AgentScope Java 实战：给 AI Agent 加上权限管控
用 Java 写 Agent 的团队，大多卡在同一个坎上：Demo 跑得挺欢，一上生产就出事。模型会自己决定调不调工具、调哪个工具，重启一次会话全丢，上下文越滚越长最后撑爆 token。
为什么越来越多团队用 Java 写企业级 Agent：十个绕不开的现实因素
这两年我被问过好几次同一个问题：做 Agent，为什么不用 Python？我一般会反问一句，这个 Agent 上线之后，写不写业务库、走不走审批、进不进现有的权限体系。如果答案都是肯定的，语言这件事其实没多少可选。
AgentScope Java v2 Lab-1，审批只走有门的腿
▍ 摘要：把挂 ASK 规则的 agent 接到 OpenAI 兼容 API 腿上，暂停被翻译成 finish_reason:"tool_calls" 递回客户端，待批状态随请求消失——识别不等于执行。
AgentScope Java v2 第11课，agent 的家底是一棵会生长的目录树
▍ 摘要：重置后 agent 的工作区是 0 项，聊一句长到 12 项，半小时 34 项——没人写文件，全是框架照契约自己长。本课解剖这棵树：三类落点、AGENTS.md 三层遮蔽、注入管线五段、@path 四道闸、tools.
AgentScope Java 生产部署完全指南：从本地到 K8s 的落地路径
持续分享感兴趣可以点个【关注】不迷路～四种部署模式逐级演进，无状态水平扩展方案 + 完整 K8s 配置 + Dockerfile + 监控全链路，一篇搞定 Agent 从开发到上线的所有部署问题。
老 Java 项目接 Agent，写接口还是建目录
摘要：两条路都能让老项目接上 Agent，但入口完全不同。LangChain4j 让你声明一个接口，老 Service 加注解变成工具；AgentScope Java 让你建一个 workspace 目录，项目约定写成 Markdown。改动落在哪，决定你后面要维护什么。
AgentScope前端工程化：从聊天到Harness工作台
“查一下异常订单，生成一份报告；创建跟进草稿前让我确认。”这句话放进聊天框，只有几十个字。落到系统里，却是一段有先后、有权限、有中间产物的执行过程：先查询订单，再生成报告，走到创建草稿这一步还得停下来，等用户作决定。页面如果始终只有一个“思考中”，用户就看不出它停在哪里。
别再羡慕 Python 了！Java 的 Agent 框架终于来了，10 分钟上手
别再羡慕 Python 了！
基于 AgentScope 构建金融级智能体底座实战
作为整个 Agent Harness 体系的核心组成部分，FinXScope 充分复用 AgentScope Java 在智能体编排、工具集成、多模型接入及可扩展运行时等方面的成熟能力，并在此基础上针对金融行业的合规性、安全性与高可用要求进行了深度定制与增强。高可用、安全合规、可观测的企业级保障让金融级投产不再是难题。