2026/9/15 15:05:43
FEATURED · 精选文章 
LangChain4j 本地命令执行引擎用自然语言驱动桌面自动化与计算机使用 Agent【免费下载链接】langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.项目地址: https://gitcode.com/GitHub_Trending/la/langchain4j本篇文章围绕 LangChain4j 的CommandLineExecutionEngine本地代码执行方案展开讲解如何借助CommandLineTool与LocalScriptExecutionTool两个内置工具让 LLM 直接操作本地计算机文件管理、应用控制、系统命令等并完整演示在AiServices中装配这些工具、让 Agent 通过自然语言控制电脑的实战写法。读完本文你将掌握本地代码执行引擎的 API 组成、Maven 接入方式、工具注册与调用链路以及在生产环境中必须警惕的安全边界。什么是本地代码执行引擎LangChain4j 在核心模块中抽象了代码执行能力其入口是 CodeExecutionEngine 接口public interface CodeExecutionEngine { String execute(String code); }该接口只约定一个行为给定一段代码字符串返回执行结果字符串。围绕这个契约LangChain4j 提供了多种落地实现例如基于 GraalVM Polyglot 的 JavaScript/Python 沙箱引擎、基于 Judge0 的在线评测引擎以及本文要讲的本地命令执行引擎langchain4j-community-code-execution-engine-local。本地的含义非常直白CommandLineExecutionEngine直接使用本地计算机环境来执行提供的命令行代码而不是在隔离的沙箱或远程服务中运行。这意味着它拥有与当前登录用户几乎相同的系统权限可以读写文件、调用系统命令、控制已安装的应用因此天然适合Desktop Automation桌面自动化与Computer-Use计算机使用Agent这类场景。官方文档给出了几个典型的自然语言指令示例set my mac output volume 50将 Mac 的输出音量设为 50list all running applications in my mac列出 Mac 上所有正在运行的应用程序tell a story and then read it out loud讲个故事并朗读出来tell a story about moon and save it into a text file讲一个关于月亮的故事并保存到文本文件这些指令的共同点是模型不需要理解图形界面只需要生成对应的命令行代码再由本地引擎代为执行从而把看懂电脑转化为操作电脑。Maven 依赖在项目中引入本地代码执行引擎需要在pom.xml中添加如下依赖dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-community-code-execution-engine-local/artifactId version${latest version here}/version /dependency需要注意两点该模块属于community社区系列模块版本号请以实际发布的最新版本为准在 pom 中通常以${latest version here}占位实际使用时替换为具体版本号。该模块本身位于 langchain4j-community 仓库并不在当前主仓库的 code-execution-engines 目录内。当前主仓库中可以看到的是同族模块 langchain4j-code-execution-engine-graalvm-polyglot、langchain4j-code-execution-engine-judge0 与 langchain4j-code-execution-engine-azure-acads它们共同实现了CodeExecutionEngine契约可供对照理解本地引擎在整个家族中的定位。提供的 API本地代码执行引擎对外暴露三个核心类型类型职责CommandLineExecutionEngine实现CodeExecutionEngine接口在本地命令行环境中执行传入的命令行代码是底层执行器CommandLineTool一个Tool注解的工具类把命令行执行能力包装成 LLM 可调用的工具供通用 Agent 使用LocalScriptExecutionTool另一个Tool注解的工具类侧重于本地脚本如保存文件、读取文件、系统控制等脚本级操作的执行从当前仓库的源码模式可以印证这种引擎 工具的两层设计例如 GraalVmPythonExecutionTool 内部持有GraalVmPythonExecutionEngine实例并通过Tool注解暴露给模型Tool(MUST be used for accurate calculations: math, sorting, filtering, aggregating, string processing, etc) public String executePythonCode( P(Python code to execute, result MUST be returned or printed by the code) String code) { return engine.execute(code); }本地模块的CommandLineTool与LocalScriptExecutionTool遵循完全相同的模式工具方法内部调用CommandLineExecutionEngine.execute(...)Tool注解提供对模型的工具描述P注解描述参数含义帮助模型正确生成命令行参数。关于Tool注解的语义可以参考 Tool.java 的官方 Javadoc被注解的 Java 方法会被视为 LLM 可以调用执行的工具/函数当与AiServices配合使用时框架会自动根据方法签名方法名、参数名与类型、Tool与P注解等生成ToolSpecification并发送给 LLM若 LLM 决定调用该工具参数会被解析并自动触发方法调用返回值String类型会原样返回void返回 Success其他类型序列化为 JSON会回传给 LLM 继续推理。这正是自然语言 → 命令执行 → 结果回传闭环的底层机制。实战示例在 AiServices 中注册本地工具下面是官方文档给出的最小可运行示例演示如何把LocalScriptExecutionTool注册到 AI 服务中让用户以自然语言发出指令LocalScriptExecutionTool tool new LocalScriptExecutionTool(); Assistant assistant AiServices.builder(Assistant.class) .chatModel(model) .tools(tool) .chatMemory(MessageWindowChatMemory.withMaxMessages(10)) .build(); String answer assistant.chat(list all running applications in my mac); System.out.println(answer);拆解这段代码每一步都对应一个关键机制实例化工具new LocalScriptExecutionTool()创建本地脚本执行工具其内部封装了CommandLineExecutionEngine负责真正在本地环境跑命令。构建 AI 服务AiServices.builder(Assistant.class)基于接口构建 AI 服务其中chatModel(model)注入对话模型例如 OpenAI、本地 Ollama 等任何实现ChatModel接口的模型tools(tool)把工具注册进服务框架据此生成工具规格描述并随请求发送给模型chatMemory(MessageWindowChatMemory.withMaxMessages(10))配置滑动窗口消息记忆保留最近 10 条消息使 Agent 具备多轮上下文能力例如先让模型记住要讲的故事主题再要求保存文件。发起对话assistant.chat(list all running applications in my mac)将用户指令交给模型模型判断需要调用本地工具时自动执行对应命令行代码最终把执行结果整理成自然语言答案返回。同样的写法也适用于CommandLineTool——只需将new LocalScriptExecutionTool()替换为new CommandLineTool()。二者的区别在于工具描述与面向的场景侧重CommandLineTool面向通用命令行操作LocalScriptExecutionTool面向脚本级操作如写文件、编排多条命令实际使用时可根据 Agent 的任务类型选择或同时注册。底层调用链与工具机制当用户输入tell a story about moon and save it into a text file时完整的调用链路可以描述为AiServices将对话消息与工具规格由Tool注解与方法签名自动生成一起发送给 LLMLLM 判定需要调用LocalScriptExecutionTool返回结构化的工具调用请求如生成一段echo ... story.txt或 Python 脚本框架解析参数并调用工具方法工具方法把代码字符串交给CommandLineExecutionEngine.execute(...)引擎在本地进程如ProcessBuilder中执行命令捕获标准输出/错误返回执行结果结果作为工具响应回传给 LLMLLM 生成最终的自然语言回复如故事已保存到 story.txt。从当前仓库源码可以进一步确认这种引擎 工具分层的一致性CodeExecutionEngine接口位于 langchain4j-core是所有代码执行实现本地、GraalVM、Judge0、Azure ACADS共同的契约工具层则统一通过Tool/P注解暴露如 GraalVM 模块的 GraalVmJavaScriptExecutionTool 与 GraalVmPythonExecutionTool模式与本地模块一一对应。安全警告切勿在生产环境使用这是本地代码执行引擎最重要的注意事项官方文档以醒目方式给出了High-Risk Code Execution高风险代码执行警告⚠️ 在生产在线服务环境中执行代码可能是危险的。如果用于在线服务必须通过安全沙箱环境执行。切勿在生产环境中使用具体而言需要理解以下几点权限等同本地用户本地引擎以当前进程的运行身份执行命令没有权限隔离rm -rf、格式化磁盘、访问私钥等操作都可能被触发。模型输出不可控LLM 生成的命令行代码并非总是符合预期恶意提示注入或模型幻觉可能导致危险命令被执行。适用边界该引擎面向的是本地桌面自动化、个人开发机上的 Computer-Use Agent等受控场景一旦涉及多用户在线服务必须替换为隔离方案——例如使用 GraalVM Polyglot 沙箱、Judge0 在线执行 或 Azure ACADS 会话隔离 等具备隔离能力的实现。此外即便在本地使用也建议配合最小权限账户运行、限制可执行命令范围、对工具调用增加人工确认等防护措施不要把该引擎直接暴露给不可信来源的输入。验证与测试该模块的官方测试用例覆盖了引擎与工具两个层面测试位于 langchain4j-community 仓库的对应模块下CommandLineExecutionEngineTest验证底层命令执行引擎的常规行为CommandLineToolTest/CommandLineToolIT单元测试与集成测试验证命令行工具在 Agent 调用链中的行为LocalScriptExecutionToolTest/LocalScriptExecutionToolIT验证本地脚本执行工具包括脚本型指令如写文件、系统控制在真实环境中的执行效果。其中IT后缀Integration Test通常需要真实模型与真实本地环境适合在本机开发时手动验证Test后缀则适合 CI 中快速回归。参考同类模块如 GraalVmPythonExecutionEngineTest测试的一般模式是构造引擎/工具 → 传入样例代码 → 断言执行结果与预期输出一致从而验证从模型生成命令到命令真实执行的整条链路。总结CommandLineExecutionEngine把 LangChain4j 的代码执行抽象落地到本地环境配合CommandLineTool与LocalScriptExecutionTool两个工具封装让开发者可以用极少的代码构建出用自然语言控制电脑的桌面自动化与 Computer-Use Agent。其核心要点可以归纳为分层设计CodeExecutionEngine接口引擎层与Tool注解工具层解耦同一契约支撑本地、沙箱、远程多种实现接入简单一条 Maven 依赖 一个工具实例 AiServices三行装配即可运行边界清晰本地执行是强能力也是高风险能力只适合受控的本地场景在线服务必须切换到沙箱或远程隔离方案。【免费下载链接】langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.项目地址: https://gitcode.com/GitHub_Trending/la/langchain4j创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
LangChain4j 本地命令执行引擎：用自然语言驱动桌面自动化与计算机使用 Agent
LangChain4j 本地命令执行引擎用自然语言驱动桌面自动化与计算机使用 Agent【免费下载链接】langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.项目地址: https://gitcode.com/GitHub_Trending/la/langchain4j本篇文章围绕 LangChain4j 的CommandLineExecutionEngine本地代码执行方案展开讲解如何借助CommandLineTool与LocalScriptExecutionTool两个内置工具让 LLM 直接操作本地计算机文件管理、应用控制、系统命令等并完整演示在AiServices中装配这些工具、让 Agent 通过自然语言控制电脑的实战写法。读完本文你将掌握本地代码执行引擎的 API 组成、Maven 接入方式、工具注册与调用链路以及在生产环境中必须警惕的安全边界。什么是本地代码执行引擎LangChain4j 在核心模块中抽象了代码执行能力其入口是 CodeExecutionEngine 接口public interface CodeExecutionEngine { String execute(String code); }该接口只约定一个行为给定一段代码字符串返回执行结果字符串。围绕这个契约LangChain4j 提供了多种落地实现例如基于 GraalVM Polyglot 的 JavaScript/Python 沙箱引擎、基于 Judge0 的在线评测引擎以及本文要讲的本地命令执行引擎langchain4j-community-code-execution-engine-local。本地的含义非常直白CommandLineExecutionEngine直接使用本地计算机环境来执行提供的命令行代码而不是在隔离的沙箱或远程服务中运行。这意味着它拥有与当前登录用户几乎相同的系统权限可以读写文件、调用系统命令、控制已安装的应用因此天然适合Desktop Automation桌面自动化与Computer-Use计算机使用Agent这类场景。官方文档给出了几个典型的自然语言指令示例set my mac output volume 50将 Mac 的输出音量设为 50list all running applications in my mac列出 Mac 上所有正在运行的应用程序tell a story and then read it out loud讲个故事并朗读出来tell a story about moon and save it into a text file讲一个关于月亮的故事并保存到文本文件这些指令的共同点是模型不需要理解图形界面只需要生成对应的命令行代码再由本地引擎代为执行从而把看懂电脑转化为操作电脑。Maven 依赖在项目中引入本地代码执行引擎需要在pom.xml中添加如下依赖dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-community-code-execution-engine-local/artifactId version${latest version here}/version /dependency需要注意两点该模块属于community社区系列模块版本号请以实际发布的最新版本为准在 pom 中通常以${latest version here}占位实际使用时替换为具体版本号。该模块本身位于 langchain4j-community 仓库并不在当前主仓库的 code-execution-engines 目录内。当前主仓库中可以看到的是同族模块 langchain4j-code-execution-engine-graalvm-polyglot、langchain4j-code-execution-engine-judge0 与 langchain4j-code-execution-engine-azure-acads它们共同实现了CodeExecutionEngine契约可供对照理解本地引擎在整个家族中的定位。提供的 API本地代码执行引擎对外暴露三个核心类型类型职责CommandLineExecutionEngine实现CodeExecutionEngine接口在本地命令行环境中执行传入的命令行代码是底层执行器CommandLineTool一个Tool注解的工具类把命令行执行能力包装成 LLM 可调用的工具供通用 Agent 使用LocalScriptExecutionTool另一个Tool注解的工具类侧重于本地脚本如保存文件、读取文件、系统控制等脚本级操作的执行从当前仓库的源码模式可以印证这种引擎 工具的两层设计例如 GraalVmPythonExecutionTool 内部持有GraalVmPythonExecutionEngine实例并通过Tool注解暴露给模型Tool(MUST be used for accurate calculations: math, sorting, filtering, aggregating, string processing, etc) public String executePythonCode( P(Python code to execute, result MUST be returned or printed by the code) String code) { return engine.execute(code); }本地模块的CommandLineTool与LocalScriptExecutionTool遵循完全相同的模式工具方法内部调用CommandLineExecutionEngine.execute(...)Tool注解提供对模型的工具描述P注解描述参数含义帮助模型正确生成命令行参数。关于Tool注解的语义可以参考 Tool.java 的官方 Javadoc被注解的 Java 方法会被视为 LLM 可以调用执行的工具/函数当与AiServices配合使用时框架会自动根据方法签名方法名、参数名与类型、Tool与P注解等生成ToolSpecification并发送给 LLM若 LLM 决定调用该工具参数会被解析并自动触发方法调用返回值String类型会原样返回void返回 Success其他类型序列化为 JSON会回传给 LLM 继续推理。这正是自然语言 → 命令执行 → 结果回传闭环的底层机制。实战示例在 AiServices 中注册本地工具下面是官方文档给出的最小可运行示例演示如何把LocalScriptExecutionTool注册到 AI 服务中让用户以自然语言发出指令LocalScriptExecutionTool tool new LocalScriptExecutionTool(); Assistant assistant AiServices.builder(Assistant.class) .chatModel(model) .tools(tool) .chatMemory(MessageWindowChatMemory.withMaxMessages(10)) .build(); String answer assistant.chat(list all running applications in my mac); System.out.println(answer);拆解这段代码每一步都对应一个关键机制实例化工具new LocalScriptExecutionTool()创建本地脚本执行工具其内部封装了CommandLineExecutionEngine负责真正在本地环境跑命令。构建 AI 服务AiServices.builder(Assistant.class)基于接口构建 AI 服务其中chatModel(model)注入对话模型例如 OpenAI、本地 Ollama 等任何实现ChatModel接口的模型tools(tool)把工具注册进服务框架据此生成工具规格描述并随请求发送给模型chatMemory(MessageWindowChatMemory.withMaxMessages(10))配置滑动窗口消息记忆保留最近 10 条消息使 Agent 具备多轮上下文能力例如先让模型记住要讲的故事主题再要求保存文件。发起对话assistant.chat(list all running applications in my mac)将用户指令交给模型模型判断需要调用本地工具时自动执行对应命令行代码最终把执行结果整理成自然语言答案返回。同样的写法也适用于CommandLineTool——只需将new LocalScriptExecutionTool()替换为new CommandLineTool()。二者的区别在于工具描述与面向的场景侧重CommandLineTool面向通用命令行操作LocalScriptExecutionTool面向脚本级操作如写文件、编排多条命令实际使用时可根据 Agent 的任务类型选择或同时注册。底层调用链与工具机制当用户输入tell a story about moon and save it into a text file时完整的调用链路可以描述为AiServices将对话消息与工具规格由Tool注解与方法签名自动生成一起发送给 LLMLLM 判定需要调用LocalScriptExecutionTool返回结构化的工具调用请求如生成一段echo ... story.txt或 Python 脚本框架解析参数并调用工具方法工具方法把代码字符串交给CommandLineExecutionEngine.execute(...)引擎在本地进程如ProcessBuilder中执行命令捕获标准输出/错误返回执行结果结果作为工具响应回传给 LLMLLM 生成最终的自然语言回复如故事已保存到 story.txt。从当前仓库源码可以进一步确认这种引擎 工具分层的一致性CodeExecutionEngine接口位于 langchain4j-core是所有代码执行实现本地、GraalVM、Judge0、Azure ACADS共同的契约工具层则统一通过Tool/P注解暴露如 GraalVM 模块的 GraalVmJavaScriptExecutionTool 与 GraalVmPythonExecutionTool模式与本地模块一一对应。安全警告切勿在生产环境使用这是本地代码执行引擎最重要的注意事项官方文档以醒目方式给出了High-Risk Code Execution高风险代码执行警告⚠️ 在生产在线服务环境中执行代码可能是危险的。如果用于在线服务必须通过安全沙箱环境执行。切勿在生产环境中使用具体而言需要理解以下几点权限等同本地用户本地引擎以当前进程的运行身份执行命令没有权限隔离rm -rf、格式化磁盘、访问私钥等操作都可能被触发。模型输出不可控LLM 生成的命令行代码并非总是符合预期恶意提示注入或模型幻觉可能导致危险命令被执行。适用边界该引擎面向的是本地桌面自动化、个人开发机上的 Computer-Use Agent等受控场景一旦涉及多用户在线服务必须替换为隔离方案——例如使用 GraalVM Polyglot 沙箱、Judge0 在线执行 或 Azure ACADS 会话隔离 等具备隔离能力的实现。此外即便在本地使用也建议配合最小权限账户运行、限制可执行命令范围、对工具调用增加人工确认等防护措施不要把该引擎直接暴露给不可信来源的输入。验证与测试该模块的官方测试用例覆盖了引擎与工具两个层面测试位于 langchain4j-community 仓库的对应模块下CommandLineExecutionEngineTest验证底层命令执行引擎的常规行为CommandLineToolTest/CommandLineToolIT单元测试与集成测试验证命令行工具在 Agent 调用链中的行为LocalScriptExecutionToolTest/LocalScriptExecutionToolIT验证本地脚本执行工具包括脚本型指令如写文件、系统控制在真实环境中的执行效果。其中IT后缀Integration Test通常需要真实模型与真实本地环境适合在本机开发时手动验证Test后缀则适合 CI 中快速回归。参考同类模块如 GraalVmPythonExecutionEngineTest测试的一般模式是构造引擎/工具 → 传入样例代码 → 断言执行结果与预期输出一致从而验证从模型生成命令到命令真实执行的整条链路。总结CommandLineExecutionEngine把 LangChain4j 的代码执行抽象落地到本地环境配合CommandLineTool与LocalScriptExecutionTool两个工具封装让开发者可以用极少的代码构建出用自然语言控制电脑的桌面自动化与 Computer-Use Agent。其核心要点可以归纳为分层设计CodeExecutionEngine接口引擎层与Tool注解工具层解耦同一契约支撑本地、沙箱、远程多种实现接入简单一条 Maven 依赖 一个工具实例 AiServices三行装配即可运行边界清晰本地执行是强能力也是高风险能力只适合受控的本地场景在线服务必须切换到沙箱或远程隔离方案。【免费下载链接】langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.项目地址: https://gitcode.com/GitHub_Trending/la/langchain4j创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
