3 天搞定 Java 版 AI 智能体！从安装 OpenClaw 到接管浏览器、发消息完整实战

东离与糖宝

1098人浏览 · 2026-03-14 17:20:46

东离与糖宝 · 2026-03-14 17:20:46 发布

文章目录

无意间发现了一个CSDN大神的人工智能教程，忍不住分享一下给大家。很通俗易懂，重点是还非常风趣幽默，像看小说一样。床送门放这了👉 http://blog.csdn.net/jiangjunshow

前言

还记得第一次看到AI自己打开浏览器查资料、填表单、发微信消息的那种震撼吗？就像看着自家猫突然学会了自己开罐头——这玩意儿居然真的能动起来！不过作为Java程序员，看着满屏幕的Python教程和Node.js脚本，总感觉像是去火锅店只能看着别人涮毛肚。

别急，今天这篇就是给Java老铁们的专属攻略。咱们不用换技术栈，就用最熟悉的Spring Boot，三天时间手把手搭出一个能控制浏览器、能发消息的AI智能体。坐稳了，这趟车直达"数字员工"终点站。

第一天：给电脑装个"数字大脑"

说白了，OpenClaw就是个住在电脑里的24小时待机小助手。它不像ChatGPT那样问一句答一句，而是像贴心管家一样，你说"帮我查查明天杭州的天气，然后发微信告诉老妈"，它真能自己打开网页、查完天气、再点开微信发送——全程不需要你动手。

环境准备：别在第一步就踩坑

工欲善其事，先得把Node.js装好。OpenClaw本体是基于Node.js运行的，去官网下载v22以上的版本，别用 antique 的老版本，不然后面各种报错能让你怀疑人生。

装完验证一下：

node -v
npm -v

接下来是重头戏——安装OpenClaw。2026年的安装已经比早期版本简单太多了，一行命令搞定：

npm install -g openclaw@latest

装完记得验证版本，看到2026.x.x这样的版本号才算成功：

openclaw --version

这时候还有个关键组件得装上——mcporter。这货是OpenClaw连接外部世界的"万能转接头"，没有它，咱们的Java代码根本没法跟OpenClaw对话。

npm install -g mcporter

装完后执行 mcporter list，如果看到提示"无配置"而不是"command not found"，恭喜你，第一关过了。

启动你的第一个Agent

现在来唤醒这个数字大脑。在终端输入：

openclaw gateway start

你会看到控制台开始输出各种日志，最后停在一个本地地址上，比如 http://localhost:18789。这就是你的Agent控制中枢。

第一次用需要生成访问令牌：

openclaw token generate

生成的token会自动保存在 ~/.openclaw/openclaw.json 里，后续所有操作都需要它。建议把这串字符记在小本本上，丢了就得重新生成。

这时候打开浏览器，访问控制台地址加上token参数，比如 http://localhost:18789/?token=你的Token，如果能看到一个简洁的Web界面，里面有个输入框等着你说点什么，那就说明你的"数字大脑"已经开机成功，就等接上手和脚了。

第二天：Java程序员的"通灵术"——MCP协议

好了，现在咱们有个能听懂话的大脑，但还缺身体——怎么让它真的去操作浏览器、发微信呢？这就要请出今天的主角：MCP（Model Context Protocol）。

你可以把MCP理解成AI界的"USB接口"。就像你的键盘、鼠标、U盘都能插同一个USB口，MCP让AI能插上各种工具：浏览器、数据库、微信、地图……只要有对应的MCP Server，AI就能操控它。

Spring AI在2025年底正式支持了MCP协议，这对Java程序员来说简直是天降福音。不用再写一堆HTTP调用，直接用Spring的方式就能跟AI Agent对话。

搭建Spring Boot项目

新建一个Spring Boot项目，依赖记得加上这些：

Spring Boot 3.2+
Spring AI MCP（spring-ai-mcp）
Playwright（用于浏览器自动化）

pom.xml里的关键配置长这样：


    
        org.springframework.boot
        spring-boot-starter-web
    
    
        org.springframework.ai
        spring-ai-mcp
        0.8.1
    
    
        com.microsoft.playwright
        playwright
        1.44.0

配置MCP连接

在 application.yml 里配上连向OpenClaw的桥梁：

spring:
  ai:
    mcp:
      client:
        enabled: true
        name: my-java-agent
        version: 1.0.0
        transport:
          type: stdio
          command: mcporter
          args:
            - call
            - playwright

这里有个坑得注意：OpenClaw通过mcporter去启动各种MCP服务。咱们要控制浏览器，就用Playwright的MCP Server。它内置了22个浏览器操作工具，点开网页、填表单、截图、爬数据，样样精通。

写个能控制浏览器的Java代码

来，看点实在的。下面这段代码能让AI自动打开京东，搜索"机械键盘"，然后把第一页的商品标题都抓回来：

import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;
import java.util.Map;

@RestController
public class AgentController {

    private final McpClient mcpClient;

    public AgentController(McpClient mcpClient) {
        this.mcpClient = mcpClient;
    }

    @PostMapping("/search")
    public String autoSearch(@RequestBody String keyword) {
        // 告诉AI：打开京东首页
        mcpClient.callTool("browser_navigate",
                Map.of("url", "https://www.jd.com"));

        // 等待页面加载，找到搜索框
        mcpClient.callTool("browser_wait_for",
                Map.of("selector", "#key"));

        // 在搜索框里输入关键词
        mcpClient.callTool("browser_type",
                Map.of("selector", "#key", "text", keyword));

        // 点击搜索按钮
        mcpClient.callTool("browser_click",
                Map.of("selector", ".button"));

        // 等待结果页加载
        mcpClient.callTool("browser_wait_for",
                Map.of("time", 3));

        // 执行JS代码抓取商品标题
        String script = """
                return Array.from(document.querySelectorAll('.p-name a'))
                    .slice(0, 5)
                    .map(a => a.textContent.trim());
                """;

        var result = mcpClient.callTool("browser_evaluate",
                Map.of("function", script));

        return "抓到的数据：" + result;
    }
}

这段代码看起来简单，但背后全是门道。McpClient就是Spring AI给的"遥控器"，每个callTool都是在指挥远端的OpenClaw去操作Playwright控制的浏览器。

关键点在于 browser_evaluate 这个工具，它能让我们在页面里执行任意JavaScript代码。这就好比AI不仅能帮你点开网页，还能在页面里"翻箱倒柜"找数据，甚至直接操作DOM。

让AI自己决定怎么干

上面的代码是指令式的——咱们一步步告诉AI先干嘛后干嘛。但真正的智能体应该是目标式的——咱们只说"我要什么"，AI自己规划步骤。

Spring AI支持这种方式，只需要改一下调用方式：

import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class AgentController {

    private final McpClient mcpClient;

    public AgentController(McpClient mcpClient) {
        this.mcpClient = mcpClient;
    }

    @PostMapping("/smart-search")
    public String smartSearch(@RequestBody String goal) {
        // 让AI自己理解目标并规划步骤
        String prompt = """
                目标：%s
                你可以使用以下工具：
                - browser_navigate: 打开指定URL
                - browser_type: 在输入框填入文字
                - browser_click: 点击元素
                - browser_evaluate: 执行JavaScript获取数据
                请规划步骤并完成目标，最后返回获取的数据。
                """.formatted(goal);

        return mcpClient.executeWithPrompt(prompt);
    }
}

这时候AI会像人一样思考：“要去京东搜机械键盘？那我得先打开jd.com，然后找到搜索框……” 自动就把活干了。这种感觉，就像雇了个不用睡觉的实习生，而且还不用买咖啡。

第三天：打通微信，让你的Agent学会"社交"

浏览器自动化只是基本功，真正的杀手锏是让Agent能替你发消息。想象一下：每天下班前，Agent自动帮你给团队发日报，还能根据聊天记录总结待办事项——这不就是每个打工人的梦想吗？

企业微信集成方案

2026年最稳的方案是通过企业微信的Webhook或者私有部署的WorkBuddy。腾讯基于OpenClaw封装的WorkBuddy已经支持通过WebSocket协议与企业微信对接。

首先在OpenClaw里配置企业微信的MCP Server：

mcporter config add wecom \
--url "https://work.weixin.qq.com/api/mcp" \
--env WECHAT_KEY=你的企业微信密钥

然后在Java代码里就能直接发消息了：

import org.springframework.stereotype.Service;
import java.util.Map;

@Service
public class WeChatService {

    private final McpClient mcpClient;

    public WeChatService(McpClient mcpClient) {
        this.mcpClient = mcpClient;
    }

    public void sendDailyReport(String content) {
        // 调用企业微信MCP工具发送群消息
        mcpClient.callTool("wecom_send_message", Map.of(
                "chat_id", "部门群ID",
                "msg_type", "text",
                "content", content
        ));
    }

    public String fetchUnreadMessages() {
        // 获取未读消息并总结
        var messages = mcpClient.callTool("wecom_get_unread", Map.of());
        // 这里可以接大模型做总结
        return summarizeWithAI(messages);
    }
}

完整的日报自动化流程

来个完整的例子，展示如何把这些能力串起来：

import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;

@Component
public class DailyReportJob {

    @Scheduled(cron = "0 0 18 * * MON-FRI")
    public void generateAndSendReport() {
        // 1. 打开项目管理系统获取今日完成任务
        var tasks = fetchTodayTasks();

        // 2. 打开GitLab获取今日提交记录
        var commits = fetchTodayCommits();

        // 3. 让AI总结成日报格式
        String report = aiSummarize(tasks, commits);

        // 4. 自动发到企业微信群
        sendToWeCom(report);

        // 5. 截图备份发到个人微信文件传输助手
        backupScreenshot(report);
    }

    private String fetchTodayTasks() {
        // 通过Playwright登录Jira/禅道等系统爬取数据
        mcpClient.callTool("browser_navigate",
                Map.of("url", "https://jira.company.com"));
        // ... 自动化操作
        return extractedData;
    }

    private void backupScreenshot(String content) {
        // 生成HTML报告并截图
        // 使用browser工具打开本地HTML文件截图
        mcpClient.callTool("browser_navigate",
                Map.of("url", "file:///tmp/report.html"));
        mcpClient.callTool("browser_take_screenshot",
                Map.of("filename", "daily-report.png"));
    }
}

这套组合拳打下来，原本每天花半小时整理的日报，现在Agent 30秒就搞定了。而且因为它跑在你本地机器上，数据安全性比那些云上的SaaS工具强多了——毕竟代码和密钥都捏在自己手里。

避坑指南：那些血泪换来的经验

走到这儿，你的Java Agent基本能跑起来了。但有几个坑我必须提前给你打预防针，这都是我踩过的真坑：

超时问题：Playwright操作如果超过60秒，默认的WebSocket连接会熔断。解决办法是在Spring AI的配置里调高超时，或者改用异步回调模式。
环境隔离：强烈建议用WSL2或者Docker跑OpenClaw，特别是Windows用户。有些npm包在Windows下编译会报错，Linux环境稳得多。
密钥管理：千万别把API Key硬编码在代码里。用Spring的@Value注入，配合环境变量或者阿里云Secrets Manager，这是生产环境的基本修养。
资源释放：Playwright的浏览器实例很吃内存，用完记得调用 browser_close。否则跑几天你的电脑会变卡，风扇狂转像要起飞。