AI 编程助手 + 基于 CLI 的 Manus 实现（Java 版本）

传统的大碗

223人浏览 · 2026-06-23 20:51:14

传统的大碗 · 2026-06-23 20:51:14 发布

功能特性

代码代理：编写、编辑和管理代码文件
系统代理：执行 Shell 命令、管理文件和目录
交互式 CLI：自然对话界面，支持工具执行
单次查询模式：通过命令行参数执行一次性任务
多模型支持：DeepSeek、OpenAI GPT-4/3.5 及任何兼容 OpenAI 的 API
可扩展工具系统：通过 @Tool 注解和反射机制添加自定义工具
最小依赖：仅使用 Gson 进行 JSON 解析；基于 Java 17 标准库构建
跨平台：支持 Windows、macOS 和 Linux

快速开始

环境要求

Java 17 或更高版本
Maven 3.6+
LLM API 密钥（DeepSeek、OpenAI 或兼容服务）

编译构建

1	`mvn clean package`

构建完成后，uber JAR 文件位于 target/miniagent-1.0.0.jar，包含所有依赖。

配置

在项目根目录创建 .env 文件：

cp .env.example .env

编辑 .env，填入你的 API 凭证：

LLM_API_KEY=your_api_key_here

LLM_MODEL=deepseek-chat

LLM_API_BASE=https://api.deepseek.com/v1

运行

交互模式（默认）：

1	`java -jar target/miniagent-1.0.0.jar`

单次查询模式：

1	`java -jar target/miniagent-1.0.0.jar` `"创建一个 hello.py 文件，输出 Hello World"`

配置说明

环境变量

变量	必填	默认值	说明
`LLM_API_KEY`	是	-	LLM 提供商的 API 密钥
`LLM_MODEL`	否	`deepseek-chat`	模型标识符
`LLM_API_BASE`	否	`https://api.deepseek.com/v1`	API 基础地址
`LLM_TEMPERATURE`	否	`0.7`	采样温度（0.0-2.0）
`LLM_MAX_ITERATIONS`	否	`10`	最大 Agent 循环迭代次数

.env 文件

配置从当前目录的 .env 文件加载。环境变量优先级高于 .env 文件中的值。

LLM_API_KEY=sk-xxxxx

LLM_MODEL=deepseek-chat

LLM_API_BASE=https://api.deepseek.com/v1

LLM_TEMPERATURE=0.7

LLM_MAX_ITERATIONS=10

Builder API

编程方式调用时，使用 Builder 模式构建 Agent：

MiniAgent agent = MiniAgent.builder()

.model("deepseek-chat")

.apiKey("your-api-key")

.baseUrl("https://api.deepseek.com/v1")

.temperature(0.7)

.maxIterations(10)

.build();

内置工具

代码工具

工具	说明	参数
`read`	读取文件内容（带行号）	`path`（必填）, `offset`（默认 1）, `limit`（默认 200）
`write`	写入文件内容（不存在则创建）	`path`（必填）, `content`（必填）
`edit`	通过字符串替换编辑文件	`path`（必填）, `old`（必填）, `newContent`（必填）
`glob`	查找匹配 glob 模式的文件	`pattern`（必填）, `path`（默认 "."）
`grep`	在文件中搜索正则表达式	`pattern`（必填）, `path`（必填）
`bash`	执行 Shell 命令	`cmd`（必填）

基础工具

工具	说明	参数
`calculator`	计算数学表达式	`expression`（必填）
`get_current_time`	获取当前日期和时间	`format`（可选，默认 `yyyy-MM-dd HH:mm:ss`）
`system_info`	获取系统信息	（无）
`file_stats`	获取文件或目录统计信息	`path`（必填）
`web_search`	生成搜索 URL	`query`（必填）
`http_request`	发起 HTTP GET 请求	`url`（必填）
`clipboard_copy`	复制文本到剪贴板	`text`（必填）

工具调用格式

Agent 使用结构化格式通信工具调用：

1 2	`TOOL: <工具名称>` `ARGS: {"参数名":` `"参数值"}`

支持多种模式以提高 LLM 灵活性：

TOOL: calculator

ARGS: {"expression": "2 + 2"}

# 也支持：

TOL: calculator

ARGS: {"expression": "sqrt(16)"}

使用工具: calculator

参数: {"expression": "3 * 4"}

自定义工具

添加自定义工具

创建带有 @Tool 注解方法的类：

public class MyTools {

@Tool(

name = "my_tool",

description = "我的工具的功能描述",

paramDesc = "param1: 第一个参数\nparam2: 第二个参数"

)

public String myTool(String param1, int param2) {

return "结果: " + param1 + param2;

}

@Tool(name = "file_exists", description = "检查文件是否存在")

public boolean fileExists(String path) {

return java.nio.file.Files.exists(java.nio.file.Paths.get(path));

}

通过 Builder 加载自定义工具：

MiniAgent agent = MiniAgent.builder()

.apiKey("your-api-key")

.build()

.loadTools(new CodeTools(), new BasicTools(), new MyTools());

工具注解参考

字段	类型	必填	说明
`name`	String	否	工具名称（默认为方法名）
`description`	String	是	人类可读的描述
`paramDesc`	String	否	参数描述（每行一个）

架构设计

核心组件

┌─────────────────────────────────────────────────────────────┐
│                          Main                               │
│                     （入口程序）                              │
└──────────────────────────┬──────────────────────────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                      Config                                 │
│           （.env + 环境变量配置）                              │
└──────────────────────────┬──────────────────────────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                    MiniAgent                                │
│                  （核心 Agent 逻辑）                          │
│  ┌─────────────┐  ┌──────────────┐  ┌──────────────────┐   │
│  │ 工具解析器   │  │ 工具执行器    │  │ LLM 客户端       │   │
│  └─────────────┘  └──────────────┘  └──────────────────┘   │
└──────────────────────────┬──────────────────────────────────┘
                           │
         ┌─────────────────┼─────────────────┐
         ▼                 ▼                 ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│  ToolRegistry  │ │   LLMClient    │ │     CLI         │
│  （工具注册表） │ │ （LLM 客户端） │ │ （交互界面）    │
└─────────────────┘ └─────────────────┘ └─────────────────┘
         │
         ▼
┌─────────────────────────────────────────────────────────────┐
│                      Tools                                   │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────────┐   │
│  │  CodeTools   │  │ BasicTools   │  │  Custom Tools    │   │
│  │  （内置）     │  │  （内置）     │  │  （用户自定义）  │   │
│  └──────────────┘  └──────────────┘  └──────────────────┘   │
└─────────────────────────────────────────────────────────────┘

Agent 循环

MiniAgent.run() 方法实现反应式循环：

系统提示词 - 加载默认提示词并追加可用工具列表
发送给 LLM - 调用 LLM API，传入查询和对话历史
解析响应 - 使用正则表达式从 LLM 输出中提取工具调用
执行工具 - 调用已注册的工具并捕获结果
反馈循环 - 将工具结果反馈给 LLM 进行下一次迭代
重复 - 继续直到达到最大迭代次数或收到最终答案

┌──────────────┐
│   用户       │
│   查询       │
└──────┬───────┘
       ▼
┌──────────────┐
│    发送给    │◄─────────────┐
│     LLM      │             │
└──────┬───────┘             │
       ▼                     │
┌──────────────┐    ┌─────────┴─────────┐
│  解析 LLM   │───►│ 发现工具调用？       │
│  响应       │    └─────────┬───────────┘
└──────────────┘              │
       │              ┌───────┴───────┐
       │              │               │
       ▼              ▼               ▼
┌──────────────┐ ┌──────────┐ ┌─────────────┐
│   返回      │ │  执行     │ │  将工具结果 │
│ 最终答案    │ │  工具     │ │  反馈给 LLM │
└──────────────┘ └────┬─────┘ └─────────────┘
                      │
                      ▼
               ┌──────────────┐
               │   达到最大   │
               │   迭代次数？ │
               └──────┬───────┘
                      │ 否
                      ▼
               ┌──────────────┐
               │   下一轮    │
               │   迭代      │
               └──────────────┘

LLM 集成

接口：LLMClient 定义聊天协议
实现：OpenAICompatibleClient 使用 Java 11+ HttpClient
协议：OpenAI Chat Completions API（/v1/chat/completions）
认证：Authorization 头中的 Bearer Token
模型：DeepSeek、GPT-4、GPT-3.5 及任何兼容 OpenAI 的 API

项目结构

miniagent-java/

├── pom.xml # Maven 构建配置

├── .env.example # 环境变量示例文件

├── .env # 你的环境变量文件（已被 gitignore）

├── README.md # 英文文档

├── README_zh.md # 中文文档

└── src/main/java/com/example/miniagent/

├── Main.java # 入口程序

├── MiniAgent.java # 核心 Agent 逻

AI编程社区

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

码道 · 寻艺——从零构建“非遗交互式对话平台“的完整实践

AI编程社区

码道：用 Python + FastAPI 快速构建一个学生信息管理接口：从零到 Swagger 在线文档

在日常开发和教学中，我们经常需要一套简单、可控、能快速上手的后端接口来演示"前后端分离"、练习 Restful API 设计，或者作为前端联调的 Mock 服务。传统做法往往是搭一套完整的 Web 工程：配置数据库、编写 DAO、引入 ORM、做请求分发……一套流程下来，光环境搭建就要花去不少时间，对于想快速验证想法、或者刚入门 API 开发的同学来说，显得过于沉重。

AI编程社区

码道：从零构建学生信息管理系统 API：FastAPI 内存版 CRUD 项目全解析

FastAPI 的强大，很大程度上来自 Pydantic 的校验能力。我们写下类型声明，FastAPI 在运行时自动把它变成边界检查器。name：字符串，长度限制 1 到 50；age：整数，限制在 6 到 120 之间（ge大于等于、le小于等于）；gender：字符串，用正则限定只能是"男"“女”“其他”；email：邮箱格式字符串；grade与major：可选字段，代表班级和专业方向。