JoyAgent-JDGenie Backend 核心调用流程分析

caicongyang

882人浏览 · 2026-01-05 20:05:38

caicongyang · 2026-01-05 20:05:38 发布

JoyAgent-JDGenie Backend 核心调用流程分析

项目概述

Genie-Backend 是一个基于多智能体架构的任务处理系统，采用 Spring Boot 框架构建。系统支持两种主要的任务处理模式：Plan-Solve模式（规划-执行模式）和 ReAct模式（推理-行动模式），能够通过工具调用和LLM交互来完成复杂任务。

系统架构概览

详细调用流程

1. 请求入口层

1.1 主要API接口

GenieController 是系统的主要入口点，提供两个核心接口：

/AutoAgent - 直接的智能体调度接口
/web/api/v1/gpt/queryAgentStreamIncr - 通过服务层的间接调用接口

@PostMapping("/AutoAgent")
public SseEmitter AutoAgent(@RequestBody AgentRequest request)

@RequestMapping("/web/api/v1/gpt/queryAgentStreamIncr")
public SseEmitter queryAgentStreamIncr(@RequestBody GptQueryReq params)

1.2 请求处理初始化

2. 核心处理层

2.1 AgentHandlerFactory - 处理器工厂

职责：根据请求类型和Agent类型选择合适的处理器

public AgentHandlerService getHandler(AgentContext context, AgentRequest request) {
    for (AgentHandlerService handler : handlerMap.values()) {
        if (handler.support(context, request)) {
            return handler;
        }
    }
    return null;
}

支持的处理器类型：

PlanSolveHandlerImpl - 处理AgentType=3的规划解决模式
ReactHandlerImpl - 处理AgentType=5的反应模式

2.2 PlanSolveHandlerImpl - 规划解决处理器

核心特点：采用规划-执行-总结的三阶段架构

关键流程：

规划阶段：PlanningAgent 分析任务，生成步骤计划
执行阶段：ExecutorAgent 逐步执行计划中的任务
总结阶段：SummaryAgent 整理执行结果并生成最终报告

2.3 ReactHandlerImpl - ReAct处理器

核心特点：基于推理-行动循环的单一智能体模式

3. 智能体执行层

3.1 Agent继承体系

3.2 核心Agent执行流程

BaseAgent.run() 方法是所有Agent的核心执行入口：

public String run(String query) {
    setState(AgentState.IDLE);
    updateMemory(RoleType.USER, query, null);
    
    while (currentStep < maxSteps && state != AgentState.FINISHED) {
        currentStep++;
        String stepResult = step(); // 调用具体Agent的step实现
        results.add(stepResult);
    }
    return results.get(results.size() - 1);
}

ReActAgent 的 Think-Act 循环：

4. 工具系统层

4.1 ToolCollection - 工具集合管理

职责：统一管理系统中的所有工具，包括内置工具和MCP工具

public class ToolCollection {
    private Map<String, BaseTool> toolMap;      // 内置工具
    private Map<String, McpToolInfo> mcpToolMap; // MCP工具
    
    public Object execute(String name, Object toolInput) {
        if (toolMap.containsKey(name)) {
            return getTool(name).execute(toolInput);
        } else if (mcpToolMap.containsKey(name)) {
            // 执行MCP工具
            return mcpTool.callTool(toolInfo.getMcpServerUrl(), name, toolInput);
        }
    }
}

4.2 核心工具类型

5. LLM交互层

5.1 LLM类 - 语言模型接口

核心功能：

支持多种LLM模型配置
工具调用能力
流式响应处理
Token计数管理

public CompletableFuture<ToolCallResponse> askTool(
    AgentContext context,
    List<Message> messages,
    Message systemMessage,
    ToolCollection tools,
    ToolChoice toolChoice,
    String streamType,
    boolean isStream,
    int maxTokens
)

5.2 消息流处理

6. 流式输出层

6.1 SSE流式处理

系统采用 Server-Sent Events (SSE) 技术实现实时流式输出：

// 心跳机制
private ScheduledFuture<?> startHeartbeat(SseEmitter emitter, String requestId) {
    return executor.scheduleAtFixedRate(() -> {
        emitter.send("heartbeat");
    }, HEARTBEAT_INTERVAL, HEARTBEAT_INTERVAL, TimeUnit.MILLISECONDS);
}

// 消息发送
public class SSEPrinter implements Printer {
    public void send(String type, Object content) {
        // 构建响应消息
        AgentResponse response = AgentResponse.builder()
            .responseType(type)
            .content(content)
            .build();
        sseEmitter.send(response);
    }
}

完整任务执行示例

以一个具体的任务为例，展示完整的调用流程：

任务：分析某个Excel文件中的销售数据并生成报告

核心组件职责总结

组件	主要职责	关键特性
GenieController	请求入口和流式输出管理	SSE连接、心跳机制、异步处理
AgentHandlerFactory	处理器选择和分发	基于AgentType的动态路由
PlanSolveHandlerImpl	规划解决模式协调	三阶段处理、并发执行支持
ReactHandlerImpl	ReAct模式处理	简化的单Agent处理流程
PlanningAgent	任务规划和计划管理	动态计划更新、步骤状态跟踪
ExecutorAgent	具体任务执行	工具调用、并发执行、数字员工
SummaryAgent	结果总结和整理	智能总结、文件整理
ToolCollection	工具集合管理	内置工具、MCP工具、动态扩展
LLM	语言模型交互	多模型支持、流式处理、Token管理
AgentContext	上下文信息管理	状态保持、信息传递