如何将基于CLI的Manus实现（Java版）为？

一个轻量级、自包含的 Agent 框架，可连接 LLM API（DeepSeek、GPT-4 等），通过基于反射的工具系统完成任务，支持交互式 CLI 和单次查询两种模式。 目录 功能特性 快速开始 环境要求 编译构建 配置 运行 配置说明 环境变量 .env 文件 Builder API 内置工具 代码工具 基础工具 工具调用格式 自定义工具 添加自定义工具 工具注解参考 架构设计 核心组件 Agent 循环 LLM 集成 项目结构 使用示例 交互模式 单次查询模式 编程方式调用 支持的模型 常见问题 许可证 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 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）： java -jar target/miniagent-1.0.0.jar 　　 单次查询模式： 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： 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 逻辑（约 285 行） ├── Tool.java # @Tool 注解定义 ├── ToolRegistry.java # 全局工具注册表 ├── ToolCall.java # 工具调用数据类 ├── config/ │ └── Config.java # 配置加载器 ├── cli/ │ └── CLI.java # 交互式 CLI 接口 ├── llm/ │ ├── LLMClient.java # LLM 客户端接口 │ └── OpenAICompatibleClient.java # LLM API HTTP 客户端 └── tools/ ├── CodeTools.java # 文件/代码操作工具 └── BasicTools.java # 基础工具 　　 使用示例 交互模式 $ java -jar target/miniagent-1.0.0.jar ╔══════════════════════════════════════════════════════╗ ║ MiniAgent ║ ║ AI 编程助手（Java 版本） ║ ╚══════════════════════════════════════════════════════╝ Available Tools: ================ • read - 读取文件内容（带行号） • write - 写入文件内容 • edit - 通过字符串替换编辑文件 • glob - 查找匹配模式的文件 • grep - 在文件中搜索模式 • bash - 执行 Shell 命令 • calculator - 计算数学表达式 ... Commands: help - 显示帮助信息 tools - 列出可用工具 exit - 退出程序 you: 创建一个 hello.py 文件 Assistant: TOOL: write ARGS: {"path": "hello.py", "content": "print('Hello, World!')"} [Tool Result] ok 文件 hello.py 已成功创建。 　　 单次查询模式 $ java -jar target/miniagent-1.0.0.jar "现在几点了？" Query: 现在几点了？ ================================================== [Iteration 1/10] 思考中... [Assistant Response] TOOL: get_current_time ARGS: {"format": "yyyy-MM-dd HH:mm:ss"} [Executing Tool] get_current_time [Tool Result] 2026-04-06 12:34:56 现在是 2026-04-06 12:34:56。 　　 编程方式调用 import com.example.miniagent.*; public class Example { public static void main(String[] args) { // 构建 Agent MiniAgent agent = MiniAgent.builder() .model("deepseek-chat") .apiKey(System.getenv("LLM_API_KEY")) .temperature(0.7) .maxIterations(5) .build(); // 加载内置工具和自定义工具 agent.loadTools(new CodeTools(), new BasicTools()); // 执行单次查询 String result = agent.run("创建一个 config.json 文件，包含基本配置"); System.out.println(result); // 或使用交互式 CLI CLI.interactive(agent); } } 　　 支持的模型 提供商模型API 基础地址 DeepSeek deepseek-chat https://api.deepseek.com/v1 OpenAI gpt-4,gpt-4-turbo,gpt-3.5-turbo https://api.openai.com/v1 Azure Azure OpenAI 端点 你的 Azure 端点 本地模型 任何 Ollama 或 LocalAI 模型 http://localhost:11434/v1 使用 Ollama 本地模型： LLM_API_KEY=ollama # 不使用但必填 LLM_MODEL=llama3 LLM_API_BASE=http://localhost:11434/v1 　　 常见问题 "API key is required" 错误 确保.env文件存在且LLM_API_KEY已设置，或设置LLM_API_KEY环境变量。 工具未找到错误 检查工具类是否通过agent.loadTools()加载。交互模式下可使用tools命令查看已加载的工具列表。 LLM API 错误 验证 API 密钥是否有效 检查LLM_API_BASE是否与你的提供商匹配 确保网络可以访问 API 端点 github 地址 : https://github.com/TensorCode666/miniagent-java 欢迎提issue