企业官网建设流程全解析

1. 写在前面

为了后续的学习，我们先来看两个概念，ReActAgent和HarnessAgent。

Agent（接口位于io.agentscope.core.agent.Agent，默认实现是ReActAgent）是 AgentScope 的核心抽象——一个推理-行动循环引擎，将模型、工具、权限系统、人机交互、上下文管理、中间件、状态管理和事件系统整合到一个统一接口中。

HarnessAgent是ReActAgent的一层薄包装，把长期运行 agent 必备的工程能力打包进单一 builder：工作区驱动的人格、长期记忆、子 agent 编排、沙箱隔离、技能装配、计划模式、Channel 路由。裸的ReActAgent只解决”一次请求 → 推理 → 工具 → 回复”。Harness 要回答的是另一组问题：下一轮怎么接着上一轮、上下文如何保持有界、多用户如何隔离、危险操作如何先 review 再执行、可复用能力如何沉淀。

有点类似于Deep Agents和LangChain的关系，HarnessAgent是针对ReActAgent的进一步包装。

整体的学习路线，我们将快速的过一遍ReActAgent的知识点，然后核心放到HarnessAgent。

2. ReActAgent配置介绍

上一篇搭建了一个简单的demo。那么这一篇我们一起看看ReActAgent具体有哪些参数和配置。

参数说明

有一些基础的参数我们就不展开赘述了。这里先大体一览，后面我们会逐渐介绍。

本篇所有的代码，下面会用到，不再一一贴了：

packagecom.maple.agent.demo;importcom.maple.agent.MapleAgentApplication;importcom.maple.agent.config.OpenAiModelConfig;importio.agentscope.core.ReActAgent;importio.agentscope.core.event.*;importio.agentscope.core.message.*;importio.agentscope.extensions.model.openai.OpenAIChatModel;importorg.springframework.boot.SpringApplication;importorg.springframework.context.ConfigurableApplicationContext;publicclassReActAgent_02{publicstaticvoidmain(String[]args){// 为了方便提及代码，不暴露隐私信息，密钥放到application-pro.yml中ConfigurableApplicationContextctx=SpringApplication.run(MapleAgentApplication.class,args);OpenAiModelConfigprops=ctx.getBean(OpenAiModelConfig.class);OpenAIChatModelmodel=OpenAIChatModel.builder().baseUrl(props.getBaseUrl()).apiKey(props.getApiKey()).modelName(props.getModelName()).stream(true).build();ReActAgentagent=ReActAgent.builder().name("笑小枫的学习助手").model(model).sysPrompt("你是笑小枫的学习助手，可以帮助用户快速学习使用AgentScope开发智能体。").build();// call(agent);streamEvents(agent);}// 多模态消息，直接返回结果privatestaticvoidcall(ReActAgentagent){UserMessageuserMessage=newUserMessage("user",TextBlock.builder().text("这张图片是什么？").build(),DataBlock.builder().source(URLSource.builder().url("https://image.xiaoxiaofeng.site/blog/image/image-20260719154443011.png?xiaoxiaofeng").build()).build());Msgreply=agent.call(userMessage).block();System.out.println(reply.getTextContent());}// 流式返回结果privatestaticvoidstreamEvents(ReActAgentagent){agent.streamEvents(newUserMessage("user","帮我制定学习计划")).doOnNext(event->{if(eventinstanceofAgentStartEventstart){System.out.println("[start replyId="+start.getReplyId()+"]");}elseif(eventinstanceofTextBlockDeltaEventdelta){System.out.print(delta.getDelta());}elseif(eventinstanceofAgentEndEventend){System.out.println("\n[完成]");}}).blockLast();}// 演示执行事件，流式返回结果privatestaticvoidstreamEvents2(ReActAgentagent){StringBuilderaccumulated=newStringBuilder();agent.streamEvents(newUserMessage("user","你是谁？")).doOnNext(event->{if(eventinstanceofAgentStartEventstart){System.out.println("[start replyId="+start.getReplyId()+"]");}elseif(eventinstanceofThinkingBlockStartEventthinkingBlockStartEvent){System.out.println("[思考开始 replyId="+thinkingBlockStartEvent.getReplyId()+"]");}elseif(eventinstanceofThinkingBlockDeltaEventthinkingBlockDeltaEvent){System.out.println("[思考内容 ="+thinkingBlockDeltaEvent.getDelta()+"]");}elseif(eventinstanceofThinkingBlockEndEventthinkingBlockEndEvent){System.out.println("[思考完成 replyId="+thinkingBlockEndEvent.getReplyId()+"]");}elseif(eventinstanceofTextBlockDeltaEventdelta){accumulated.append(delta.getDelta());}elseif(eventinstanceofToolCallStartEventtc){System.out.println("[tool] "+tc.getToolCallName());}elseif(eventinstanceofToolResultEndEventend){System.out.println("[tool result state="+end.getState()+"]");}elseif(eventinstanceofAgentEndEventend){System.out.println("\n[end] full text:\n"+accumulated);}}).blockLast();}}

3. 消息类型

Msg（位于io.agentscope.core.message）代表对话中的一个轮次——用户输入、智能体回复或系统指令，内容以有序的类型化块（ContentBlock）列表表示。

Msg类的核心字段（getter）如下：

通过断点图，可以比较直观的看到上面的内容。

内容块

消息内容由类型化的块组成，每种块代表一类独立信息。块类位于io.agentscope.core.message：

我们用到的比较多的也就是前面两个，看一下怎么使用：

privatestaticvoidcall(ReActAgentagent){UserMessageuserMessage=newUserMessage("user",TextBlock.builder().text("这张图片是什么？").build(),DataBlock.builder().source(URLSource.builder().url("https://image.xiaoxiaofeng.site/blog/image/image-20260719154443011.png?xiaoxiaofeng").build()).build());Msgreply=agent.call(userMessage).block();System.out.println(reply.getTextContent());}

返回的结果如下：

关于ThinkingBlock和Tool相关(后面讲到工具再说)的消息，只有在streamEvents方式中能更好的体现。

4. 输出方式

我们上一篇演示的demo，直接返回了结果，如果我们想要打字机的那种展示怎么做呢，这里我们详细的讲一讲

• call

call在内部消费所有事件，当智能体完成或因外部交互暂停时返回最终Msg。

• streamEvents

  构建流式输出。streamEvents逐一产出AgentEvent对象，让你实时将文本输出、工具调用进度和生命周期事件流式传输给用户。

5. 执行事件

在上面我们看到了各种执行过程中的事件，事件是消息的流式对应物。每种类型的事件，都遵循start → delta → end模式。

其中delta可能产生多次，属于增量内容片段。

关于事件的执行顺序和生命周期，这里就不展开了，可以前往AgentScope官网查看。

https://java.agentscope.io/v2/zh/docs/building-blocks/message-and-event

6. 本章小结

本篇围绕ReActAgent展开，主要讲了三件事：

1. 概念区分：ReActAgent是 AgentScope 的核心抽象，负责“一次请求 → 推理 → 工具 → 回复”的循环；HarnessAgent是它的薄包装，额外打包了工作区、长期记忆、子 agent、沙箱等工程能力。

2. 消息体系：Msg代表对话中的一个轮次，由有序的ContentBlock组成。常用的有TextBlock（文本）和DataBlock（图片/音频/视频等多模态数据），此外还有ThinkingBlock（思维链）、ToolUseBlock/ToolResultBlock（工具调用与结果）、HintBlock（注入指令）。

3. 输出方式和执行事件：call会内部消费所有事件，等智能体完成或暂停后返回最终Msg，适合一次性拿结果；streamEvents则逐一产出AgentEvent，遵循start → delta → end模式，适合打字机式的实时展示。

本篇就到这里了，下一篇会深入介绍下ReActAgent的Middleware的扩展能力。

本系列源码https://gitee.com/hack-feng/maple-agent-demo