AI 仓库情报摘要

FR-AI / ANALYSIS

为什么值得关注

该项目将生产级 DDD 架构与 Agent 运行时结合，提供完整的可观测性、MCP 工具调用支持及内置静态对话工作台，能够快速搭建可运维的多 Agent 系统，显著降低 AI 应用开发门槛。

适合谁使用

Java 后端开发者，尤其是使用 Spring Boot 的团队
希望快速搭建多 Agent 对话系统的产品和原型团队
对 DDD 六边形架构和可观测性有要求的企业项目
研究和评估基于 Spring AI 的 Agent 框架的技术决策者

典型使用场景

通过 YAML 配置快速上线一个带工具调用的对话 Agent
在同一应用中注册多个隔离的 Agent，实现不同业务领域的对话
集成 MCP 本地或远程工具，扩展 Agent 的能力边界
利用内置 UI 和遥测功能调试、回放 Agent 的多轮对话

项目优势

零代码定义 Agent，仅需 YAML 文件即可完成配置
支持多种 MCP 模式（本地、SSE、Stdio）以及 Skills 脚本执行
内置 Token 统计、工具遥测、Trace ID 等完整的可观测能力
附带可直接使用的静态对话工作台，无需额外部署

使用前须知

依赖 JDK 21+、SpringBoot 4.1 和 MySQL/PostgreSQL，部分企业环境可能尚未升级
ReAct 模式、多 Agent 协同、多模态等高级功能尚在规划中，暂未实现
主要面向 OpenAI 兼容的 LLM 服务，使用其他厂商 API 可能需要额外适配

README 快速开始

铸灵 ZhuLing

铸造 AI 灵魂 —— 基于 SpringBoot 4.1 + Spring AI 2.0 + DDD 六边形架构的 AI Agent 开发脚手架

📖 项目简介

铸灵（ZhuLing）帮助 Java 开发者零代码启动 Agent 应用。只需编写一份 YAML 配置文件，即可获得：

✅ 多 Agent 独立注册与运行时隔离
✅ 统一对话目标选择（Agent / Workflow）
✅ 同步 & SSE 流式对话接口
✅ 多轮会话记忆与历史消息持久化
✅ MCP 工具调用（Local / SSE / Stdio 三种模式）
✅ Skills 脚本包加载与执行
✅ 完整的可观测性（Token 统计、工具遥测、Trace ID、上下文占用比）
✅ 版本化 SSE 事件信封（turn / message / reasoning / tool 生命周期事件）
✅ 内置可观测对话工作台 UI

🖼️ 界面预览

对话目标选择

可观测对话工作台

🏗️ 技术栈

组件	版本	说明
JDK	21	支持虚拟线程
SpringBoot	4.1.0	核心框架
Spring AI	2.0.1-SNAPSHOT	LLM 调用统一管理
Spring AI Alibaba	1.1.2.0	Agent 编排扩展
WebFlux	—	仅用于对话流式输出
MyBatis-Plus	3.5.17	持久层（传统阻塞式）
MySQL	8.0+	会话 / 消息持久化
MCP SDK	2.0.0-M2	Model Context Protocol
Jackson	2.17.2	JSON 序列化

📁 工程结构

zhuling/
├── zhuling-types/            # 公共类型（枚举、异常、通用常量）
├── zhuling-api/              # 接口 DTO / VO 定义
├── zhuling-domain/           # 领域层（核心业务、Port/Repository 接口）
├── zhuling-case/             # 编排层（用例编排、聊天流程）
├── zhuling-infrastructure/   # 基础设施层（DAO、Gateway、Redis、可观测性实现）
├── zhuling-trigger/          # 触发层（HTTP Controller）
├── zhuling-app/              # 启动模块（配置文件、Agent YAML、Skills）
├── ui/                           # 可观测对话工作台（纯静态前端）
└── docs/                         # 设计文档、SQL 脚本

依赖规则：Trigger → API → Case → Domain ← Infrastructure，所有依赖向内指向 Domain。

🚀 快速开始

环境要求

JDK 21+
Maven 3.8+
MySQL 8.0+（或 PostgreSQL 15+）

1. 克隆项目

git clone https://github.com/vinist123/zhuling.git
cd zhuling

2. 初始化数据库

创建数据库后，执行以下建表 SQL：

-- Agent 会话表
CREATE TABLE agent_session (
    id VARCHAR(36) PRIMARY KEY,
    target_id VARCHAR(128) NOT NULL,
    target_type VARCHAR(20) NOT NULL DEFAULT 'AGENT',
    user_id VARCHAR(64),
    title VARCHAR(256),
    status VARCHAR(20) DEFAULT 'active',
    message_count INT DEFAULT 0,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Agent 消息表
CREATE TABLE agent_message (
    id VARCHAR(36) PRIMARY KEY,
    session_id VARCHAR(36) NOT NULL,
    role VARCHAR(20) NOT NULL,
    content TEXT,
    metadata JSON,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (session_id) REFERENCES agent_session(id)
);

3. 修改配置

编辑 `zhuling-a

项目描述

An AI Agent Development Framework AI Agent 开发脚手架

zhuling