提示（prompt）和数据流基于领域对象，消除魔法字符串。
• Spring集成：利用Spring的依赖注入、配置管理和AOP，简化开发并增强生产能力。
• 可测试性：支持单元测试和端到端测试，确保代码可靠性。

🖥️ Embabel的代码实现

在Embabel中，书籍写作流程被简化为一个Java类（BookWriter）和一个YML配置文件（application.yml）。以下是核心实现：

YML配置

examples:
  book-writer:
    max-concurrency: 8
    researcher-llm:
      model: gpt-4.1-nano
      temperature: 0.7
    writer-llm:
      model: gpt-4.1-mini
    researcher:
      role: Researcher
      goal: >
        Gather comprehensive information about a topic that will be used 
        to create an organized and well-structured book outline.
        Consider the author's desired goal for the book.
      backstory: >
        You are an experienced researcher skilled in finding the most relevant and up-to-date information on any given topic.
    outliner:
      role: Outliner
      goal: >
        Based on research, generate a book outline about the given topic.
        The generated outline should include all chapters in sequential order and provide a title and description for each chapter.
      backstory: >
        You are a skilled organizer, great at turning scattered information into a structured format.
    writer:
      role: Chapter Writer
      goal: >
        Write a well-structured chapter for a book based on the provided chapter title, goal, and outline.
      backstory: >
        You are an exceptional writer, known for producing engaging, well-researched, and informative content.
    outputDirectory: ./books

注解：YML的优雅
与CrewAI的多个YML文件相比，Embabel的单一application.yml集中配置了LLM模型、超参数、并发限制和代理角色，简洁且易于维护。Spring的@ConfigurationProperties注解自动将YML映射为Java对象。

领域模型

record ChapterOutline(String title, String content) {}
record BookOutline(String title, List<ChapterOutline> chapterOutlines) implements PromptContributor {
    @NotNull
    @Override
    public String contribution() {
        return "Book Outline:\nTitle: " + title + "\n" + chapterOutlines.stream()
                .map(chapter -> chapter.title() + "\n" + chapter.content())
                .collect(Collectors.joining("\n\n"));
    }
}
record Chapter(String title, String content) {}
record Book(BookRequest request, String title, List<Chapter> chapters) {
    public String text() {
        return "# " + title() + "\n" + request.goal() + "\n\n" +
                chapters().stream()
                        .map(chapter -> "## " + chapter.title() + "\n" + chapter.content())
                        .collect(Collectors.joining("\n\n"));
    }
}

注解：行为丰富的领域模型
与CrewAI的Pydantic模型（仅作为数据结构）不同，Embabel的领域对象（如BookOutline和Book）实现了PromptContributor接口，允许它们参与提示构建，并提供格式化输出方法（如Book.text()），增强了代码的内聚性。

代理实现

@Agent(description = "Write a book, first creating an outline, then writing the chapters and combining them")
public record BookWriter(BookWriterConfig config) {
    @Action
    ResearchReport researchTopic(BookRequest bookRequest, OperationContext context) {
        return context.ai()
                .withLlm(config.researcherLlm())
                .withPromptElements(config.researcher(), bookRequest)
                .withToolGroup(CoreToolGroups.WEB)
                .createObject(
                        """
                        Research the topic to gather the most important information that will
                        be useful in creating a book outline. Ensure you focus on high-quality, reliable sources.
                        """,
                        ResearchReport.class);
    }

    @Action
    BookOutline createOutline(BookRequest bookRequest, ResearchReport researchReport, OperationContext context) {
        return context.ai()
                .withLlm(config.writerLlm())
                .withPromptElements(config.outliner(), bookRequest, researchReport)
                .withToolGroup(CoreToolGroups.WEB)
                .createObject(
                        """
                        Create a book outline as requested with chapters in sequential order based on the given research findings.
                        Ensure that each chapter has a title and a brief description that highlights the topics and subtopics to be covered.
                        """,
                        BookOutline.class);
    }

    @Action
    Book writeBook(BookRequest bookRequest, BookOutline bookOutline, ResearchReport researchReport, OperationContext context) {
        var chapters = context.parallelMap(
                bookOutline.chapterOutlines(),
                config.maxConcurrency(),
                chapterOutline -> writeChapter(bookRequest, bookOutline, chapterOutline, context)
        );
        return new Book(bookRequest, bookOutline.title(), chapters);
    }

    @AchievesGoal(description = "Book has been written and published about the requested topic")
    @Action
    Book publishBook(Book book) {
        var path = config.saveContent(book);
        logger.info("Book {} written and saved to {}", book.title(), path);
        return book;
    }
}

注解：类型安全与动态规划
每个@Action方法使用强类型的领域对象（如BookRequest和ResearchReport）作为参数，避免魔法字符串。OperationContext提供对AI服务的统一访问，parallelMap方法通过maxConcurrency控制并发，防止速率限制问题。GOAP算法自动推导动作顺序，简化流程设计。

💡 Embabel的优势

与CrewAI相比，Embabel的实现展现了以下优势：

• 更少的代码：单一Java类和YML文件取代了CrewAI的多个文件和目录，代码量减少。
• 类型安全：所有提示和数据流基于领域对象，消除了魔法字符串，提高了开发工具支持（如重构和自动补全）。
• 可配置性：通过Spring的YML配置，可轻松调整LLM模型、超参数和并发限制。
• 生产就绪：内置日志框架（SLF4J），支持单元测试和端到端测试，适合企业级应用。
• 并发控制：parallelMap方法通过配置限制并发，避免CrewAI中由LLM决定章节数量导致的潜在问题。

比喻：像一架精密的飞船
Embabel就像一架精密的飞船，Spring框架是其引擎，GOAP算法是导航系统，领域对象是模块化的组件。开发者只需设定目标（目标和动作），飞船便能自动规划路线，高效到达目的地。

---

🔍 深入比较：Java vs. Python

📊 代码量与简洁性

令人惊讶的是，Embabel的Java实现比CrewAI的Python实现代码量更少。CrewAI需要多个YML文件、Python类和装饰器，而Embabel通过Spring的依赖注入和单一Java类简化了配置和实现。YML配置也更为集中，减少了维护成本。

🛡️ 类型安全性

CrewAI的提示依赖字符串模板（如{topic}），容易出错，且@listen装饰器的参数无类型约束。Embabel通过强类型的领域对象和PromptContributor接口，确保提示构建和数据流的安全性。这种类型安全性不仅降低了错误风险，还提升了IDE支持（如代码补全和重构）。

⚙️ 可扩展性与复用性

Embabel的GOAP规划算法允许动态生成动作序列，开发者只需添加新的动作和目标即可扩展功能，无需修改现有代码。CrewAI的流程依赖手动定义的@listen装饰器，扩展需要修改多个文件，复用性较差。

🏭 生产环境适配性

Embabel利用Spring的生态系统，提供了日志、测试和配置管理的原生支持。CrewAI依赖print语句和asyncio，缺乏生产级的日志和并发控制，难以满足企业需求。

比喻：从手工坊到智能工厂
CrewAI像一个手工坊，工匠（开发者）需要手动拼接零件（YML和Python代码），流程繁琐且易出错。Embabel则像一座智能工厂，自动化流水线（GOAP和Spring）高效生产，开发者只需提供蓝图（领域模型和动作）。

---

🌍 更广阔的视野：Embabel的生态与未来

🧩 Spring与JVM的生态优势

Embabel基于Spring框架，充分利用了JVM的成熟生态：

• 依赖注入：Spring自动管理代理和服务的生命周期。
• 持久化与事务：轻松集成Spring Data和JPA，适合企业级应用。
• 测试支持：内置单元测试和端到端测试框架，确保代码质量。

比喻：JVM的宝库
JVM就像一座宝库，Spring是钥匙，Embabel是探险者，带领开发者挖掘企业级功能（如数据库、事务和微服务）的无限可能。

🚀 Embabel的创新特性

Embabel不仅仅是一个代理框架，它引入了多项创新：

• 动态规划：GOAP算法使流程无需硬编码，系统可根据目标和状态自动调整。
• 多LLM支持：支持混合使用不同LLM（如OpenAI和Anthropic），优化成本和性能。
• MCP集成：通过Model Context Protocol（MCP）与外部工具无缝协作，提供标准化接口。
• 联邦支持：未来支持与其他Embabel系统或第三方框架的协作，增强跨平台能力。

📅 未来路线图

Embabel的GitHub文档勾勒了宏大的愿景：

• 成为Java应用的AI标配：尤其是在Spring生态中，成为Gen AI的首选框架。
• 跨平台扩展：将Embabel的概念推广到TypeScript和Python。
• 预算感知代理：开发支持预算限制的代理，如“花费不超过20美分进行研究”。
• 自然语言动作：允许开发者用自然语言定义动作和目标，进一步降低开发门槛。

---

📖 参考文献

1. Johnson, R. (2025). You Can Build Better AI Agents in Java Than Python. Medium. https://medium.com/@springrod/you-can-build-better-ai-agents-in-java-than-python-868eaf008493
2. Embabel. (2025). Embabel Agent Framework. GitHub. https://github.com/embabel/embabel-agent
3. CrewAI. (2025). Write a Book Flow. CrewAI Official Examples. https://github.com/crewAI/crewAI-examples
4. Spring AI. (2025). Spring AI Documentation. https://docs.spring.io/spring-ai/reference/
5. Model Context Protocol (MCP). (2025). MCP Quickstart for Claude Desktop Users. https://modelcontextprotocol.org/docs/claude-desktop

---

🎉 结语：JVM的AI新篇章

通过重写CrewAI的书籍写作示例，Embabel展示了Java在AI代理开发中的优雅与力量。它的类型安全、动态规划和Spring生态集成，使其在代码简洁性、可扩展性和生产就绪性上超越了Python的CrewAI框架。无论是初学者还是企业开发者，Embabel都提供了一个强大而灵活的平台，让AI代理开发变得如探险般引人入胜。

想象一下
你站在一座未来城市的控制中心，JVM是坚实的地基，Spring是智能的管道系统，Embabel是指挥AI代理的超级计算机。只需几行代码，你就能指挥代理完成从研究到创作的壮举。Embabel不仅是一个框架，它是通向AI驱动未来的桥梁。

现在，加入Embabel社区，拿起你的Java代码，开启AI代理的创作之旅吧！🌟