Spring AI Alibaba Graph智能工作流-顺序执行
1、官方文档
Graph 工作流编排指南 | Spring AI Alibaba
Spring AI Alibaba Graph 可以改变您构建智能代理的思维方式。使用 Graph 构建代理时，您将首先把它分解为称为**节点（nodes）的离散步骤。然后，描述每个节点的不同决策和转换。最后，通过一个共享的状态（state）**将节点连接起来，每个节点都可以读取和写入该状态。在本教程中，我们将指导您完成使用 Spring AI Alibaba Graph 构建客服邮件处理代理的思维过程。
2、多个Agent顺序执行
核心组件：
SequentialAgent（框架内置顺序流水线） 底层基于 Graph 状态机OverAllState，列表顺序 = Agent 执行顺序数据传递机制：outputKey+ 指令内{key}占位符自动渲染
核心概念
- ReactAgent：最小可编排智能体单元（支持工具调用 ReAct）
- SequentialAgent：顺序编排容器
subAgents(List<A,B,C>)：严格按 A→B→C 串行- 全局状态
OverAllState保存所有中间结果
- outputKey：每个 Agent 输出存入 State 的 key
- 占位符语法
{input}：用户原始输入{自定义key}：读取前面 Agent 输出
3、代码
固定流水线：摘要 → 翻译 → 润色
依赖
<dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-agent-framework</artifactId> </dependency>配置类
package com.ybw.config; import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.cloud.ai.graph.agent.flow.agent.SequentialAgent; import org.springframework.ai.chat.model.ChatModel; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import java.util.List; @Configuration public class SequentialAgentConfig { // ChatModel 由配置自动注入（DashScope/Ollama均可） @Bean public SequentialAgent textPipelineAgent(ChatModel chatModel) { // Agent1：文本摘要 ReactAgent summaryAgent = ReactAgent.builder() .name("summary_agent") .model(chatModel) .outputKey("summary_text") // 输出存入state键名 .instruction("你是文本摘要专家，将下面内容精简为100字摘要：{input}") .build(); // Agent2：中文→英文翻译（读取上一步 summary_text） ReactAgent translateAgent = ReactAgent.builder() .name("translate_agent") .model(chatModel) .outputKey("en_text") .instruction("将下面中文翻译成地道英文，只返回译文：{summary_text}") .build(); // Agent3：英文润色（读取翻译结果 en_text） ReactAgent polishAgent = ReactAgent.builder() .name("polish_agent") .model(chatModel) .outputKey("final_result") .instruction("润色这段英文，优化语句流畅度：{en_text}") .build(); // ========== 顺序编排核心 ========== // List顺序 = 执行顺序：summary → translate → polish return SequentialAgent.builder() .name("text_sequential_pipeline") .subAgents(List.of(summaryAgent, translateAgent, polishAgent)) .build(); } }执行链路：用户输入→ summary_agent → state ["summary_text"] → translate_agent 读取{summary_text}→ state ["en_text"] → polish_agent 读取{en_text}→ state["final_result"]
测试
package com.ybw.agent; import com.alibaba.cloud.ai.graph.OverAllState; import com.alibaba.cloud.ai.graph.agent.flow.agent.SequentialAgent; import com.alibaba.cloud.ai.graph.exception.GraphRunnerException; import jakarta.annotation.Resource; import lombok.extern.slf4j.Slf4j; import org.junit.jupiter.api.Test; import org.springframework.boot.test.context.SpringBootTest; import java.util.Optional; /** * @author ybw * @version V1.0 * @className SequentialAgentTest * @date 2026/7/22 **/ @SpringBootTest @Slf4j public class SequentialAgentTest { @Resource private SequentialAgent pipelineAgent; @Test public void runPipeline() throws GraphRunnerException { String userInput = "小松鼠的冬天礼物\n" + "秋风一吹，森林里的树叶就变成了金灿灿的颜色。小松鼠果果忙着收集松果，为即将到来的冬天做准备。它每天早早起床，蹦蹦跳跳地穿梭在林间，把饱满的松果藏进树洞里，不出几天，树洞就堆满了沉甸甸的粮食。\n" + "这天下午，果果路过小兔子的胡萝卜地，看见小兔子正蹲在地上叹气。原来秋风太急，把小兔子储存的胡萝卜叶子全都吹枯了，冬天的食物少了一大半。果果看着难过的小兔子，摸了摸自己满满的树洞，心里悄悄软了下来。\n" + "第二天一早，果果背着小布口袋，装了满满一袋松果送到小兔子家。小兔子又惊讶又感动，连忙摆手推辞：“这是你过冬的粮食，我不能要！”果果笑着摇摇尾巴：“我藏的松果很多，足够我吃一整个冬天啦，我们要一起分享呀！”\n" + "之后的日子里，果果又把松果分给了没有存够粮食的小刺猬和小麻雀。慢慢的，自己的树洞空了大半，果果心里却暖暖的。\n" + "寒冷的冬天如约而至，大雪覆盖了整片森林。就在果果担心食物不够时，小伙伴们纷纷来到它的家门口。小兔子带来了甜甜的胡萝卜，小刺猬带来了酸甜的野果，小麻雀衔来了饱满的草籽。\n" + "大家围坐在果果的树洞里，吃着美食，聊着趣事，温暖的笑声填满了小小的树洞。果果终于明白，真正的快乐不是独自拥有满满一堆粮食，而是真诚分享、互帮互助。这个冬天，因为善意与陪伴，一点都不寒冷。"; // 启动顺序执行 Optional<OverAllState> stateOpt = pipelineAgent.invoke(userInput); if (stateOpt.isEmpty()) { log.info("stateOpt为空"); return; } OverAllState state = stateOpt.get(); // 获取最后一个Agent输出 String finalResult = state.value("final_result") .map(Object::toString) .orElse("无结果"); log.info("finalResult:{}", finalResult); } }