Agents-Flex 对比 Spring AI
概述
Spring AI 是 Java AI 生态中重要的框架。它把模型、RAG、 Tool Calling 和 MCP 带入 Spring Boot，并提供 Fluent ChatClient、Advisor、结构化输出、Micrometer Observation 以及大量模型和向量库适配。
Agents-Flex 与 Spring AI 的目标并不完全相同。Spring AI 重点解决“如何在 Spring 应用中使用 AI”； Agents-Flex 除了提供模型接入，还继续解决“如何构建能够长期运行、恢复和治理的 Java AI 应用与 Agent”。
因此，Agents-Flex 不仅有 ChatModel、Tool 和 RAG，还把模型高可用、可恢复 Agent、审批表单、OCR、 视频生成、通用异步任务、Worker Lease、Skills Runtime、Sandbox 和执行级遥测路由纳入同一套框架。
先看结论
两者不是简单的替代关系。选择时应先看应用的运行环境和最难解决的问题，而不是只比较 Provider 数量。
| 你的主要需求 | 更适合的选择 | 原因 |
|---|---|---|
| 已有 Spring Boot 系统，需要快速接入模型、Tool Calling 或 RAG | Spring AI | 自动配置、Fluent ChatClient、结构化输出、Advisor、Actuator 和 Spring 生态集成更成熟 |
| 希望核心能力不依赖 Spring，运行在普通 Java 或其他 JVM 框架中 | Agents-Flex | 核心保持独立，同时提供可选的 Spring Boot Starter |
| 需要更多国际模型与向量数据库的开箱适配 | Spring AI | Provider 和 Vector Store 的覆盖范围更广 |
| 需要 Agent 跨请求、跨进程暂停和恢复 | Agents-Flex | Agent Turn、快照、版本 CAS、审批和恢复是一等运行时能力 |
| 需要模型节点负载均衡、故障转移和熔断恢复 | Agents-Flex | ChatModel 与 EmbeddingModel 均有对业务透明的高可用路由 |
| 需要 OCR、视频生成等国内多模态服务 | Agents-Flex | 提供统一模型抽象和百度智能云、Gitee AI、MinerU、阿里云、火山引擎等适配 |
| 需要治理供应商长任务的 QPS、账号并发、租户配额和调度顺序 | Agents-Flex | 通用异步任务模块内置持久化、Worker 领取、重试以及调度与准入控制 |
如果系统的主要边界就是 Spring Boot，Spring AI 通常能以更少的配置完成基础 AI 集成；如果应用的复杂度 集中在长任务、分布式执行、多租户治理、模型高可用或可恢复 Agent，Agents-Flex 提供了更完整的运行时。
如何理解表格中的“不支持”
本文的“不支持”是指在上述版本和核对范围内，没有发现框架直接提供的对等抽象或开箱实现；不代表应用 无法通过 Spring Bean、自定义 Tool、定时任务或第三方组件自行实现。随着双方版本演进，具体能力应以 对应版本的官方文档和代码为准。
基础对话 ChatModel 对比
Agents-Flex 和 Spring AI 都提供统一 ChatModel，都支持 Prompt、Message、同步调用、流式响应、Tool Calling 和多模型 Provider。差异主要在运行依赖、高层 API、协议扩展方式和结构化输出。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的对话模型接口 | 整体支持。agents-flex-core 提供 ChatModel，chat() 与 chatStream() 均可接收 String 或 Prompt | 整体支持。ChatModel 提供 call() 与 stream()，流式结果使用 Flux<ChatResponse> |
| 多模型厂商接入 | 整体支持。agents-flex-chat-* 已适配 OpenAI、DeepSeek、Qwen、Ollama、LiteLLM 及 OpenAI 兼容服务 | 整体支持且 Provider 更多。包括 OpenAI、Anthropic、DeepSeek、Google、Bedrock、Ollama、Mistral 等 |
| 不依赖 Spring Framework 独立运行 | 整体支持。核心不依赖 Spring，大部分主要模块支持 Java 8，可用于普通 Java 及其他 JVM 框架 | ❌ 不支持 |
| 对话消息与记忆管理 | 整体支持。提供统一 Prompt/Message、MemoryPrompt、ChatMemory 以及可替换的 Store | 整体支持。提供 Prompt、Message、ChatMemory，以及 JDBC、Redis、MongoDB、Neo4j、Cassandra Repository |
| 同步与流式对话统一拦截 | 整体支持。ChatInterceptor 与 ChatContext 共享请求上下文，可修改 Prompt、Options 和请求规格 | 整体支持。Call/Stream Advisor 与 ChatClientRequest.context 提供相近的请求增强能力 |
| 分别替换请求构建、传输与响应解析 | 整体支持。ChatRequestSpecBuilder、ChatClient、AiMessageParser 形成清晰的三层协议扩展边界 | ⚠️ 部分支持。模型实现和 HTTP Client 可以扩展，但没有完全相同的三层协议适配边界 |
| 模型结构化输出 | 部分支持。responseFormat 支持 json_object 与 json_schema，结果通常由业务反序列化 | 整体支持且更完整。ChatClient.entity(...)、Converter、原生 Schema 与校验重试可直接映射 POJO |
| Spring Boot 开箱即用集成 | 整体支持。agents-flex-spring-boot-starter 提供可选集成，同时保持核心框架独立 | 整体支持且更深入。自动配置、Starter、Actuator、Testcontainers 与 Spring DSL 是其强项 |
Agents-Flex 的最小调用不需要容器：
ChatModel chatModel = OpenAIChatConfig.builder()
.endpoint("https://api.openai.com")
.apiKey(System.getenv("OPENAI_API_KEY"))
.model("gpt-4o")
.buildModel();
String answer = chatModel.chat("什么是 Tool Calling？");Spring AI 的 ChatClient 在 Fluent API 和 POJO 结构化输出方面更完整；Agents-Flex 的优势是核心更轻、 运行环境更自由，并且 ChatModel 可以原样进入后续的模型路由和可恢复 Agent 运行时。
Tool 扩展对比
两边都能把 Java 方法转换为模型工具，也都能自动推进模型与工具的调用循环。Agents-Flex 进一步把 Tool 执行放入独立的 ToolExecutor、ToolInterceptor 与 Agent 状态机，使鉴权、审批、观测、错误策略和恢复 不会散落在业务方法中。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 完整的工具调用数据模型与执行闭环 | 整体支持。agents-flex-core 以 Tool、ToolCall、ToolMessage 统一描述工具定义、模型请求、执行结果与消息回传 | 整体支持。ToolCallback、ToolCallingManager 与 ToolResponseMessage 提供完整闭环 |
| 注解声明和运行时动态创建工具 | 整体支持。ToolScanner 支持注解扫描，Tool.builder() 支持动态构建 | 整体支持。支持 @Tool、方法回调、Function 以及动态 ToolCallback |
| 独立的工具执行拦截链 | 整体支持。ToolExecutor 与 ToolInterceptor 提供独立执行上下文和责任链，便于统一鉴权、审计与错误处理 | ⚠️ 部分支持。ToolCallingAdvisor 和 Observation 可以扩展执行，但没有完全相同的独立 ToolInterceptor 分层 |
| Tool 调用次数限制 | 整体支持。AgentBudget.maxToolCalls 限制一次 Agent Turn 的业务 Tool 调用总数，计数随快照持久化，恢复后继续生效 | 整体支持且粒度更细。ToolCallLimits 可分别限制单个 Tool 和当前 Turn 的总调用次数，并配置超限后抛出异常或返回错误响应 |
| Tool 异常处理策略 | 整体支持。ToolErrorStrategy 可选择终止 Agent Turn，或把结构化错误作为原 ToolCall 的结果交回模型；错误消息还可通过 ToolErrorMessageFactory 定制 | 整体支持。ToolExecutionExceptionProcessor 可将错误消息交回模型，也可整体抛出或按异常类型选择性重新抛出 |
| Tool 返回值转换为模型消息 | 整体支持。Agent 自动把标量转换为文本、把结构化 Java 对象序列化为 JSON，并生成与原 ToolCall 关联的 ToolMessage | 整体支持且可替换。默认转换常见 Java 返回值，并可为方法 Tool 指定自定义 ToolCallResultConverter |
| Tool 结果直接返回调用方，不再请求模型 | ❌ 不支持 | 整体支持。returnDirect 可跳过后续模型调用，直接把 Tool 执行结果作为本次调用结果返回 |
| 运行时按名称动态解析 Tool | 整体支持。AgentToolResolver 可依据当前 Turn 中已持久化的租户、权限或 ToolSearch 激活状态解析可执行 Tool | 整体支持。ToolCallbackResolver 支持静态、委托及应用自定义解析实现，由 ToolCallingManager 按名称查找 ToolCallback |
| 不暴露给模型的 Tool 执行上下文 | 整体支持。ToolContext 可传递调用属性；Agent 进一步提供稳定 Turn/ToolCall 身份、幂等键、恢复表单数据、进度发布器和取消检查 | 整体支持。默认和请求级 ToolContext 可合并上下文数据，并注入声明了该参数的 Tool 方法 |
| 扩展模型可见的 Tool 参数 Schema | ❌ 不支持 | 整体支持。AugmentedToolCallback 可用 Record 为现有 Tool Schema 增加结构化参数，并在委托执行前消费或移除扩展参数 |
| Tool 执行进度事件 | 整体支持。业务 Tool 可通过 AgentToolProgressEmitter 发布文本和结构化进度，统一转换为带 Turn 与 ToolCall 身份的 Agent 事件 | ❌ 不支持 |
| 常用 Agent 工具集 | 整体支持。提供 TodoWrite、WebFetch，以及基于 SkillRuntime 的 Shell、文件、Glob 和 Grep 等工具 | 整体支持。提供 Shell、文件、Glob、Grep、TodoWrite 和 WebFetch 等工具 |
| Subagent Tool | 通过独立模块支持。agents-flex-subagent 提供通用后台任务执行与结果获取 Tool，不属于 agents-flex-agent 的内置规划能力 | 整体支持。TaskTool 可同步或后台启动 Subagent，并通过 TaskOutput 查询结果和恢复已有 Agent；默认任务状态保存在进程内 |
| AutoMemory Tool | ❌ 不支持 | 整体支持。AutoMemoryTools 与 AutoMemoryToolsAdvisor 提供基于文件的长期记忆创建、读取、更新、删除和上下文注入 |
| 后台 Shell 任务及输出管理 | ❌ 不支持 | 整体支持。ShellTools 可在后台启动命令，通过 BashOutput 增量读取输出，并使用 KillShell 终止进程 |
| 可持久化的工具审批与表单 | 整体支持。审批、拒绝和表单等待都能挂起并持久化到 AgentTurn，可跨请求、跨进程恢复 | ❌ 不支持 |
Spring AI 的 ToolCallback 层在结果转换、returnDirect、参数增强和现成工具集方面更加丰富。Agents-Flex 的重点则是让 Tool 不只完成一次函数调用：调用身份、预算计数、审批决定、恢复输入、执行进度和错误结果都进入统一的 Agent Turn，并能随快照跨请求、跨进程继续执行。
Web Search 对比
agents-flex-websearch 不是绑定某一个搜索引擎的单一 Tool，而是一套可扩展的 Web Search 抽象。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| Tavily Web Search | 整体支持。agents-flex-websearch 提供 TavilySearchProvider | ❌ 不支持 |
| Brave Web Search | 整体支持。agents-flex-websearch 提供 BraveSearchProvider | 整体支持。提供 Brave Web Search Tool |
| Anthropic 原生 Web Search | ❌ 不支持 | 整体支持。AnthropicWebSearchTool 可为 Claude 启用原生联网搜索，并配置允许或禁止的域名、最大调用次数和用户位置 |
| 博查 Web Search | 整体支持。agents-flex-websearch 提供 BochaSearchProvider | ❌ 不支持 |
| 百度千帆 Web Search | 整体支持。agents-flex-websearch 提供 BaiduQianfanSearchProvider | ❌ 不支持 |
| Firecrawl Web Search | 整体支持。agents-flex-websearch 提供 FirecrawlSearchProvider | ❌ 不支持 |
| 与搜索厂商无关的统一结果模型 | 整体支持。不同 Provider 的响应统一转换为 SearchResult，上层代码无需绑定厂商协议 | ⚠️ 部分支持。Brave Tool 使用自身结果模型，尚未形成多 Provider 抽象 |
| 直接进入 Agent 工具执行链 | 整体支持。Web Search 作为标准 Tool，可进入 ToolInterceptor、Agent 运行时和可观测链 | 整体支持。可作为 Spring AI ToolCallback 进入工具调用流程 |
Web Fetch 对比
Agents-Flex 的 Web Fetch 不是单一 HTTP 请求实现。WebFetchTool 先尝试直接抓取，在内容为空或过短时， 再交给可插拔的 WebReaderProvider 链路处理。当前框架内置 HTTP 和 Jina Reader 两个 Provider，也允许 业务接入浏览器渲染、Firecrawl、Browserless 或内部网页解析服务。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 可直接交给模型使用的网页获取工具 | 整体支持。agents-flex-tool-webfetch 提供 WebFetchTool | 整体支持。提供 SmartWebFetchTool |
| 可插拔的网页读取 Provider 抽象 | 整体支持。WebReaderProvider 统一定义支持判断、静态评分与正文读取接口 | ❌ 不支持 |
| 直接 HTTP 网页读取 | 整体支持。HttpReaderProvider 适合静态网页、JSON API 和开放文档 | 整体支持。SmartWebFetchTool 内部使用 Java HttpClient 直接抓取 |
| Jina Reader 网页提取 | 整体支持。JinaReaderProvider 可通过 r.jina.ai 提取正文并去除页面噪音 | ❌ 不支持 |
| 自定义网页读取实现 | 整体支持。实现 WebReaderProvider 即可接入浏览器渲染、Firecrawl、Browserless 或内部解析服务 | ❌ 不支持 |
| 多 Reader Provider 自适应路由 | 整体支持。AdaptiveWebReaderRouter 根据 URL 支持情况和 Provider 评分排列候选 | ❌ 不支持 |
| 根据历史成功率动态调整 Provider 优先级 | 整体支持。AdaptiveScoreEngine 记录成功与失败次数，并将历史表现加入实时评分 | ❌ 不支持 |
| Reader 失败后的跨 Provider 自动降级 | 整体支持。当前 Provider 失败或返回空内容时自动尝试下一个候选 | ❌ 不支持 |
| HTML 清洗并转换为 Markdown | 整体支持。移除 Script、Style 后通过 Flexmark 转换，并执行长度限制 | 整体支持。通过 Flexmark 转换并执行长度限制 |
| 返回可复用的 Markdown 网页正文 | 整体支持。返回经过清洗并受 maxContentLength 限制的 Markdown 正文，后续可以由 Agent、RAG 或 Skill 重复使用；默认最多保留 100,000 个字符 | ⚠️ 部分支持。抓取后必须调用 ChatClient 按 Prompt 生成摘要，返回结果绑定本次问题并产生额外模型调用 |
| 缓存与瞬时故障重试 | 整体支持。提供 15 分钟 LRU 缓存，并对 429、5xx 等错误重试 | 整体支持。提供 15 分钟缓存，并对网络错误和 5xx 执行指数退避重试 |
| 抓取前的域名安全检查 | ⚠️ 部分支持。校验 URL、Host 以及 HTTP/HTTPS 协议，没有内置远程域名信誉检查 | 整体支持。可选调用 Claude Domain Info API，并配置检查失败时放行或拒绝 |
| 抓取任务的审批、恢复与追踪 | 整体支持。执行可经过 ToolInterceptor、Agent 审批、错误策略与 OpenTelemetry Trace | ⚠️ 部分支持。支持缓存、重试和 Tool Observation；跨请求审批及恢复仍需业务实现 |
| 网页内容进入隔离的 Skill 工作空间 | 整体支持。抓取结果可进入 SkillRuntime Workspace，并继续参与文件处理与产物发布 | ❌ 不支持 |
ToolSearch 对比
ToolSearch 解决工具数量过多时的上下文膨胀问题：模型先搜索工具，再把命中的 Tool Schema 加入当前请求。 Agents-Flex 的默认实现强调轻量、丰富元数据和可恢复 Agent 集成；Spring AI 则提供了更多开箱即用的索引实现。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 开箱即用的工具搜索机制 | 整体支持。agents-flex-toolsearch 提供 ToolSearchTool、Provider 与请求级拦截器 | 整体支持。提供 Tool Search Tool、ToolSearchToolCallingAdvisor、自动配置和 Starter |
| 按需披露 Tool Schema | 整体支持。只有搜索命中的 Tool 才进入当前模型请求，减少上下文和无关工具干扰 | 整体支持。Tool Search Advisor 实现相同目标 |
| 无需 Embedding 的默认词法搜索 | 整体支持。InMemoryToolSearchProvider 对 Tool 元数据执行进程内加权搜索，无需部署外部索引 | 整体支持。RegexToolIndex 对名称和摘要执行不区分大小写的词法匹配 |
| 名称、描述、分类、标签与参数联合检索 | 整体支持。默认 Provider 会对名称、描述、分类、标签及嵌套参数名称和描述分别加权 | ⚠️ 部分支持。内置索引主要检索 Tool 名称与摘要，ToolReference 不包含对等的标签、参数树和业务元数据模型 |
| Lucene 全文 Tool 索引 | ❌ 不支持 | 整体支持。LuceneToolIndex 使用进程内 Lucene 索引和 StandardAnalyzer 执行全文检索 |
| 基于 VectorStore 的 Tool 语义搜索 | ❌ 不支持 | 整体支持。VectorToolIndex 将 Tool 描述写入 Spring AI VectorStore，按语义相似度召回工具 |
| 替换工具搜索后端 | 整体支持。实现 ToolSearchProvider 可接入数据库、Lucene、Elasticsearch 或向量检索服务 | 整体支持。可实现 ToolIndex 接入其他索引或检索策略 |
| Tool 元数据与本地执行函数分离 | 整体支持。ToolSearchManager 只把 ToolInfo 交给 Provider，搜索命中后再按名称解析进程内 Tool，无需序列化执行回调 | 整体支持。ToolIndex 保存 ToolReference，Advisor 负责将命中引用解析为可执行 ToolCallback |
| 搜索目录的会话隔离 | 整体支持。普通对话使用当前 Prompt 快照，Agent 按 Turn 保存已激活工具，不修改共享 Prompt | 整体支持。ToolIndex 按 sessionId 建立和查询隔离索引 |
| 会话 Tool 索引自动淘汰 | ❌ 不支持 | 整体支持。提供 TTL、LRU、Always、Never 和组合淘汰策略，可清理过期会话索引 |
| 普通对话接入 ToolSearch | 整体支持。ToolSearchChatInterceptor 同时覆盖同步与流式 ChatModel 请求 | 整体支持。ToolSearchToolCallingAdvisor 可接入 ChatClient Advisor 链 |
| ToolSearch 状态随 Agent 持久化和恢复 | 整体支持。ToolSearchAgentMiddleware 将已激活 Tool 名称写入 AgentTurn Metadata，并随 Snapshot 保存和恢复 | ❌ 不支持 |
Spring AI 在内置索引种类上更丰富，尤其适合直接使用 Lucene 或 VectorStore 进行 Tool 召回的应用。 Agents-Flex 的默认搜索更轻量，可检索的 Tool 元数据更丰富，并且搜索结果能够成为可持久化 Agent 执行状态的一部分。
ToolGroup 对比
ToolGroup 把一组 Tool、配套 System Prompt 和 Matcher 组合成可按请求启用的能力单元。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 工具、使用说明和启用规则封装为能力组 | 整体支持。ToolGroup 将 Tool、System Prompt 与 Matcher 一起管理，避免工具和提示词脱节 | ❌ 不支持 |
| 按请求上下文自动启用工具组 | 整体支持。Matcher 可根据最新用户消息或自定义 Context 决定本次请求启用哪些能力 | ❌ 不支持 |
| 动态工具组的请求隔离 | 整体支持。匹配结果只作用于当前 Prompt，不修改 ChatModel 的共享配置 | ❌ 不支持 |
Text2SQL 对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 可直接使用的 Text2SQL 模块 | 整体支持。agents-flex-text2sql 提供从 Schema 探索、SQL 生成到查询执行的完整工具链 | ❌ 不支持 |
| 数据库 Schema 渐进披露 | 整体支持。先发现相关表，再按需读取字段，避免将全库结构一次性塞入 Prompt | ❌ 不支持 |
| 面向大模型生成 SQL 的安全治理 | 整体支持。提供参数化 SQL、只读校验、LIMIT、租户隔离与审计拦截器 | ❌ 不支持 |
MCP 能力对比
MCP 让 Agent 可以通过标准协议发现和调用外部工具。Agents-Flex 当前聚焦 MCP Client， 将多个外部 MCP Server 的工具统一转换为框架 Tool；Spring AI 除了客户端，还提供了 完整的 MCP Server 与 Spring Boot 集成。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| MCP Client | 整体支持。agents-flex-mcp 提供 McpClientManager，可统一管理多个本地或远程 MCP Server | 整体支持。提供标准与 WebFlux MCP Client Starter，支持管理多个命名连接 |
| Stdio Client 传输 | 整体支持。可启动并连接本地 MCP Server 进程 | 整体支持。提供 Stdio Client Transport 与 Starter 配置 |
| HTTP/SSE Client 传输 | 整体支持。提供 HttpSseTransportFactory | 整体支持。提供 JDK HttpClient 与 WebFlux SSE Client Transport |
| Streamable HTTP Client 传输 | 整体支持。提供 HttpStreamTransportFactory | 整体支持。提供 HttpClient、WebFlux 以及 Stateless Streamable HTTP Client |
| MCP Tool 转换为框架统一工具 | 整体支持。远程 Tool Schema 会转换为 Agents-Flex Tool | 整体支持。MCP Tool 可转换为 Spring AI ToolCallback |
| MCP Tool 进入统一工具执行链 | 整体支持。MCP Tool 与 Java Tool 使用相同的 ToolExecutor、ToolInterceptor 和 Agent Middleware | 整体支持。MCP ToolCallback 可进入 ChatClient、ToolCallingManager 与 Advisor 执行链 |
| MCP Tool 持久化审批 | 整体支持。MCP Tool 可使用 Agent 的统一审批策略，审批或拒绝状态保存在 AgentTurn 中 | ❌ 不支持 |
| MCP Tool 挂起与跨请求恢复 | 整体支持。等待审批时可挂起当前 Turn，并在后续请求或其他进程中恢复 | ❌ 不支持 |
| MCP Tool 执行可观测 | 整体支持。ToolObservabilityInterceptor 为 MCP Tool 执行生成 OpenTelemetry Trace 和 Metrics | 整体支持。Tool Calling Observation 可观测 MCP ToolCallback 的执行与结果 |
| MCP Server | ❌ 不支持 | 整体支持。提供 MCP Server Starter，可向客户端暴露 Tool、Resource、Prompt 与 Completion |
| MCP Server 传输 | ❌ 不支持 | 整体支持。支持 Stdio、SSE、Streamable HTTP 与 Stateless Streamable HTTP，并提供 WebMVC/WebFlux 实现 |
| 注解式 MCP Client/Server 开发 | ❌ 不支持 | 整体支持。提供 Client 和 Server 注解，可声明式实现 Handler 与 Server 能力 |
Agents-Flex 已经覆盖 Agent 消费外部 MCP 能力的主要场景，而且 MCP Tool 不是一条独立的旁路， 它与本地 Tool 共用同一套 Agent 运行时。如果需要使用 Java 构建并发布 MCP Server， Spring AI 当前提供的服务端范围更完整。
Agent 运行时对比
Tool Calling 能让模型调用方法，但它本身不等于生产级 Agent。真正的 Agent 运行时需要知道任务执行到哪一步、 为什么暂停、如何恢复、是否超预算，以及多实例并发操作时如何防止旧快照覆盖最新进度。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 有状态的 Agent 执行模型 | 整体支持。agents-flex-agent 以 AgentTurn 和 AgentRunner 运行任务，每次执行都有明确 Phase 与状态迁移 | ⚠️ 部分支持。ToolCallingAdvisor 能推进工具循环，但没有对等的持久化 Turn 状态机 |
| 完整快照并恢复 Agent 执行现场 | 整体支持。AgentTurnSnapshot 保存消息、ToolCall、Phase、预算、挂起原因及父子关系，可从中断点继续 | ❌ 不支持 |
| 可跨进程共享的 Agent Store | 整体支持。agents-flex-agent-store-jdbc/redis 持久化 Snapshot、CAS、取消/恢复命令 | ❌ 不支持 |
| Agent Turn 的并发版本保护 | 支持。AgentTurnStore 使用版本 CAS 防止旧快照覆盖新进度 | ❌ 不支持 |
| 跨请求的审批、表单、暂停与恢复 | 整体支持。等待是可持久化的正常状态，用户或外部系统可通过另一个请求恢复执行 | ❌ 不支持 |
| Agent 执行预算 | 整体支持。AgentBudget 统一限制迭代、Step、Tool、Token 与执行耗时，达到上限后由 Agent 状态机终止 Turn | ❌ 不支持 |
| 可持久化的 Agent 重试调度 | 整体支持。AgentRetryPolicy 定义重试次数、退避间隔和最大等待时间，下一次重试时间随 Turn 快照持久化；到期后由业务调度器显式调用 Runner 继续执行 | ❌ 不支持 |
| 完整 Agent 生命周期事件与中间件 | 整体支持。Turn、Step、Model、Tool 均有生命周期事件，并提供三层 Middleware 扩展点 | ⚠️ 部分支持。Advisor 和 Observation 覆盖调用链，但没有同层级的 Turn 生命周期模型 |
这部分是两者最根本的差异。Spring AI 可以构建会调用工具和 Subagent 的应用；Agents-Flex 进一步提供 可持久化的执行现场和版本 CAS 边界。任务等待审批、遭遇模型限流或进程重启后，业务系统可以按 turnId 显式调度 Runner 继续执行；框架本身不会扫描 Store 或自动领取任务。
Skills 能力对比
两边都能读取 Markdown/YAML Skill，并按需把 Skill 内容提供给模型。Agents-Flex 的重点不只在“加载 Skill”，还在于 Skill 如何安装、在哪里执行、文件如何进出以及产物如何交付。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| Skill 发现与渐进式披露 | 整体支持。agents-flex-skills 兼容开放 Skill 格式，只在需要时向模型加载 Skill 内容 | 整体支持。SkillsTool 可以发现并加载 Markdown/YAML Skill |
| 统一且可替换的 Skill 执行运行时 | 整体支持。SkillRuntime 与 Workspace 统一命令执行、文件系统、环境变量、超时和文件传输 | ❌ 不支持 |
| 受控本地工作空间执行可信 Skill | 整体支持。LocalSkillRuntime 管理本地 Workspace 和完整执行生命周期 | ⚠️ 部分支持。Shell/FileSystem 可以在本机执行，但不属于独立 Skill Runtime 生命周期 |
| 按需创建远程隔离 Sandbox | 整体支持。agents-flex-skills-open-sandbox 可为任务按需创建 OpenSandbox 隔离环境 | ❌ 不支持 |
| 接入独立的 AIO Sandbox 服务 | 整体支持。agents-flex-skills-aio-sandbox 将 AIO Sandbox 接入统一 SkillRuntime | ❌ 不支持 |
| Skill 包的完整安装与缓存生命周期 | 整体支持。agents-flex-skills-artifact-core 负责安装、摘要校验、安全解压、物化、删除与节点缓存 | ❌ 不支持 |
| 通过主流对象存储分发 Skill 包 | 整体支持。Artifact 子模块覆盖 OSS、COS、OBS、TOS、S3，可在多节点环境统一分发 | ❌ 不支持 |
| Skill 二进制产物统一交付 | 整体支持。产物可从 Runtime 下载，再由 FilePublisher 发布到业务可访问的位置 | ❌ 不支持 |
Spring AI 已经具备 Skill 的发现和宿主机执行工具；Agents-Flex 提供的是从 Skill 包到隔离 Runtime、对象 存储、节点缓存和最终产物的完整执行链。对于第三方 Skill、多租户或用户文件场景，这是明确的安全边界。
图片能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的图像生成模型抽象 | 整体支持。agents-flex-image-* Provider 统一实现 ImageModel | 整体支持。提供统一 ImageModel |
| OpenAI 图像生成 | 整体支持。agents-flex-image-openai 提供 OpenAIImageModel | 整体支持。提供 OpenAiImageModel |
| Google Gemini 图像生成 | 整体支持。agents-flex-image-gemini 提供 GeminiImageModel | 整体支持。提供 Google GenAI ImageModel |
| Stability AI 图像生成 | ❌ 不支持 | 整体支持。提供 StabilityAiImageModel |
| 阿里云图像生成 | 整体支持。agents-flex-image-aliyun 提供 AliyunImageModel | ❌ 不支持 |
| 火山引擎图像生成 | 整体支持。agents-flex-image-volcengine 提供 VolcengineImageModel | ❌ 不支持 |
| Gitee AI 图像生成 | 整体支持。agents-flex-image-gitee 提供 GiteeImageModel | ❌ 不支持 |
Agents-Flex 用统一 ImageModel 承载不同厂商的图像生成能力，业务可以在不改变上层调用方式的情况下 选择国际模型或国内云服务。
音频能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的语音模型抽象 | 整体支持。统一提供 TTS、流式 TTS 与 STT 接口 | 整体支持。提供 TTS 与 STT 抽象 |
| OpenAI 语音 | ❌ 不支持 | 整体支持。提供 OpenAI TTS 与 STT 模型 |
| ElevenLabs 语音 | ❌ 不支持 | 整体支持。提供 ElevenLabs TTS 模型 |
| 阿里云语音 | 整体支持。agents-flex-audio-aliyun 提供 TTS、流式 TTS 与 STT 模型 | ❌ 不支持 |
| 腾讯云语音 | 整体支持。agents-flex-audio-tencent 提供 TTS、流式 TTS 与 STT 模型 | ❌ 不支持 |
| 火山引擎语音 | 整体支持。agents-flex-audio-volcengine 提供 TTS、流式 TTS 与 STT 模型 | ❌ 不支持 |
Agents-Flex 的三个国内云语音模块都同时覆盖语音识别、语音合成和流式语音合成，不需要为同一厂商 分别拼接多套框架接口。
视频能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的视频生成模型与异步任务管理 | 整体支持。统一 VideoModel 负责视频生成请求、异步任务与结果轮询 | ❌ 不支持 |
| 阿里云视频生成 | 整体支持。agents-flex-video-aliyun 提供万相与 HappyHorse 视频模型 | ❌ 不支持 |
| 火山引擎视频生成 | 整体支持。agents-flex-video-volcengine 提供 VolcengineVideoModel | ❌ 不支持 |
| Gitee AI 视频生成 | 整体支持。agents-flex-video-gitee 提供 GiteeVideoModel | ❌ 不支持 |
Spring AI 的独立媒体模型抽象主要覆盖图像生成和语音；Agents-Flex 进一步提供统一的视频生成接口、 国内主流 Provider 和异步任务轮询，并能与 ChatModel、Tool 和 Agent 组合成同一业务系统。
OCR 文档识别对比
OCR 与普通文档读取解决的问题不同。文档 Reader 适合从带文本层的文件中抽取内容；扫描件、拍照文件、 复杂版面和公式表格通常需要专业 OCR 服务。Agents-Flex 将这类能力抽象为统一的 OcrModel，避免业务 分别处理不同供应商的提交参数、任务状态和结果格式。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 独立的 OCR 模型抽象 | 整体支持。OcrModel 统一任务提交、状态查询和等待完成等操作 | ❌ 不支持 |
| 本地文件与远程 URL 输入 | 整体支持。统一 OcrRequest 表达输入，具体上传方式由 Provider 适配器处理 | ❌ 不支持 |
| 百度智能云 OCR | 整体支持。agents-flex-ocr-baidu 适配 PaddleOCR-VL 文档解析异步 API | ❌ 不支持 |
| Gitee AI OCR | 整体支持。agents-flex-ocr-gitee 适配模力方舟异步文档解析接口 | ❌ 不支持 |
| MinerU 文档解析 | 整体支持。agents-flex-ocr-mineru 支持远程 URL，以及本地文件的预签名上传流程 | ❌ 不支持 |
| 统一任务状态与结果 | 整体支持。不同供应商的处理中、成功、失败状态统一映射，并返回 Markdown、资源文件或原始结果 | ❌ 不支持 |
| 接入持久化异步任务运行时 | 整体支持。OcrAsyncTaskHandler 可将 OCR 任务交给通用异步任务模块持续跟踪 | ❌ 不支持 |
对于单次、短时任务，可以直接使用 OcrModel 等待结果；对于 Web 服务、批量文档或耗时不可控的任务， 应将任务交给异步任务模块持久化跟踪，避免占用请求线程，并在进程重启后继续查询。完整用法参见 OCR 概览。
通用异步任务与长任务治理对比
视频生成、OCR 和部分云端解析 API 通常先返回外部任务编号，几秒到数分钟后才能取得结果。简单的定时 轮询可以处理少量任务，但进入生产环境后还要面对进程重启、重复查询、多 Worker 竞争、供应商限流、 租户公平性和失败重试。Agents-Flex 将这些共性问题提取为独立的 agents-flex-async-task 模块，而不是 让每个模型 Provider 重复实现一套轮询逻辑。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的异步任务生命周期 | 整体支持。Handler 负责 submit() 和 query()，Manager、Worker 与 Store 负责持久化、领取、查询、重试和终态更新 | ❌ 未发现 AI 任务级对等模块 |
| 提交后持久化与跨重启恢复 | 整体支持。submit() 统一持久化提交参数和状态，再由 Worker 创建并持续查询供应商任务；服务重启后可继续处理 | ❌ 不支持 |
| 多 Worker 安全领取 | 整体支持。Store 通过 Lease、版本控制与条件更新避免多个 Worker 同时推进同一任务 | ❌ 不支持 |
| JDBC 与 Redis Store | 整体支持。分别提供 agents-flex-async-task-store-jdbc 和 agents-flex-async-task-store-redis，另有进程内 Store 用于测试和单机场景 | ❌ 不支持 |
| 每供应商 QPS | 整体支持。按 providerKey 限制排队任务的供应商提交速率，保护供应商接口并降低限流错误 | ❌ 不支持 |
| 每账号并发上限 | 整体支持。按供应商账号限制同时执行数，避免单账号占满外部服务并发额度 | ❌ 不支持 |
| 租户配额 | 整体支持。按租户限制运行中任务数量，防止单一租户挤占共享资源 | ❌ 不支持 |
| 优先级队列与延迟提交 | 整体支持。任务按优先级和计划时间参与领取，可表达紧急任务、退避重试和预约执行 | ❌ 不支持 |
| 暂停某个供应商 | 整体支持。运行时可按供应商停止新任务准入，并保留已持久化任务等待恢复 | ❌ 不支持 |
这里的差异不是“能否写出轮询代码”，而是谁负责保证长任务在故障和并发条件下仍然正确。只处理少量 任务时，应用内定时器通常足够；当任务必须跨重启恢复，或者需要多租户、多个供应商和多个 Worker 时， 统一 Store、状态机和准入策略会显著减少重复基础设施。详细设计参见 异步任务概览与调度与准入控制。
多模态 Agent 协作对比
ChatModel 接收多模态输入与使用独立模型生成图片、音频或视频是两类能力。双方都允许在对话消息中携带 多模态内容；Agents-Flex 进一步让 Agent 根据完整上下文自动选择普通或多模态 ChatModel。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| ChatModel 消息携带多模态内容 | 整体支持。统一消息模型可以携带图片、音频、视频和文件，并交给支持相应能力的 ChatModel 处理 | 整体支持。UserMessage 可通过 Media 携带图片、音频或视频等内容，具体可用类型取决于模型 Provider |
| Agent 根据上下文中的多模态内容切换 ChatModel | 整体支持。Agent 会扫描完整 MemoryPrompt；上下文中仍有图片、音频、视频或文件时，选择配置的 multimodalChatModel，否则使用普通 chatModel | ❌ 不支持 |
LLM Wiki 对比
LLM Wiki 将企业知识组织为模型可以主动导航的知识树。模型先看到顶层主题的标题和摘要，只有确定某个主题 与当前问题相关时，才通过 Tool 按路径读取正文，并继续发现下一层子主题。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 开箱即用的 LLM Wiki 模块 | 整体支持。agents-flex-wiki 提供 Wiki 数据模型、Provider 与 Tool | ❌ 不支持 |
| 层级知识树 | 整体支持。每个 Wiki 节点包含 Path、Title、Summary、Content 与 Children | ❌ 不支持 |
| 递归渐进式知识披露 | 整体支持。模型先查看节点摘要，再通过 get_wiki_content 按需进入子节点，不把整棵知识树放入上下文 | ❌ 不支持 |
| 可替换的 Wiki 内容来源 | 整体支持。框架定义按路径获取 Wiki 的 WikiProvider 接口；应用可以实现该接口，从文件、数据库、Git 仓库或业务知识服务加载内容 | ❌ 不支持 |
| Wiki Front Matter 与扩展元数据 | 整体支持。节点可以携带版本、标签、作者、更新时间等 Front Matter，并随摘要提供给模型 | ❌ 不支持 |
| 无需向量化的精确路径读取 | 整体支持。知识通过目录导航和路径读取，不强制依赖 Embedding 或 Vector Store | ❌ 不支持 |
| 作为标准 Tool 接入 ChatModel 与 Agent | 整体支持。WikiTool 构建为标准 Tool，可直接加入 Prompt、ToolGroup 或 Agent | ❌ 不支持 |
RAG 能力对比
文档解析能力对比
RAG 的质量首先取决于能否把原始文档稳定地转换为可检索内容。Agents-Flex 通过统一的 DocumentExtractionService 自动选择专用 Extractor，再使用 Tika 覆盖长尾格式；Spring AI 提供多种 DocumentReader，并可通过 TikaDocumentReader 解析 Apache Tika 支持的格式。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的文档解析入口与解析器路由 | 整体支持。DocumentExtractionService 通过 ExtractorRegistry 按文件类型和优先级自动选择 Extractor，失败时可尝试后续候选 | ⚠️ 部分支持。提供统一 DocumentReader 接口，但 PDF、Markdown、HTML 和 Tika Reader 需由应用按格式选择 |
整体支持。PdfTextExtractor 按页提取文本和页内图片，并组织为 Markdown 风格内容；当前不识别或重建 PDF 表格 | 整体支持。提供 PagePdfDocumentReader、ParagraphPdfDocumentReader，也可使用 Tika Reader | |
| Word（DOC、DOT） | 整体支持。DocExtractor 专门解析段落、表格与图片，文档内表格自动转换为 Markdown 表格 | 整体支持。通过 TikaDocumentReader 提取文本，不支持将 Word 表格自动输出为 Markdown 表格 |
| Word（DOCX、DOTX、DOCM、DOTM） | 整体支持。DocxExtractor 专门处理段落、列表、表格和嵌入图片，表格自动转换为 Markdown | 整体支持。通过 TikaDocumentReader 提取文本，不支持将 Word 表格自动输出为 Markdown 表格 |
| Excel（XLS、XLSX、XLSM、XLT、XLTX、XLTM） | 整体支持。ExcelExtractor 支持多 Sheet 和公式计算，每个 Sheet 的单元格数据自动输出为 Markdown 表格 | 整体支持。通过 TikaDocumentReader 提取文本，不支持将 Sheet 自动输出为 Markdown 表格 |
| PowerPoint（PPT、PPS、POT） | 整体支持。PptExtractor 专门解析 PowerPoint 97-2003 的文本、表格和图片，幻灯片表格自动转换为 Markdown | 整体支持。通过 TikaDocumentReader 提取文本，不支持将幻灯片表格自动输出为 Markdown 表格 |
| PowerPoint（PPTX、PPSX、POTX、PPTM、PPSM、POTM） | 整体支持。PptxExtractor 提取文本、表格与嵌入图片，幻灯片表格自动转换为 Markdown | 整体支持。通过 TikaDocumentReader 提取文本，不支持将幻灯片表格自动输出为 Markdown 表格 |
| HTML、HTM、XHTML 与 MHTML | 整体支持。HtmlExtractor 清理页面并转换为 Markdown 风格文本 | 整体支持。JsoupDocumentReader 支持元素选择、链接和元数据提取，Tika Reader 可补充通用解析 |
| Markdown | 整体支持。PlainTextExtractor 直接读取 MD 与 Markdown 文件并保留原文 | 整体支持。MarkdownDocumentReader 可按标题、段落和水平分隔线组织 Document |
| 纯文本、CSV、TSV、JSON、XML、YAML、配置与代码文件 | 整体支持。PlainTextExtractor 覆盖常见文本、数据、配置和编程语言扩展名，并自动检测常见中文编码 | 整体支持。TikaDocumentReader 可读取文本及 Tika 能识别的结构化文本格式 |
| RTF 与 OpenDocument（ODT、ODS、ODP、ODG 等） | 整体支持。TikaDocumentExtractor 内置对应扩展名与 MIME 类型 | 整体支持。通过 TikaDocumentReader 解析 |
| 邮件（EML、MSG） | 整体支持。TikaDocumentExtractor 支持 RFC 822 邮件与 Outlook MSG | 整体支持。通过 TikaDocumentReader 解析 |
| EPUB、XLSB 与 Apple iWork（Pages、Numbers、Keynote） | 整体支持。TikaDocumentExtractor 内置这些长尾文档的扩展名和 MIME 识别 | 整体支持。通过 TikaDocumentReader 解析 Tika 已安装 Parser 支持的格式 |
| 压缩格式识别与包内文档解析（ZIP、TAR、TGZ、GZ、BZ2、XZ、7Z、RAR） | 整体支持。TikaDocumentExtractor 可识别压缩格式，并通过嵌入文档提取器递归解析包内文档 | ⚠️ 部分支持。TikaDocumentReader 引入的 Tika Standard Parsers 可以识别归档与压缩格式，但当前实现未显式配置嵌入文档提取器，不将递归提取包内文档作为框架保证 |
| 压缩包递归解析的安全治理 | 整体支持。内置最大递归层级、条目数、单条大小和总解压大小限制 | ❌ 不支持 |
| 文件、URL、InputStream 与字节数组输入 | 整体支持。提供 File、HTTP、ByteArray、ByteStream 和临时文件 DocumentSource | 整体支持。DocumentReader 基于 Spring Resource，可使用文件、URL、InputStreamResource 和 ByteArrayResource |
| PDF、Word、PowerPoint 与长尾文档的嵌入图片提取 | 整体支持。PDF、DOC/DOCX、PPT/PPTX 专用 Extractor 以及 Tika 长尾解析器可提取图片并在内容中生成 Markdown 图片引用 | ❌ 不支持 |
| 可替换的文档图片处理机制 | 整体支持。DocumentImagePublisher 统一接收图片字节、MIME 类型和文件名，应用可将图片上传对象存储、写入本地或转换为自定义 URL | ❌ 不支持 |
| 嵌入图片默认转换为 Base64 Data URI | 整体支持。DataUriDocumentImagePublisher 可在不依赖外部存储的情况下直接生成可用的 Markdown 图片地址 | ❌ 不支持 |
Agents-Flex 不只是把所有格式交给一个通用 Parser，而是为 PDF、Word、Excel、PowerPoint 和 HTML 提供专用 Extractor。Word、Excel、PPT 和 PPTX 中的表格会转换为 Markdown 表格，比打平后的纯文本更容易被模型正确理解； 该表格转换能力不包含 PDF。PDF、Word 和 PowerPoint 中的图片统一交给 DocumentImagePublisher 处理，最后 再由 Tika 补齐邮件、OpenDocument、iWork 和压缩包等长尾格式。
RAG 核心能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 标准文档模型和多种切分策略 | 整体支持。统一 Document、Metadata，并内置多种 Splitter | 整体支持。提供 DocumentReader、Transformer、TokenTextSplitter 等 ETL 组件 |
| 多个 Embedding Provider | 整体支持。agents-flex-embedding-* 已适配 OpenAI、Qwen 与 Ollama | 整体支持且 Provider 更多。还包括 Google、Vertex、PostgresML 等 |
| 独立于向量库的全文检索抽象 | 整体支持。agents-flex-search-engine-* 以统一 SearchEngine 接入 Lucene、Elasticsearch 与远程 Search Service | ⚠️ 部分支持。具备 VectorStore/RAG 检索，但没有对等的通用 SearchEngine 层 |
| 可复用于任意召回结果的统一重排模型 | 整体支持。agents-flex-rerank-* 提供独立 RerankModel，不限定召回来源 | ⚠️ 部分支持。RAG 提供 PostProcessor，Bedrock KB 支持 Rerank，但没有通用对等 RerankModel |
| 向量、数据库、层级知识与互联网检索统一接入 Agent | 整体支持。RAG 可与 WebSearch、Text2SQL、Wiki 组合，让 Agent 按问题选择知识来源 | ⚠️ 部分支持。RAG 与 Web Tool 可以组合，但缺少现成的 Text2SQL 和 Wiki 模块 |
Spring AI 的模块化 RAG Advisor 很成熟。Agents-Flex 在基础 RAG 之外继续提供独立 Rerank、SearchEngine、 Wiki、Text2SQL 和 WebSearch，使企业知识不必全部压缩成向量检索。
Vector Store 能力对比
两边都通过统一抽象屏蔽不同向量数据库的写入、删除、相似度查询和元数据过滤差异。Provider 覆盖各有侧重： Agents-Flex 对国内基础设施和分析型数据库覆盖更直接；Spring AI 的 Provider 总量更多。
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 统一的向量存储抽象 | 整体支持。VectorStore、DocumentStore、StoreOptions 与 SearchWrapper 统一存储及查询接口 | 整体支持。VectorStore、SearchRequest 与 Filter Expression 提供统一接口 |
| Apache Cassandra | 整体支持。agents-flex-store-cassandra | 整体支持。spring-ai-cassandra-store |
| Chroma | 整体支持。agents-flex-store-chroma | 整体支持。spring-ai-chroma-store |
| Elasticsearch | 整体支持。agents-flex-store-elasticsearch | 整体支持。spring-ai-elasticsearch-store |
| MariaDB Vector | 整体支持。agents-flex-store-mariadb | 整体支持。spring-ai-mariadb-store |
| Milvus | 整体支持。agents-flex-store-milvus | 整体支持。spring-ai-milvus-store |
| MongoDB Atlas Vector Search | 整体支持。agents-flex-store-mongodb-atlas | 整体支持。spring-ai-mongodb-atlas-store |
| OpenSearch | 整体支持。agents-flex-store-opensearch | 整体支持。spring-ai-opensearch-store |
| PostgreSQL PGvector | 整体支持。agents-flex-store-pgvector | 整体支持。spring-ai-pgvector-store |
| Qdrant | 整体支持。agents-flex-store-qdrant | 整体支持。spring-ai-qdrant-store |
| Redis | 整体支持。agents-flex-store-redis | 整体支持。spring-ai-redis-store |
| Weaviate | 整体支持。agents-flex-store-weaviate | 整体支持。spring-ai-weaviate-store |
| 阿里云 DashVector | 整体支持。agents-flex-store-aliyun 使用 DashVector 官方 Java SDK | ❌ 不支持 |
| ClickHouse | 整体支持。agents-flex-store-clickhouse | ❌ 不支持 |
| Infinity | 整体支持。agents-flex-store-infinity | ❌ 不支持 |
| Azure AI Search | ❌ 不支持 | 整体支持。spring-ai-azure-store |
| Amazon Bedrock Knowledge Bases | ❌ 不支持 | 整体支持。spring-ai-bedrock-knowledgebase-store |
| Oracle Coherence | ❌ 不支持 | 整体支持。spring-ai-coherence-store |
| Couchbase Search | ❌ 不支持 | 整体支持。spring-ai-couchbase-store |
| GemFire | ❌ 不支持 | 整体支持。spring-ai-gemfire-store |
| Neo4j | ❌ 不支持 | 整体支持。spring-ai-neo4j-store |
| Oracle Database | ❌ 不支持 | 整体支持。spring-ai-oracle-store |
| Pinecone | ❌ 不支持 | 整体支持。spring-ai-pinecone-store |
| Amazon S3 Vectors | ❌ 不支持 | 整体支持。spring-ai-s3-vector-store |
| Typesense | ❌ 不支持 | 整体支持。spring-ai-typesense-store |
| Redis Semantic Cache | ❌ 不支持 | 整体支持。提供 SemanticCache、Redis DefaultSemanticCache 与 SemanticCacheAdvisor，可按语义相似度复用已有对话结果 |
| 进程内简易向量存储 | ❌ 不支持 | 整体支持。SimpleVectorStore 使用进程内存保存向量与文档，支持相似度检索、元数据过滤与文件持久化，适合测试和小型应用 |
Spring AI 在 Vector Store Provider 数量上更丰富，并额外提供进程内 SimpleVectorStore 和基于 Redis 的 Semantic Cache；Agents-Flex 则原生覆盖 DashVector、ClickHouse 和 Infinity，对国内云服务、实时分析数据库及 混合检索场景更友好。两边共同支持的 11 个主流存储，已经覆盖大多数企业现有的 Redis、关系型数据库、 搜索引擎和专用向量数据库部署。
路由和高可用能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| 对业务透明的多 ChatModel 路由 | 整体支持。RoutedChatModel 将多个模型节点包装成标准 ChatModel，上层无需感知路由过程 | ❌ 不支持 |
| Embedding 高可用路由 | 整体支持。RoutedEmbeddingModel 将节点选择、故障转移与恢复能力扩展到 Embedding | ❌ 不支持 |
| 按业务上下文动态选择模型候选 | 整体支持。ChatModelSelector 可按 Prompt、租户、区域、成本与请求 Metadata 选择节点 | ❌ 不支持 |
| 基于模型能力标签进行路由 | 整体支持。节点可以标记 vision、reasoning、cheap 等标签，请求先按所需能力筛选 | ❌ 不支持 |
| 面向模型节点的负载均衡策略 | 整体支持。提供最少活跃与加权随机策略，并与节点实时状态协同 | ❌ 不支持 |
| 单个模型调用失败重试 | 整体支持。模型 Provider 和路由层均可配置重试次数与退避策略，对限流和瞬时故障重新发起调用 | 整体支持。模型实现普遍通过 RetryTemplate 对可重试错误执行退避重试 |
| 跨模型节点故障切换 | 整体支持。失败节点会被排除并自动选择备用节点，同步和流式调用使用统一策略 | ❌ 不支持 |
| 节点级熔断与半开探测恢复 | 整体支持。内置失败计数、熔断、半开探测与自动恢复，避免持续请求故障节点 | ❌ 不支持 |
| 模型调用指标采集 | 整体支持。OpenTelemetry Metrics 记录模型调用次数、耗时、Token 与成功失败结果 | 整体支持。Micrometer Observation 记录模型调用、耗时、Token 与错误信息 |
| 节点实时运行指标参与路由决策 | 整体支持。活跃请求数、成功/失败记录与熔断状态都会影响节点选择 | ❌ 不支持 |
Spring AI 能管理多个模型实例，但“存在多个模型”和“提供模型高可用”不是同一件事。Agents-Flex 的 Router 已经把节点选择、负载、失败、重试和恢复封装在标准 ChatModel 后面，Agent 与业务代码无需感知。
可观测能力对比
| 对比项描述 | Agents-Flex | Spring AI |
|---|---|---|
| Chat、Tool 与框架 HTTP 的链路和指标 | 整体支持。OpenTelemetry Trace 与 Metrics 覆盖同步/流式 Chat、Tool 及框架 HTTP 调用 | 整体支持。Micrometer Observation 覆盖 ChatClient、Model、Tool、VectorStore 等 |
| HTTP 子 Span 与上下文传播 | 整体支持。AgentsFlexHttpClient 自动创建 Client Span 并传播 Trace Context | 整体支持。通过 Micrometer 与 HTTP Client 观测体系传播上下文 |
| 模型内容按需采集与隐私保护 | 整体支持。内容采集默认关闭，开启后执行递归脱敏与长度限制 | 整体支持。提供 Prompt、Completion、Tool 内容采集开关，并明确提示隐私风险 |
| 标准遥测后端和自定义 Exporter | 整体支持。可复用全局 OpenTelemetry，也可由框架管理 OTLP、Logging 或自定义 Exporter | 整体支持。可通过 Micrometer Tracing 与 OTel Bridge 接入监控后端 |
| Span 和 Metric 直接保存到业务数据库 | 整体支持。agents-flex-observability-jdbc 可直接复用应用 DataSource 持久化遥测数据 | ❌ 不支持 |
| 按单次 Agent 或业务执行动态路由遥测数据 | 整体支持。Telemetry Runtime Routing 可为一次执行选择一个或多个 Destination，支持租户及业务隔离 | ❌ 不支持 |
Spring AI 的 Micrometer 集成非常适合已经使用 Actuator 的 Spring Boot 应用。Agents-Flex 直接采用 OpenTelemetry，同时提供 JDBC 持久化和执行级路由，因此既能进入标准 APM，也能服务需要私有存储、 多租户隔离或不同业务对象分流的系统。
总结
结论： Spring AI 更适合在 Spring Boot 应用中快速接入模型、Tool Calling 和 RAG，其 Provider 覆盖、自动配置、ChatClient、结构化输出与 Spring 生态集成是明确优势。Agents-Flex 更适合把 AI 能力 作为独立运行时建设：它不仅让应用调用模型和工具，还提供可以持续执行、暂停、恢复、调度和观测的 Agent 与异步任务基础设施。
在 Agents-Flex 中，ChatModel、Tool、MCP、Skills、RAG、Wiki、Text2SQL、OCR 和其他多模态能力并非 彼此孤立。Agent 长流程共享 Turn、执行预算、审批表单、快照恢复、模型路由和遥测链路；OCR、视频等 供应商长任务则可共享 Async Task Store、Worker Lease、失败重试、优先级、延迟调度、QPS、账号并发和 租户配额治理。模型节点故障、进程重启或任务转移到其他 Worker 后，系统仍能从已持久化状态继续处理。
如果系统只需要为现有 Spring 应用增加 AI 调用能力，Spring AI 已经提供了成熟的开发体验；如果目标是 构建需要模型高可用、OCR 与视频长任务治理、分布式执行、隔离 Skills 或跨请求恢复的生产级 AI 应用， Agents-Flex 提供的能力边界更完整，也能减少业务团队自行拼装状态机、Store 和调度设施的工作。