企业AI架构与Claude Code对比分析

背景

在企业级AI应用开发领域，架构设计是决定系统可维护性、扩展性和业务适配度的关键。随着大模型能力逐渐成熟，越来越多的企业开始构建自己的AI中台，将LLM编排能力与现有业务系统集成。与此同时，以Claude Code为代表的通用编程Agent运行时也在开发者社区兴起，其设计思路与企业级方案存在显著差异。本文作者接手了一个基于Java 17、Spring Boot 3、Spring AI Alibaba Graph以及AgentScope框架的企业级AI中台业务服务（项目代号julian-biz-ai），并拿到了Claude Code源码（Claude Code CLI提取的TypeScript实现），从“做agent开发”这一视角对两者进行了对比分析，揭示了两种完全不同设计哲学的取舍——面向业务的托管式AI服务 vs. 面向开发者的自主编程Agent引擎。

核心内容

原文从六个维度对julian-biz-ai（企业级AI中台）与Claude Code（通用编程Agent运行时）进行了架构对比：

0. 一句话定性

• julian-biz-ai：面向业务的托管式AI服务。它将“查询/报表/邮件回复/知识检索”等企业能力包装成可被LLM编排调用的Skill。多租户企业用户通过Web管理台、钉钉、企业微信等消费。agent的边界是一次HTTP/SSE会话=一次编排，agent是服务里的一个节点。框架依赖AgentScope + Spring AI Alibaba Graph，自己写业务编排层。复杂度集中在“如何把企业能力接进agent、如何把过程渲染给业务前端”。
• Claude Code：面向开发者的自主编程Agent引擎。它将“读写文件/执行命令/搜索/派生子agent”等通用能力交给模型自主循环。单个开发者在本地终端驱动。一个常驻REPL进程=一个agent，agent就是整个程序。自建全套原语（循环/工具/权限/记忆），不依赖外部agent框架。复杂度集中在“如何让一个通用循环安全、高效、可扩展地自主运行”。

1. 主循环（Agent Loop）

• julian-biz-ai：编排器节点（OrchestratorNode）+ Graph状态机（Spring AI Alibaba Graph的OverAllState）+ AgentScope ReAct。每轮编排开始，系统侧统一召回技能，将召回到的能力装载进单次AgentScope ReActAgent执行。跨步骤状态通过图节点流转。还有一套自研的ReAct抽象（ReActAgent.java: reasoning()/acting()、maxIterations等）。循环被包在服务端的一次请求处理里，由编排器驱动，终止条件是编排完成或达到maxIterations。
• Claude Code：核心是query.ts里的queryLoop——一个AsyncGenerator的while(true)。循环逻辑：组装消息 → 按需压缩 → 流式调LLM → 收集tool_use → 并发执行工具 → tool_result追加回消息数组 → 再循环。唯一续循环信号是“本轮assistant是否含tool_use”，不再产生tool_use即return {reason:'completed'}。工具执行与token生成重叠（StreamingToolExecutor）。外层QueryEngine.submitMessage()= 一个user turn。
• 差异解读：julian-biz-ai是“编排优先”（系统先收窄可选能力，再让模型在小范围内ReAct），可控、可审计，适合企业；Claude Code是“模型优先”（把全部工具摆上，让模型自己决定循环多少轮），自主、通用，适合编程助手。

2. 能力扩展点：Skill 策略 vs. Tool 对象

• julian-biz-ai：能力单元是Skill，用策略模式实现：SkillStrategy接口 → SkillFactory.getStrategy(SkillEnum) → strategy.execute(OverAllState)。新增一个skill = 写一个XxxStrategy implements SkillStrategy，按SkillEnum注册进工厂。Skill是重业务的：一个策略内部可能自己拼SQL、调Dify、生成ECharts、走RAG，它是“一段被LLM触发的业务流程”，execute拿到的是OverAllState全局状态，而非一个干净的入参对象。
• Claude Code：能力单元是Tool，一个大interface（Tool.ts:362-695），用Zod描述输入schema。一个工具同时负责：给模型的动态描述description()、输入schema inputSchema、执行call()、权限判定checkPermissions()、终端UI渲染renderToolResultMessage()、大结果落盘阈值等。新增工具 = buildTool(def)自动补默认值，静态注册进getAllBaseTools()。工具是通用原语（Read/Write/Bash/Grep…），业务无关。
• 差异解读：julian-biz-ai的Skill偏重“业务编排”，一个skill就是一条产品功能线；Claude Code的Tool偏重“能力原子化+自治”，把权限和UI都塞进工具本身，换来“新增工具零散耦合、一致性强”。企业若想让skill更易插拔，可借鉴Tool的“自带schema+自带权限”思路，把OverAllState依赖收敛成显式入参。

3. 工具与 MCP

• julian-biz-ai：除Skill外也有独立tool/与mcp/（如文档RAG、McpServerController对外暴露MCP server）。它既是MCP的消费方也是提供方——把自身能力作为MCP server输出给别的系统。工具经AgentScope Toolkit装载进ReActAgent。
• Claude Code：MCP是主要的外部集成途径，支持stdio/sse/http/ws等transport，MCP工具经assembleToolPool()以mcp__server__tool命名并入工具池；agent还能在自己的frontmatter声明专属MCP server。
• 共识点：两者都用MCP打通外部系统。区别是julian-biz-ai把“暴露自己”也纳入了（服务化思维），Claude Code侧重“接入别人”（客户端思维）。

4. 拦截与增强：Hook

• julian-biz-ai：agent/hook/IntentHook（继承HookBase）职责是“桥接AgentScope Hook事件与前端协议事件，把推理、工具调用和最终回复统一转换为Manus前端可消费的流式消息”。还有SkillUseHook、GatekeeperHook、CommonHook、EmailSmartReplyProcessHook等。Hook在这里是“运行时事件→业务/前端语义”的适配层。
• Claude Code：Hook（如PreToolUse）介入权限决策链（可allow/deny），以及stop hooks参与终止。偏“治理/安全切面”。
• 差异：同名“Hook”，julian-biz-ai主要用来把内部过程翻译成前端能渲染的东西（表现层适配）；Claude Code主要用来管住agent的行为（安全/生命周期）。

5. 流式协议

• julian-biz-ai：20+种语义化SSE帧的富协议。manus/chatProtocol/protocol/下有一整套帧类型：Thinking、ToolUse（含TableData/TableList/CsvDataHandler/JsonArrayHandler等多种结果渲染）、Loading、Markdown、Plan、DynamicForm、StaticForm、Iframe、KnowLedge、Suggest、Action、Done、Tab等。前端是一个能渲染表格/表单/图表/内嵌应用/多标签窗口的工作台，后端要把agent每一步都翻译成对应帧。
• Claude Code：SSE直连模型流，UI在本地React-Ink渲染。底层就是Anthropic SDK的SSE流，模型产出边流边yield。“渲染”由每个Tool的renderToolResultMessage()在终端里用Ink组件完成——渲染逻辑下沉到工具，没有独立的协议层。
• 差异解读：jul