博客/AI Alibaba

AI Alibaba

Spring AI Alibaba 实战系列（100+ 篇）：Agent Framework 智能体开发、Graph 工作流编排，附完整示例与踩坑记录。

共 105 篇

McpClientToolCallbackProvider 根据节点名称，匹配对应的 MCP 提供的 ToolCallback package com.spring.ai.tutorial.graph.mcp.tool; import co

分配指定的 MCP 给指定的 node 节点实战代码可见：spring-ai-alibaba-examples 下的 graph 目录，本章代码为其 mcp-node 模块 <dependencies> <depende

持久化执行是一种技术，其中进程或工作流在关键点保存其进度，允许它暂停并稍后从中断的地方恢复。这在需要人在回路中（human-in-the-loop）的场景中特别有用，用户可以在继续之前检查、验证或修改流程，也适用于可能遇到中断或错误的长时间

Spring AI Alibaba 支持通过 ChatClient 进行流式输出。 import org.springframework.ai.chat.client.ChatClient; import org.springframewo

以下是一个完整的示例，展示如何在扩展节点、人类反馈节点和翻译节点之间实现中断和恢复：节点定义 ExpanderNode package com.spring.ai.tutorial.graph.human.node; import com

interruptBefore 模式需要在编译 Graph 时提前指定中断点，在指定节点执行前自动中断。这种方式适合已知的中断点，配置简单直接。优势配置简单：只需在编译配置中指定中断点无需修改节点：普通节点即可，不需要实现特殊接口明确的

/** * 继续执行 Graph * 使用 HUMAN_FEEDBACK_METADATA_KEY 来恢复执行 */ public static void continueExecution(CompiledGraph graph, Run

在实际业务场景中，经常会遇到人类介入的场景，人类的不同操作将影响工作流不同的走向。Spring AI Alibaba Graph 提供了两种方式来实现人类反馈： InterruptionMetadata 模式：可以在任意节点随时中断，通过实

在 Redis 数据库中持久化和管理您的 Spring AI Alibaba Graph 工作流状态，确保持久性 Redis 检查点持久化是 Spring AI Alibaba Graph 生态系统的一个模块，它使得工作流状态能够可靠地存储

Spring AI Alibaba Graph 提供了强大的图执行取消机制，这对于长时间运行的工作流程特别有用。此功能基于 java-async-generator 库的取消能力构建。当您使用 stream 方法执行图时，会得到一个 As