用 Java Agent Runtime 与 A2A 协议打造桌面数字人:多智能体协同办公的完整架构拆解
大多数 AI 桌面应用仍停留在“单应用、单会话”的形态:一个窗口、一个模型、一问一答。一旦任务跨越编码、绘图、文档处理、数据分析等多个场景,用户就要在多个工具之间来回切换,上下文反复丢失。近期开源社区出现了一个颇具启发性的解法:以 Java 实现的 Agent Runtime 为核心,配合 A2A 开放协议,把桌面端升级为一个可跨端协作的“数字人”系统——多个智能体像同事一样被拉进同一个聊天群,分工协作、共享产物。本文拆解这套方案的设计思路与架构细节,为智能体跨端协同的工程落地提供参考。
从单应用智能体到跨端数字人
这套方案的出发点非常朴素:做各类场景的智能体,但不想每个场景都从头实现。MCP 可以连接服务,Skills 可以做规约限制,但缺少一个干净、可复用的底层运行时。于是作者选择自建一套 Java 版 Agent Runtime,把 ReAct 循环、会话管理、工具注册、权限审批等通用能力全部下沉到服务端,上层场景只需以插件形式装配。得益于这套底座,为一个新场景搭建智能体的初步对接可以压缩到一天以内,这是运行时与场景解耦带来的直接红利。
桌面端只做壳,能力由服务端承载
架构上最关键的决策是:桌面端只做壳,智能体能力内嵌而非重写。桌面应用采用 Tauri 2 + React 构建界面,Rust 壳承担“操作系统代理”职责——拉起服务端 JAR 子进程、选择空闲端口、管理凭据与通知;而 ReAct 主循环、会话事件溯源、任务队列、模型渠道管理全部由内嵌的 Spring Boot 服务实现,以本地 H2 存储,零外部依赖。这一决策带来两个收益:桌面端与服务端可独立演进;同一套 Runtime 既可内嵌本地,也可部署远端,为数字人协作铺平道路。
数字人的成败,不在模型参数里、不在界面花哨里,而在运行时、协议与任务编排的每一个工程细节里。
“行业观察”积墨 AI 智能体开发平台
快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。
事件溯源与多智能体协作机制
从多年产业实践经验来看,这套架构里有三个设计值得企业借鉴。其一是事件溯源:模型输出、工具调用、结果回填的每一步都写入会话事件日志,事件日志是唯一事实源,UI 只是投影——这保证了断流可恢复、协作可审计,也使会话状态可从事件重建。其二是协作模式刻意收敛:用户在房间描述目标,Planner 生成计划并展开为任务 DAG,无依赖任务并行执行、有依赖任务等上游产物就绪自动续跑;成员通过 ASK 协议定向提问,失败恢复有明确预算,取消语义完整且下游级联置败。这回避了自由群聊式多 Agent 协作常见的重复劳动与上下文膨胀。其三是双协议边界:服务端同时提供自有 Agent Card 与标准 A2A 0.3.x 协议,客户端做双协议探测发现,任何符合 A2A 标准的第三方 Agent 都能接入房间,与本地数字人同场协作。
