王仕宇的 Agent 实践

一、什么是 Agent

传统大模型调用：

用户 -> API -> LLM -> 回复

Agent：

用户目标
   |
   v
Agent
   |
   +---- 思考 Reasoning
   |
   +---- 调用 Tool
   |
   +---- 获取结果 Observation
   |
   +---- 再次推理
   |
   v
最终答案

Agent 的核心组成：

• LLM：负责理解和推理
• Tool：负责执行真实动作
• Memory：负责保存上下文
• Planning：负责任务拆解

---

二、Grok API 介绍

Grok API 使用 OpenAI 兼容接口。

API 地址

Base URL:

https://api.x.ai/v1

认证方式：

Authorization: Bearer YOUR_API_KEY

Chat Completions 接口

请求：

POST /v1/chat/completions

Header:

Authorization: Bearer YOUR_API_KEY
Content-Type: application/json

请求参数：

{
  "model":"grok-3",
  "messages":[
    {
      "role":"system",
      "content":"你是一个AI Agent"
    },
    {
      "role":"user",
      "content":"什么是Agent"
    }
  ],
  "temperature":0.7,
  "stream":false
}

参数说明：

参数 说明

---

model 模型名称
messages 上下文消息
temperature 创造性
stream 是否开启流式输出

返回：

{
 "choices":[
  {
   "message":{
    "role":"assistant",
    "content":"Agent是一种..."
   }
  }
 ]
}

---

三、Java 项目结构

grok-agent-demo

├── GrokClient.java

├── AgentExecutor.java

├── Tool.java

├── ToolRegistry.java

├── WeatherTool.java

└── Controller.java

---

四、Java 调用 Grok API

Maven依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>
    spring-boot-starter-web
    </artifactId>
</dependency>


<dependency>
    <groupId>
    com.fasterxml.jackson.core
    </groupId>
    <artifactId>
    jackson-databind
    </artifactId>
</dependency>

---

五、封装 Grok Client

@Component
public class GrokClient {


    private final HttpClient client =
            HttpClient.newHttpClient();


    private final ObjectMapper mapper =
            new ObjectMapper();


    private final String apiKey;


    public GrokClient(){

        this.apiKey =
        System.getenv("GROK_API_KEY");

    }



    public String chat(String message)
            throws Exception {


        Map<String,Object> body =
        new HashMap<>();


        body.put(
        "model",
        "grok-3"
        );


        body.put(
        "messages",
        List.of(
          Map.of(
          "role",
          "user",
          "content",
          message
          )
        ));


        String json =
        mapper.writeValueAsString(body);



        HttpRequest request =
        HttpRequest.newBuilder()

        .uri(
        URI.create(
        "https://api.x.ai/v1/chat/completions"
        ))

        .header(
        "Authorization",
        "Bearer "+apiKey
        )

        .header(
        "Content-Type",
        "application/json"
        )

        .POST(
        HttpRequest.BodyPublishers
        .ofString(json)
        )

        .build();



        HttpResponse<String> response =
        client.send(
        request,
        HttpResponse.BodyHandlers.ofString()
        );


        return response.body();

    }

}

---

六、Agent核心执行流程

Agent采用 ReAct 思想：

Thought

↓

Action

↓

Observation

↓

Answer

代码：

@Component
public class AgentExecutor {


private final GrokClient grok;


public AgentExecutor(
GrokClient grok){

this.grok=grok;

}



public String execute(
String task
)throws Exception{


String prompt="""

你是一个AI Agent。

任务：

%s


请：

1. 分析任务

2. 判断是否需要工具

3. 执行步骤

4. 输出结果


""".formatted(task);



return grok.chat(prompt);


}

}

---

七、Tool系统设计

Agent最大的价值：

调用外部能力。

接口：

public interface Tool {


String name();


String execute(String input);


}

---

八、天气查询 Tool

@Component
public class WeatherTool
implements Tool{


@Override
public String name(){

return "weather";

}



@Override
public String execute(
String city){


return city+
" 今天晴天，温度25℃";


}


}

---

九、Tool注册中心

@Component
public class ToolRegistry{


private Map<String,Tool> tools =
new HashMap<>();



public ToolRegistry(
List<Tool> list){


for(Tool tool:list){

tools.put(
tool.name(),
tool
);

}

}



public Tool get(
String name){

return tools.get(name);

}

}

---

十、Agent调用工具

执行流程：

用户问题

↓

Grok分析

↓

需要工具

↓

调用WeatherTool

↓

返回结果

↓

Grok总结

核心代码：

if(thinking.contains("weather")){


Tool tool =
registry.get(
"weather"
);



String result =
tool.execute(
"北京"
);



return grok.chat(
"根据结果回答:"
+
result
);


}

---

十一、Memory设计

Agent需要长期记忆。

简单实现：

@Component
public class Memory {


private List<String> history =
new ArrayList<>();



public void add(String msg){

history.add(msg);

}



public String context(){

return String.join(
"\n",
history
);

}

}

生产环境一般使用：

• Redis
• 向量数据库
• Milvus
• Elasticsearch

---

十二、生产级Agent架构

             用户

              |

        Agent Service

              |

    ---------------------

    |          |         |

   LLM       Tool     Memory

    |          |         |

  Grok      API      Redis

技术栈：

模块 方案

---

模型 Grok/GPT/Claude
后端 Spring Boot
缓存 Redis
向量库 Milvus
协议 MCP
任务调度 Temporal

---

十三、总结

一个完整 Agent：

LLM

+

Tool

+

Memory

+

Planning

=

Agent

未来的软件开发模式：

从：

人写代码，机器执行

变成：

人描述目标，Agent完成任务

------ 王仕宇 JavaPub