此次官方发布的 Spring AI Alibaba OpenManus 实现，包含完整的多智能体任务规划、思考与执行流程，可以让开发者体验 Java 版本的多智能体效果。它能够根据用户的问题进行分析，操作浏览器，执行代码等来完成复杂任务等。
01
效果展示
话不多说，先看运行效果，以下是我们通过几个实际问答记录展示的 Spring AI Alibaba OpenManus 实际使用效果。
02
总体架构与原理
Spring AI Alibaba Openmanus 与 Python 版本 OpenManus 设计理念相似，其总体架构如下图所示。
分析上图架构，我们可以把它看作是一款多 Agent 智能自动协作实现，其中：
Planning Agent 负责任务的分解与规划，将用户问题拆解成几个可顺序执行的 step。planning agent 调用 planning tool 动态生成一个串行的 Manus Agent 子工作流。 多个 Manus Agent 组成一个链式、可顺序依次执行的子工作流。子工作流中的每个 agent 对应上述规划的一个 step，每个 agent 都是一个 ReAct 架构设计，即通过多轮 Tool 调用完成具体子任务。 Summary Agent 用来做最后的任务总结。
03
实现总结与展望
Spring AI Alibaba OpenManus 实现中的问题
当前的 OpenManus 实现主要有如下问题：
仓库中 80% 代码都在解决流程编排问题，入串联 manus agent 子流程、做消息记忆、转发工具调用、全局状态修改等，这部分工作可以交给高度抽象的 agent 框架实现，以简化开发复杂度。 工具的覆盖度与执行效果一般，如浏览器使用、脚本执行工具等。 规划及工作流程中无法人为介入进行 review、动态修改、回退等动作。 当前 OpenManus 实现的效果调试相对比较困难。
Spring AI Alibaba 未来规划与解决方案
Spring AI Alibaba 是面向 Java 开发者的开源 AI 应用开发框架，它与 Spring 生态完美适配，可以基于 Spring AI Alibaba 构建全新的 AI 应用，也可以使用它为传统 Spring Boot 应用做智能化升级。
从上图我们可以看出，除了框架原子抽象之外，Spring AI Alibaba 重点规划了 multi-agent 框架，配套生态如可视化评估平台、调试 Studio 等。
接下来，我们将会发布 Spring AI Alibaba Graph 多 agent 框架，以及基于 Spring AI Alibaba Graph 的强化版 OpenManus 实现，预期代码量将比当前减少 70% 以上，整体易读性与效果大幅提升，让开发者可以此为基础构建面向任意场景的智能体应用。
目前 Spring AI Alibaba 已经支持 MCP 工具接入，解析来我们将为 OpenManus 接入更成熟的 MCP server 实现，以提升整体工作表现。
