过去两年，Java AI 生态的发展非常快。

Spring AI、LangChain4j 等优秀框架，让 Java 开发者可以轻松接入 GPT、Claude、Gemini、DeepSeek 等各种大模型。

Chat、Prompt、Memory、RAG、Tool Calling、MCP、Agent……

这些能力越来越成熟。

Java Agent，终于开始走进真实业务。

但当越来越多企业开始把 Agent 投入生产环境，一个新的问题也越来越明显。

Agent 很会思考，却不会真正干活。

老板说：

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 很快回答：

下面是制作 PPT 的步骤……

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。

不是教程。

不是 Prompt。

更不是一篇几千字的分析。

而是一个真正交付的文件。

这也是今天很多 Agent 最大的问题：

会回答问题，却不会交付结果。

---

问题其实不在模型，而在 Runtime。

很多人以为，这是模型能力不够。

其实不是。

真正缺失的是：

Agent Runtime。

如果把 Agent 看成一个程序，那么今天的大多数 Java AI Framework，其实已经很好地解决了：

Agent 如何思考。

例如：

• Chat

• Prompt

• Memory

• Tool Calling

• MCP

• RAG

• Multi-Agent

这些能力，现在已经越来越成熟。

但是真正开始执行任务以后，一个新的世界出现了。

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

这些事情，

已经不属于 Framework。

而属于 Runtime。

也就是说：

Agent Framework
    ↓
Agent Runtime
    ↓
真正完成工作

遗憾的是，

Runtime，恰恰是目前 Java Agent 生态最缺失的一层。

---

Agents-Flex，补齐了这一层。

所以今天，

我们正式发布：

Agents-Flex Skill Runtime

 

这不是又增加了几个 Tool。

也不是简单支持一下 SKILL.md。

而是真正补齐了 Java Agent Runtime Layer。

从今天开始，一个 Skill 不只是 Prompt。

它还可以拥有：

• Shell

• Python

• 模板

• 文件

• 配置

• 校验规则

• 发布流程

• Runtime

• Artifact

• Sandbox

Agent 接到任务以后，

不是现场自由发挥。

而是调用团队已经验证过的能力。

以前：

模型自己想办法。

现在：

模型调用团队最佳实践。

这是企业真正需要的 Agent。

---

这也是我们和传统 Agent Framework 最大的不同。

截至目前公开版本来看，Spring AI、LangChain4j 等优秀 Java AI Framework，更多聚焦于 Framework Layer。

例如：

• ChatModel

• Embedding

• Prompt

• Tool Calling

• MCP

• Advisor

• Memory

• Agent

这些能力已经非常成熟。

但当 Agent 真正开始执行任务时，例如：

• Shell 在哪里执行？

• Python 在哪里运行？

• 文件如何隔离？

• Skill 如何发布？

• Kubernetes 多节点如何共享？

• Sandbox 如何切换？

• 生成文件如何交付？

目前主流框架更多还是交给开发者自行实现。

这并不是框架设计的问题。

因为它们关注的是：

如何构建 Agent。

而 Agents-Flex，希望继续往前走一步：

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。

两者缺一不可。

---

Agent 真正需要交付的是结果，而不是答案。

举一个最典型的场景。

运营上传一个 Excel。

告诉 Agent：

帮我生成本周经营分析。

真正需要完成的是：

• 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

这整个流程，

几乎没有一步属于 Prompt。

全部属于 Runtime。

所以 Skill Runtime 做的事情其实很简单：

让 Agent 真正把活干完。

几分钟以后，

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。

看似只有一句话。

背后却已经完成了一整条生产链路。

---

真正的企业级 Agent，一定要解决安全问题。

当 Agent 开始执行脚本，

安全就变成第一原则。

脚本不能直接继承 Java 服务权限。

用户上传的文件不能随便访问服务器。

第三方 Skill 不能直接运行在业务机器。

因此，

Skill Runtime 从第一天开始就支持 Runtime 切换。

开发阶段：

LocalSkillRuntime

直接本机执行。

开发效率最高。

上线以后：

OpenSandboxSkillRuntime

每一个任务自动创建独立 Sandbox。

任务结束立即销毁。

如果企业已经部署了字节 AIO Sandbox：

AioSandboxSkillRuntime

可以直接接入已有沙箱环境。

开发代码不用改。

Skill 不用改。

只需要切换 Runtime。

开发体验和生产安全，不必二选一。

---

Skill，也第一次拥有了企业级发布能力。

单机时代，

Skill 放在本地目录即可。

但是到了 Kubernetes 或者分布式部署，

几十个 Pod （或服务器实例节点）同时运行。

本地目录已经不再可靠。

因此，

我们同时发布了：

SkillArtifactStore

Skill 可以打包成 Artifact。

上传对象存储。

节点自动下载。

自动校验。

自动缓存。

自动解压。

目前已经支持：

• 阿里 OSS

• 腾讯 COS

• 华为 OBS

• 火山 TOS

同时也非常容易扩展到 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 真正走向企业部署的重要一步。

---

从开发电脑，到生产集群，一条链路全部打通。

整个升级过程非常简单。

本地开发：

Local Runtime

上线：

OpenSandbox Runtime

企业部署：

Skill Artifact Store

业务代码几乎不用修改。

Skill 不用修改。

Runtime 一切换，

开发环境就变成了生产环境。

---

为什么我们说，这是 Java Agent 最后一块拼图？

因为过去几年，

大家一直在完善：

Agent 如何思考。

而今天，

我们终于开始完善：

Agent 如何执行。

这是两个完全不同的阶段。

过去，

Agent 的价值来自回答。

未来，

Agent 的价值来自交付。

会聊天的 Agent 已经很多了。

真正能够稳定、安全、可重复交付结果的 Agent，才刚刚开始。

---

Agents-Flex Skill Runtime 正式发布！

从 Prompt，到 Runtime。

从回答，到交付。

从 Demo，到生产。

我们希望补上的，不只是一个新功能。

而是 Java Agent 生态一直缺失的一层：

Agent Runtime。

如果你正在使用 Java 构建企业级 Agent，现在就挑一个团队每天都在重复执行的业务流程——

经营周报、合同审核、代码扫描、数据分析、文档生成……

把模板、脚本、规则、验收流程交给 Agents-Flex。

让 Agent 第一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。

---

⭐ GitHub：https://github.com/agents-flex/agents-flex

⭐ Gitee：https://gitee.com/agents-flex/agents-flex

📖 文档：https://agentsflex.com