Java 版 Manus 实现正式发布，多智能体任务规划与执行迎来重大革新。核心要点：1. Spring AI Alibaba 推出 OpenManus，Java 版本多智能体系统可在线体验2. 真实问答场景演示，涵盖网页搜索、旅行规划、文档翻译等复杂任务3. 整体架构与运行原理深度解析，以及当前实现存在的不足与后续迭代方向
本次官方发布的 Spring AI Alibaba OpenManus 实现，完整集成了多智能体任务规划、深度思考与自动化执行流程，开发者可直观感受 Java 生态下多智能体系统的真实表现。该方案能够基于用户输入进行智能分析，操控浏览器、执行代码以完成各类复杂任务。
项目源码与在线体验入口：spring-ai-alibaba-openmanus
01 效果展示
直接来看运行效果，以下通过多个真实问答记录，全面展示 Spring AI Alibaba OpenManus 的实际表现能力。
1. 打开百度浏览器，在搜索框输入：阿里巴巴最最近一周股价，根据搜索到的信息绘制最近一周的股价趋势图并保存到本地目录。
2. 我计划在接下来的五一劳动节假期到韩国旅行，行程是从杭州出发到韩国首尔，总预算为10000元。我想体验韩国的风土人情、文化、普通老百姓的生活，总行程计划为5天。请提供详细的行程并制作成一个简单的HTML旅行手册，其中包含地图、景点描述、基本的韩语短语和旅行提示，以供我在整个旅程中参考。
3. 在本机的/tmp/docs目录下有一些中文文档，请依次将这些文档翻译为中文并保存到一个独立文件，将新生成的文件都存放到/tmp/endocs目录下
02 总体架构与原理
Spring AI Alibaba OpenManus 与 Python 版 OpenManus 在设计理念上一脉相承，整体架构如下图所示。
从架构图中可以清晰看到，这是一套多 Agent 智能自动协作机制的完整实现，具体包含以下核心组件：
- Planning Agent 负责将用户请求进行任务分解与规划，把复杂问题拆解为多个可依次执行的步骤。它借助 planning tool 动态生成一个串行的 Manus Agent 子工作流。
- 多个 Manus Agent 组成一条链式、按顺序依次执行的子工作流。子工作流中的每个 agent 对应规划中的一个具体步骤，每个 agent 均采用 ReAct 架构设计，通过多轮 Tool 调用来完成各自的子任务。
- Summary Agent 负责对整体任务结果进行汇总与总结。
03 实现总结与展望
Spring AI Alibaba OpenManus 实现中的问题
当前版本的 OpenManus 实现主要面临以下几个挑战：
- 仓库中约 80% 的代码用于流程编排，包括串联 manus agent 子流程、维护消息记忆、转发工具调用、全局状态修改等。这部分工作完全可以通过高度抽象的 agent 框架来承接，从而显著降低开发复杂度。
- 工具的覆盖范围与执行效果仍有提升空间，浏览器操控、脚本执行等核心工具的能力尚未完全释放。
- 在规划及工作流程中，用户无法手动介入进行 review、动态调整或回退操作，灵活性有待增强。
- 当前 OpenManus 实现的效果调试难度较高，排查问题不够直观。
Spring AI Alibaba 未来规划与解决方案
Spring AI Alibaba 是面向 Java 开发者的开源 AI 应用开发框架，与 Spring 生态实现无缝对接。基于该框架，开发者既可以构建全新的 AI 应用，也能对现有 Spring Boot 应用进行智能化升级改造。
从上图可以看出，除了框架原子抽象层，Spring AI Alibaba 重点规划了 multi-agent 框架，以及配套的生态组件，包括可视化评估平台、调试 Studio 等。
接下来，我们将正式发布 Spring AI Alibaba Graph 多 agent 框架，以及基于 Spring AI Alibaba Graph 的强化版 OpenManus 实现。预计代码量相比当前版本减少 70% 以上，整体可读性与执行效果将大幅提升，使开发者能够以此为基础，构建面向任意业务场景的智能体应用。
目前 Spring AI Alibaba 已支持 MCP 工具接入，后续将持续为 OpenManus 集成更成熟的 MCP server 实现，全方位提升整体工作表现。