atmosphere
JVM AI Agent 运行时框架，通过 SPI 抽象层让同一套 @Agent 代码无缝运行在 Spring AI、LangChain4j、Anthropic 等 12 种后端之上，支持 MCP/A2A/AG-UI 三大协议和 WebSocket/SSE/gRPC 实时传输。
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
JVM AI Agent 运行时框架，通过 SPI 抽象层让同一套 @Agent 代码无缝运行在 Spring AI、LangChain4j、Anthropic 等 12 种后端之上，支持 MCP/A2A/AG-UI 三大协议和 WebSocket/SSE/gRPC 实时传输。
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这个场景：你的团队花了两周时间，用 Spring AI 精心打造了一个具备工具调用、多轮对话、人为审批功能的 AI Agent，顺利上线。但第三周，产品经理提出：「Anthropic 的 Claude 效果更好，要切换过去。」于是你和团队迎来了连续一周的加班——新的 SDK、新的 API 风格、新的流式接口、新的工具定义方式，所有代码几乎重写了一遍。
这不是虚构的场景。在 2025 年的 Java AI 生态中，开发者的确面临这样的困境：Spring AI、LangChain4j、Google ADK、Microsoft Semantic Kernel……每一个框架都能力出色，但每一个框架也都有自己的 API 抽象。选了一个，就等于锁定了一个供应商的演进路线。
Atmosphere 解决的就是这个问题：一次编写，任意框架运行。
Atmosphere 的前身是同名实时通信框架（atmosphere-framework），自 2008 年起维护，最初用于解决浏览器长连接推送问题，在 WebSocket 还没有被标准化的年代就已经提供了跨浏览器的实时能力。2024 年，随着 AI Agent 浪潮兴起，Async-IO 团队将这套实时通信基础设施重新定位为 JVM AI Agent 运行时，在原有流式传输层之上叠加了 Agent 抽象、协议兼容和治理能力。
项目由 Java Champion Jean-François Arcand（Async-IO 创始人）主导，Apache 2.0 许可，目前在 GitHub 拥有 3796 颗星，保持活跃开发状态。
Atmosphere 的架构精髓在于 AgentRuntime SPI（Service Provider Interface）。开发者使用 @Agent 注解定义 Agent，运行时通过 SPI 发现并加载具体的 Adapter：
12 个运行时适配器，涵盖主流框架：
| 适配器 | 框架 |
|---|---|
| Built-in | OpenAI 兼容客户端（零依赖，开发测试用） |
| Spring AI | Spring AI |
| LangChain4j | LangChain4j |
| Anthropic | Anthropic Claude |
| Google ADK | Google Agent Development Kit |
| Microsoft | Semantic Kernel |
| JetBrains Koog | Koog |
| Alibaba | Spring AI Alibaba ReactAgent |
| AgentScope | AgentScope |
| Embabel | Embabel 规划引擎 |
| ADK | ADK（另一种） |
传输层（5 种实时传输）：
三大 Agent 协议：
此外还有 Slack、Telegram、Discord、WhatsApp、Messenger 等 IM 渠道适配器。
普通的 @Agent 在 Atmosphere 中实际上是 Deep Agent（深度 Agent），默认携带一整套能力：
write_todos 工具，动态维护任务清单并实时推送给客户端ls、read_file、write_file、edit_file、glob、grep治理与安全：
开发体验：
# 安装 CLI
brew install Atmosphere/tap/atmosphere
# 生成 AI Chat 脚手架（默认 Spring AI）
atmosphere new my-agent --template ai-chat
# 一键运行示例团队（多 Agent 协作）
atmosphere run spring-boot-multi-agent-startup-team
# 切换运行时适配器
atmosphere new my-agent --template ai-chat --runtime spring-ai
atmosphere new my-agent --template ai-tools --runtime langchain4j --force
# 导入 Agent Skill
atmosphere import https://github.com/anthropics/skills/blob/main/skills/frontend-design/SKILL.md
Agent 代码示例：
@Agent(name = "my-agent", description = "What this agent does")
public class MyAgent {
@Prompt
public void onMessage(String message, StreamingSession session) {
session.stream(message);
}
@AiTool(name = "lookup", description = "Look up data")
public String lookup(@Param("query") String query) {
return dataService.find(query);
}
}
这个 @Agent 类同时注册：浏览器端点、MCP 端点、A2A 端点、AG-UI 端点、Slack/Telegram 等渠道。一次定义，全通道暴露。
部署门槛：Atmosphere 是 类库 + CLI 工具，没有 Docker 镜像，不提供一键部署。需要 Java 21+ 环境，通过 Maven 或 Gradle 将 atmosphere-*/.jar 引入项目。配套的 CLI 工具依赖 Java 运行时。Native Image（GraalVM）构建已在部分示例中验证通过（spring-boot-chat、quarkus-chat）。
框架锁定风险仍在：虽然 SPI 层做了抽象，但每个 Adapter 的能力边界取决于底层框架。Spring AI 不支持的功能，即使在 Atmosphere 层也无法魔法般解锁。
学习曲线陡峭：56 个模块，大量 SPI 接口，文档虽然详尽，但初次上手需要理解的概念（harness、checkpoint、scope、coordinator）仍然偏多。
非独立服务：它不是一个「平台」或「中间件」，而是一个「类库」。部署者需要自己管理 Servlet 容器（Tomcat/Jetty/Netty/Undertow/Quarkus/Spring Boot 均可作为 host）。
K8s 支持缺失：缺少 Helm Chart 或 K8s Manifest，生产微服务化部署需要自行编写。
文档语言：官方文档以英文为主，对中文开发者有一定门槛。
2024-2025 年，AI Agent 框架在 Python 生态已相当成熟（LangChain、AutoGen、CrewAI），但 Java/JVM 生态长期缺乏一个一站式运行时。Atmosphere 的出现填补了这个空白：
| 维度 | 评分 |
|---|---|
| 架构设计 | ⭐⭐⭐⭐⭐ SPI 抽象层设计精妙，模块化程度极高 |
| 功能完整性 | ⭐⭐⭐⭐⭐ 12 个适配器 + 5 种传输 + 3 大协议，生态齐全 |
| 代码质量 | ⭐⭐⭐⭐ Apache 2.0 + 契约测试 + CI/CD 流程完善 |
| 文档质量 | ⭐⭐⭐⭐ 官方文档详细，但英文为主 |
| 社区活跃度 | ⭐⭐⭐⭐ 持续更新，配套 homebrew/sdkman 包管理 |
| 部署便捷性 | ⭐⭐ 类库形式，无容器支持，需要 Java 功底 |
| AI 相关度 | ⭐⭐⭐⭐⭐ 专注 AI Agent 运行时，覆盖完整 Agent 生命周期 |