作者：叢霄、陸龜
概述：本文介紹如何使用 JManus 框架構建通用智能體應用，部署并運行在 Serverless 運行時，構建企業級高可用智能體應用的實踐經驗。基于阿里云 Serverless 應用引擎SAE 運行穩定高可用的智能體應用， 基于函數計算 FC 運行安全隔離的工具執行任務，實現最佳的 Serverless 智能體應用運行時。
JManus: 面向 Java 的企業級通用智能體框架
通用多智能體的企業級開發框架
JManus 是一個以 Java 為核心、完全開源的 OpenManus 實現，隸屬于 Spring AI Alibaba 項目。
它旨在讓 Java 程序員更便捷地使用 AI 技術，支持多 Agent 框架、網頁配置 Agent、MCP 協議和 PLAN-ACT 模式。項目在 GitHub 上已獲近 3k star，可集成多個大模型如 Claude 3.5 和 Qwen3。
JManus 的核心特點包括：
- 完美實現了 OpenManus 多 Agent 框架
借助 Spring AI 和 Java 的深度結合，開發者可以輕松構建和管理多個智能體，讓復雜任務的分工與協作變得高效且可控。 - JManus 無縫支持 MCP（Model Context Protocol）協議
Agent 不僅可以調用本地或云端的大語言模型，還能與各類外部服務、API、數據庫等進行深度交互，極大拓展了應用場景和能力邊界。 - JManus 原生支持 PLAN-ACT 模式
能夠讓 Agent 具備復雜推理、分步執行和動態調整的能力，適用于多輪對話、復雜決策、自動化流程等高階 AI 應用場景。
而隨著多智能體業務場景逐漸成熟，企業亟需 JManus 這樣的框架來構建通用的業務邏輯。Spring AI Alibaba 也在探索多智能體支持，滿足更多用戶的需要。
優秀的運行時性能
基于 Spring AI Alibaba 構建的智能體應用，相比于 Dify 等低代碼平臺構建的智能體具有明顯的性能和可用性優勢。
從 Dify 可視化界面一鍵導出 Spring AI Alibaba 工程。下圖展示了基于從 Dify 導出為 SAA 工程，運行模式性能前后的變化：可以看到，基于 Spring AI Alibaba 的智能體在運行性能上大幅領先 Dify 原生的智能體應用。
Dify 智能體壓測：
基于 Dify 導出的 Spring AI Alibaba 智能體應用壓測：
可見，Dify 適合在測試環境快速驗證想法，而生產環境推薦使用性能更好的 SAA Java 運行時。
SAE & FC:彈性高可用 Serverless 運行時
彈性高可用的智能體運行環境
在智能體應用的構建與運行中，傳統的低代碼平臺架構存在明顯瓶頸：所有智能體共享單一 Pod 資源，高流量場景下易導致性能干擾與資源爭用。而基于?JManus?與阿里云 SAE 的智能體應用，通過全棧 Serverless?能力，在高可用性、彈性擴展、性能優化與成本控制等方面展現出顯著優勢，為智能體應用的規模化落地提供堅實支撐。
基于 Serverless JManus 構建的智能體應用在高可用、彈性、性能方面具有以下明顯優勢：
1.?高可用性
- 隔離的網絡和資源環境：每個智能體應用運行在隔離的 VPC 網絡和資源隔離的安全容器中，不同智能體應用享有獨占的彈性資源，不會造成性能擠占問題。
- 多可用區部署：
智能體應用默認部署于多可用區，避免單點故障，保障數據鏈路的持續可用。 - 金絲雀發布與灰度流量驗證：
-
- 分批灰度發布：通過 SAE 內置的灰度發布策略，逐步將流量切至新版本，降低發布風險。
-
- 全鏈路灰度：集成?MSE 微服務治理，支持從網關到應用的全鏈路灰度流量控制，確保驗證過程無損。
- 無損上下線：
利用微服務治理能力，實現應用的平滑啟停，避免因版本切換導致的服務中斷。
2. 秒級彈性伸縮
- 多維度彈性策略：
根據?CPU、內存、QPS、RT 等指標自動觸發擴縮容，確保高并發場景下的服務穩定性。 - 毫秒級資源拉起：
SAE 支持秒級 Pod 啟動，快速響應突發流量，避免傳統架構因冷啟動導致的響應延遲。并針對 Pod 啟動階段進行了深入優化，減少調度和網卡掛載的延遲。
3. 極致性能
- 加速鏡像：
利用阿里云?DADI?技術，加速鏡像拉取與啟動，縮短應用初始化時間。 - Java Runtime 啟動加速：
特別針對 Java 應用，SAE 提供 JVM 快照、?類預加載、JIT 優化?等特性，顯著降低 JVM 啟動耗時。 - 長連接支持：
集成?CLB/NLB 網關，支持?keep-alive 模式，保障 SSE（Server-Sent Events）等長連接場景的穩定性，避免請求斷開。
工具執行安全隔離的沙箱
在智能體的工具調用或任務執行過程中，安全性和資源效率是兩大核心挑戰。為應對這一需求，函數計算通過其獨特的毫秒級冷啟動能力和彈性資源調度機制，為工具執行提供了理想的安全沙箱環境，同時結合?MCP 工具市場的生態支持，進一步提升了系統的可靠性和開發效率。
1. 安全沙箱的實現：隔離與防護
- 容器化隔離：
每個工具調用任務在 FC 中被封裝為獨立的容器實例，運行于輕量級虛擬機（VM） 中，確保任務之間資源隔離，避免因代碼缺陷或惡意行為導致的系統崩潰或數據泄露。 - 權限控制：
FC 支持細粒度的權限管理（如 IAM 角色綁定），限制容器對主機系統、網絡及存儲的訪問權限，防止越權操作。 - 運行時安全加固：
通過默認禁用高危操作（如文件系統寫入、進程創建）和強制使用只讀文件系統，進一步降低安全風險。
2. 極致彈性與按需付費
- 毫秒級冷啟動：
函數計算 FC ，能在毫秒級啟動容器實例，快速響應瞬時高并發請求，避免傳統服務器因預熱延遲導致的性能瓶頸。 - 彈性伸縮：
根據實時流量自動擴縮容，確保在空閑時段僅保留最小資源占用，而在流量高峰時動態分配更多計算資源，實現成本與性能的平衡。 - 按需計費：
僅對實際執行時間（按毫秒計）和資源消耗收費，避免閑置資源浪費，尤其適合智能體工具調用的間歇性高并發特性。
函數計算支持 MCP 市場，也可以一鍵部署多種 MCP 工具：
實戰示例
示例架構圖
部署 JManus 應用到 SAE
- 申請百煉的 OPENAI_API_KEY
- 來到 SAE 控制臺應用中心，選擇 JManus 模版部署 JManus 應用：https://saenext.console.aliyun.com/cn-hangzhou/scene-market
在部署界面，選擇對應的 VPC 網絡配置，填入 OPENAI_API_KEY，彈性公網可以選擇“新建彈性公網”。
配置好后點擊立即創建，即開始部署流程。
- 部署完成后，在計算巢服務實例“立即使用”這里可以找到能直接訪問的地址。
也可以在 SAE 控制臺微服務應用中看到 JManus 應用的公網訪問地址。
開發 MCP 服務并部署到函數計算
- 進入 Function AI 控制臺 MCP 市場。
https://functionai.console.aliyun.com/plugins?tab=plugins_platform&subtab=mcp
- 選擇實時天氣 MCP 服務，一鍵部署，部署完成后就可以得到可以遠端訪問的 SSE 地址。
JManus 自定義智能體和 MCP 配置
基于社區版的 JManus 也提可以直接配置 MCP 服務和創建智能體的能力，回到對話界面的“設置”，然后配置 MCP 服務。
在 JManus 的 MCP 配置上添加函數極端的 MCP 服務地址：
{"mcpServers": {"openwether": {"type": "sse","url": "https://defauxxx-xxxxxx.cn-shanghai-vpc.fcapp.run/sse", "timeout": 45000}}
}
創建智能體并為智能體配置工具：
配置好后，可以回到對話框，詢問天氣，可以看到智能體的工具調用的執行，返回了實時的天氣信息。
總結
本文展示了基于 Serverless 平臺 SAE Serverless 應用引擎和 FC 函數計算，作為 JManus 框架的運行時，能達到強強聯合的效果，滿足通用智能體開發的業務場景需求，又滿足企業生產級高可用的運行時環境。
并且基于 Serverless 安全容器，能滿足 browser use 等工具和代碼執行的安全隔離環境需求，是用戶基于云原生構建智能體應用的不二選擇。
未來 SAE 將和 Spring AI Alibaba 做更深入的集成，提供最佳 Java 智能體應用運行時。
