过去两年 Java AI 生态发展

过去两年，Java AI 生态发展迅猛。Spring AI、LangChain4j 等优秀框架，让 Java 开发者能轻松接入 GPT、Claude、Gemini、DeepSeek 等各种大模型。Chat、Prompt、Memory、RAG、Tool Calling、MCP、Agent 等能力也日益成熟，Java Agent 开始走进真实业务。

Agent 投入生产环境的问题

当越来越多企业将 Agent 投入生产环境时，新问题逐渐凸显：“Agent 很会思考，却不会真正干活”。老板要求“帮我把本周销售数据整理成 PPT，套用公司模板，检查数据是否正确，最后发我下载链接”，Agent 却只回复“下面是制作 PPT 的步骤……”，而老板真正想要的是“一个可以打开、可以汇报、可以直接发送给客户的 PPT”，并非教程、Prompt 或分析，这正是当下很多 Agent 的最大问题——“会回答问题，却不会交付结果”。

问题根源在 Runtime

其实，问题不在模型，而在 Runtime。很多人误以为是模型能力不足，实则真正缺失的是“Agent Runtime”。若把 Agent 视为程序，如今多数 Java AI Framework 已很好解决了“Agent 如何思考”的问题，像 Chat、Prompt、Memory、Tool Calling、MCP、RAG、Multi - Agent 等能力都愈发成熟。但执行任务时，会面临新情况，如 Agent 需要运行 Python、执行 Shell、读写文件、操作目录、调用团队脚本、校验生成结果、发布最终文件、Sandbox 隔离执行、多节点共享 Skill、Kubernetes 下缓存能力包等，这些都属于 Runtime 范畴，而非 Framework。也就是说，从 Agent Framework 到 Agent Runtime，才能真正完成工作。遗憾的是，Runtime 正是目前 Java Agent 生态最缺失的一层。

Agents - Flex Skill Runtime 发布

为补齐这一层，今天正式发布“Agents - Flex Skill Runtime”。这并非增加几个 Tool，也不是简单支持 SKILL.md，而是真正补齐 Java Agent Runtime Layer。从此，一个 Skill 不仅是 Prompt，还可拥有 Shell、Python、模板、文件、配置、校验规则、发布流程、Runtime、Artifact、Sandbox。Agent 接到任务后，不再现场自由发挥，而是调用团队已验证过的能力，从“模型自己想办法”变为“模型调用团队最佳实践”，这才是企业真正需要的 Agent。

与传统 Agent Framework 的不同

这也是与传统 Agent Framework 的最大不同。截至目前公开版本，Spring AI、LangChain4j 等优秀 Java AI Framework 更多聚焦于“Framework Layer”，像 ChatModel、Embedding、Prompt、Tool Calling、MCP、Advisor、Memory、Agent 等能力已十分成熟。但 Agent 执行任务时，如 Shell 执行位置、Python 运行地点、文件隔离方式、Skill 发布途径、Kubernetes 多节点共享方法、Sandbox 切换方式、生成文件交付办法等，主流框架多让开发者自行实现，这并非框架设计问题，因为它们关注的是“如何构建 Agent”，而 Agents - Flex 希望更进一步，解决“如何让 Agent 真正稳定、安全、可重复地完成工作”。Framework 负责思考，Runtime 负责执行，二者缺一不可。

Agent 需交付结果而非答案

Agent 真正需要交付的是结果，而非答案。以运营上传 Excel 并要求“帮我生成本周经营分析”为例，真正要完成的是读取 Excel、清洗数据、调用 Python、生成图表、套公司 PPT 模板、检查数字、校验页数、导出 PPT、上传对象存储、返回下载链接等流程，几乎都属于 Runtime，而非 Prompt。Skill Runtime 的作用就是“让 Agent 真正把活干完”，几分钟后，Agent 回复的不再是“下面是制作 PPT 的步骤……”，而是“这是你的 PPT，请下载”，背后已完成一整条生产链路。

企业级 Agent 的安全问题

真正的企业级 Agent 必须解决安全问题。当 Agent 执行脚本时，安全是首要原则，脚本不能直接继承 Java 服务权限，用户上传的文件不能随意访问服务器，第三方 Skill 不能直接运行在业务机器。因此，Skill Runtime 从一开始就支持 Runtime 切换。开发阶段用“LocalSkillRuntime”，可直接本机执行，开发效率最高；上线后用“OpenSandboxSkillRuntime”，每个任务自动创建独立 Sandbox，任务结束立即销毁；若企业已部署字节 AIO Sandbox，可用“AioSandboxSkillRuntime”，直接接入已有沙箱环境，开发代码和 Skill 无需修改，只需切换 Runtime，开发体验和生产安全可兼得。

Skill 的企业级发布能力

Skill 也首次拥有企业级发布能力。单机时代，Skill 放本地目录即可，但到了 Kubernetes 或分布式部署，几十个 Pod（或服务器实例节点）同时运行，本地目录不再可靠。为此，同时发布了“SkillArtifactStore”，Skill 可打包成 Artifact，上传对象存储，节点自动下载、校验、缓存、解压。目前已支持阿里 OSS、腾讯 COS、华为 OBS、火山 TOS，也易扩展到 S3、MinIO 等对象存储，无论请求落到哪个节点，都能拿到同一份 Skill，这是 Agent 走向企业部署的重要一步。

开发到生产链路打通

从开发电脑到生产集群，链路全部打通。整个升级过程简单，本地开发用“Local Runtime”，上线用“OpenSandbox Runtime”，企业部署用“Skill Artifact Store”，业务代码和 Skill 几乎不用修改，切换 Runtime 即可从开发环境变为生产环境。

Agent 发展阶段转变

过去几年，大家一直在完善“Agent 如何思考”，如今终于开始完善“Agent 如何执行”，这是两个不同阶段。过去，Agent 价值源于回答；未来，Agent 价值源于交付。会聊天的 Agent 众多，能稳定、安全、可重复交付结果的 Agent 才刚起步。

总结与呼吁

Agents - Flex Skill Runtime 正式发布！从 Prompt 到 Runtime，从回答到交付，从 Demo 到生产，补上的是 Java Agent 生态一直缺失的“Agent Runtime”。若你用 Java 构建企业级 Agent，可挑一个团队日常重复的业务流程，如经营周报、合同审核、代码扫描、数据分析、文档生成等，把模板、脚本、规则、验收流程交给 Agents - Flex，让 Agent 首次真正把成品交到用户手上。Java Agent 最后一块拼图，终于补齐了。

相关链接

GitHub：[ https://github.com/agents - flex/agents - flex](https://github.com/agents - flex/agents - flex)
Gitee：
文档：[ https://agentsflex.com](https://agentsflex.com)