spring ai alibaba
零、reactAgent
Chatclient已经弃用,使用ChatModel
内嵌node仅为两种，这里面支持ChatClient-可以自定义advisor chain

	private final AgentLlmNode llmNode;
	private final AgentToolNode toolNode;

一、记忆
使用自带的saver()
实现自定义的hook-before model-进行数据库存储
消息的取舍-可采用策略（修剪、删除、总结-extends ModelHook）

二、token
估算token

 // 估算 token 数量（简化版）
      int estimatedTokens = messages.stream()
          .mapToInt(m -> m.getText().length() / 4)
          .sum();

三、agent即工具

FunctionToolCallback与McpToolCallback是不同的：FunctionToolCallback是自定义的一些工具-函数等，相当于方法的进一步封装作为“公共方法”。而获取mcp server连接来的工具天然实现toolcallback。

agent作为工具使用作为子智能体，实现implements BiFunction<String, ToolContext, String>，其中ToolContext作为运行时的
“公共笔记本”，写入共享参数和获取参数

例如：
场景一：
获取-读取公共参数人员id,可以作为一个提取，有点类似chatclient的advisor方法，作为一个公共的函数，想在哪里使用就配置上即可
然后可以作为主智能体的Interceptor

public class SubAgentInterceptor extends ModelInterceptor

public class UserInfoTool implements BiFunction<String, ToolContext, String> {

  @Override
  public String apply(String query, ToolContext toolContext) {
      // 从上下文中获取用户信息
      RunnableConfig config = (RunnableConfig) toolContext.getContext().get("config");
      String userId = (String) config.metadata("user_id").orElse("");

      if ("user_123".equals(userId)) {
          return "用户是 John Smith";
      } else {
          return "未知用户";
      }
  }
}

四、FunctionToolCallback、hook、 interceptor
公共方法函数：FunctionToolCallback
运行时动态：interceptor 、hook

上下文工程（Context Engineering）正是解决这一问题的核心理念：以正确的格式提供正确的信息和工具，使 LLM 能够可靠地完成任务。

五、可自定义实现
（1）FunctionToolCallback

public class UserInfoTool implements BiFunction<String, ToolContext, String> {}

（2）Interceptor，抽象类有ToolInterceptor、ToolInterceptor，实现自Interceptor。

常用的有TodoListInterceptor：提供todo list管理功能给之呢个题，这个拦截器提高了在复杂问题的时候系统提示词去设置待办事项
场景一：
例如动态获取用户名作为曾倩

public class DynamicPromptInterceptor extends ModelInterceptor {

六,参数共享

OverAllState与Runnableconfig的数据是不一样的
举例子
对一个线程，只从该线程下的对话，有该用户的多个提问
线程主键就应该存在Runnableconfig.metadata中，作为长期记忆的用户画像的用户主键 存在Runnableconfig的context中； 多个提问的主键应该存入Runnableconfig
OverAllState中，作为额外固定信息；

官方举例子为:

RunnableConfig 提供了一个 context() 方法，允许你在同一个执行流程中的多个 Hook 调用、多轮模型或工具调用之间共享数据。这对于实现计数器、累积统计信息或跨多次调用维护状态非常有用。
适用场景：
跟踪模型或工具调用次数
累积性能指标（总耗时、平均响应时间等）
在 before/after Hook 之间传递临时数据
实现基于计数的限流或断路器

这是config的配置

可变性不同
metadata：不可变 (immutable)

一旦初始化，执行期间不改变

类似"只读配置"

context：可变 (mutable)

执行过程中会不断更新

节点可以读取和修改其中的数据
也就是说，如果在agent执行过程中会对其进行更新操作就放在context，而metadata类似”只读配置“