新品 PaiCLI Agent

高仿 Claude Code 的 CLI 工具宣传语：AI时代最值得掌握的Agent项目技术栈：ReAct、Plan-and-Execute、Memory、RAG、Multi-Agent、HITL、异步、支持GLM 和 DeepSeek、支持联网搜索、MCP、Skill、TUI

管理员码农

整个项目架构可以拆分为四层：Agent 核心层、工具与协议层、决策与编排层，以及产品层。

①、Agent 核心层是整个系统的心脏，实现了标准的 ReAct 循环——推理（Reasoning）、行动（Acting）、观察（Observing）三步循环。

原理其实也简单，LLM 思考要不要调用工具，如果需要就执行工具拿到结果，再继续思考，直到任务完成。

// Agent.java - ReAct 核心循环
while (true) {
    if (CancellationContext.isCancelled()) {
        return "⏹️ 已取消当前任务。";
    }
    maybeCompactHistory();
    AgentBudget.ExitReason exitReason = budget.check();
    if (exitReason != AgentBudget.ExitReason.WITHIN_BUDGET) {
        break;
    }
    // 发请求、解析 tool_calls、执行工具、塞回历史...
}

②、工具与协议层支持 MCP 协议的两种传输方式：stdio（本地子进程）和 Streamable HTTP（远程服务）。

还可以接入文件操作、Git、数据库、GitHub 等各种工具。

我们还实现了 Chrome DevTools Protocol，让 Agent 能直接操控浏览器。

③、决策与编排层包括 Skill 系统和多 Agent 编排。

通过内置的 web-access Skill，我们的PaiCLI可以自主决策，是使用内置的 web-fetch，还是 web-search，还是 Chrome Devtools MCP 打开浏览器，还是直接通过 CDP 复用已有的登录信息来访问目标网站。

多 Agent 编排实现了 Orchestrator 模式，包含 Planner（任务拆解）、Worker（执行）、Reviewer（验证）三个角色。

④、产品层则覆盖了 HITL 人类审批、Token 预算控制、摘要压缩、异步并行执行、多模型适配等生产级特性。

为什么选择纯 Java 手搓？

这个问题很多球友可能会问，为什么不用 LangChain、Spring AI 这些框架？

主要是：

对于Agent项目，面试官其实想看的是你的底层理解。

用框架调 API 谁都会，但能说清楚 ReAct 循环怎么实现、Tool Calling 的 JSON-RPC 怎么实现、MCP 的生命周期怎么管理，这才是区分你到底有没有掌握 Agent 技术的关键。

说白了，PaiCLI 不是那种调个 API 套个壳的 AI Demo。

别人的项目说“我用了 SpringAI 调用 LLM”，你的项目说“我从零实现了 ReAct、手写了 MCP 客户端和通信协议、自己设计了 Skill 加载机制、接入了Chrome Devtools MCP 来控制浏览器、实现了 Memory 的持久化和上下文的摘要压缩、实现了 Multi-Agent和 Plan-and-Execute、实现了联网搜索和图片识别的视觉能力等等”。

面试官一听就知道，你是真的懂 Agent 的底层原理和实现细节的。

这里有一个介绍：https://paicli.paicoding.com/

新品 PaiCLI Agent

为什么选择纯 Java 手搓？

课程内容