一、本章介绍

本节将继续推进节点流转流程，从 ChatModelNode 切换到 AgentNode 节点，完成智能体 LlmAgent 的实例化操作，并实现 AgentNode 的装配逻辑。

二、流程设计

如图，智能体装配中，AgentNode 部分；


• 在整体执行链路中，AgentNode 通常承接自 ChatModelNode。各节点的运行机制大体一致：先完成当前节点所负责的逻辑处理，再依据既定的流转策略，将任务传递至后续节点，以推进整个流程的持续执行。

• 从功能上看，AgentNode 更像是一个多智能体的编排单元。在实际构建智能体时，一旦业务场景较为复杂，往往需要将任务拆解，由不同的 LlmAgent 分别承担特定职责，通过协同配合来完成完整流程。因此，这类节点并非单一 Agent，而是由多个 LlmAgent 组合而成的执行体系。

三、功能实现

1. 工程结构

在流程中引入 AgentNode 节点，用于完成 LlmAgent 的构建工作，并将其注入到当前上下文环境中，供后续节点使用。

同时，需要重点关注 AgentNode 在整个流程中的衔接方式，包括其进入与输出的路径设计。此外，在多 Agent 的装配过程中，应合理划分节点边界，明确各节点的职责范围，从而形成清晰的任务拆分与组合逻辑。

2. 核心模块

2.1 节点流转

@Slf4j
@Service
public class ChatModelNode extends AbstractArmorySupport {

    @Resource
    private AgentNode agentNode;

    @Override
    protected AiAgentRegisterVO doApply(ArmoryCommandEntity requestParameter, DefaultArmoryFactory.DynamicContext dynamicContext) throws Exception {
        log.info("Ai Agent 装配操作 - ChatModelNode");

        // ... 业务

        return router(requestParameter, dynamicContext);
    }

    @Override
    public StrategyHandler<ArmoryCommandEntity, DefaultArmoryFactory.DynamicContext, AiAgentRegisterVO> get(ArmoryCommandEntity requestParameter, DefaultArmoryFactory.DynamicContext dynamicContext) throws Exception {
        return agentNode;
    }
}

• 在 ChatModelNode（对话模型节点）中，引入新增的 AgentNode 节点，用于承接后续的智能体处理逻辑。当 ChatModelNode 完成自身的装配与执行后，通过路由机制将流程转发至 AgentNode，以继续后续的处理过程。

2.2 智能体构建

@Slf4j
@Service
public class AgentNode extends AbstractArmorySupport {

    @Override
    protected AiAgentRegisterVO doApply(ArmoryCommandEntity requestParameter, DefaultArmoryFactory.DynamicContext dynamicContext) throws Exception {
        log.info("Ai Agent 装配操作 - AgentNode");

        // 1. 上下文获取数据
        ChatModel chatModel = dynamicContext.getChatModel();

        AiAgentConfigTableVO aiAgentConfigTableVO = requestParameter.getAiAgentConfigTableVO();
        List<AiAgentConfigTableVO.Module.Agent> agents = aiAgentConfigTableVO.getModule().getAgents();

        for (AiAgentConfigTableVO.Module.Agent agentConfig : agents) {
            LlmAgent agent = LlmAgent.builder()
                    .name(agentConfig.getName())
                    .description(agentConfig.getDescription())
                    .model(new SpringAI(chatModel))
                    .instruction(agentConfig.getInstruction())
                    .outputKey(agentConfig.getOutputKey())
                    .build();

            dynamicContext.getAgentGroup().put(agentConfig.getName(), agent);
        }

        return router(requestParameter, dynamicContext);
    }

    @Override
    public StrategyHandler<ArmoryCommandEntity, DefaultArmoryFactory.DynamicContext, AiAgentRegisterVO> get(ArmoryCommandEntity requestParameter, DefaultArmoryFactory.DynamicContext dynamicContext) throws Exception {
        return defaultStrategyHandler;
    }

}

• 在 AgentNode 中，会对已配置的多个 LlmAgent 进行遍历与组装，并在完成后统一写入上下文环境。每个智能体以 name 作为唯一标识，后续在使用时可通过该标识快速定位并获取对应实例。这些智能体在设计上均继承自统一的基类 LlmAgent，以保证结构和调用方式的一致性。

• 在具体实现层面，可以参考 Google ADK 或 Spring AI 的对接方式，例如通过类似 new SpringAI(chatModel) 的形式完成模型适配与封装。如果切换到 langchain4j，同样可以采用类似思路进行集成与替换，整体架构具备良好的扩展性。