前幾天 Spring AI 迎來了其1.0.0版本的第七個里程碑（Milestone 7）的發(fā)布。緊接著下個月，我們將迎來 RC1（Release Candidate 1）版本，隨后便是正式版（GA，General Availability）的發(fā)布。對于 Java 開發(fā)者社區(qū)而言，這無疑是一個備受期待的喜訊！

1、Spring AI 框架介紹

Spring AI 是一個用于 AI 工程的應用框架。它的目標是將 Spring 生態(tài)系統(tǒng)中的一些設(shè)計原則，比如：可移植性和模塊化設(shè)計，應用到 AI 領(lǐng)域。它還推動在 AI 領(lǐng)域使用簡單的 Java 對象（POJOs）作為構(gòu)建應用程序基礎(chǔ)。

簡單來說，Spring AI 的核心任務(wù)是解決 AI 應用集成的基本挑戰(zhàn)：把你的企業(yè)數(shù)據(jù)和 API 與 AI 大模型模型連接起來。

Spring AI 全面采用了模塊化的架構(gòu)設(shè)計，如下圖所示：

Spring AI 新架構(gòu)設(shè)計主要旨在解決以下4個關(guān)鍵問題：

第一、提供統(tǒng)一抽象，隱藏底層復雜性

無論你使用的是 OpenAI 的 GPT、深度求索的 DeepSeek、谷歌的 Gemini、Anthropic 的 Claude，還是 Hugging Face 上的開源模型，Spring AI 都旨在提供一套統(tǒng)一且可移植的 API，讓你能夠輕松調(diào)用。對于向量數(shù)據(jù)庫，比如：Milvus、Pinecone、Redis、PGVector 等，它同樣提供了統(tǒng)一的 API 和查詢方法。這樣，你的代碼就可以更靈活地在不同的 AI 服務(wù)和數(shù)據(jù)庫之間切換，不會被某個特定供應商鎖定。

第二、簡化 AI 應用開發(fā)

構(gòu)建一個稍微復雜的 AI 應用，比如：RAG（檢索增強生成），通常需要涉及數(shù)據(jù)加載、分割、向量化、存儲、檢索、調(diào)用大語言模型（LLM）等多個步驟。Spring AI 提供了 ETL 框架、ChatClient、VectorStore 等組件和抽象，大大簡化了這些流程的實現(xiàn)。

第三、廣泛支持模型和向量數(shù)據(jù)庫

 Spring AI 支持市面上幾乎所有主流的大模型提供商（包括聊天模型和圖像生成模型）以及向量數(shù)據(jù)庫。這意味著你有非常豐富的選擇。

第四、深度集成 Spring 生態(tài)

這是 Spring 的強項！Spring AI 提供了各種 Spring Boot Starter，使得配置和集成 AI 模型、向量數(shù)據(jù)庫變得非常簡單，遵循“約定優(yōu)于配置”的原則，即開箱即用，無需復雜的配置。

Github 地址：

??https://github.com/spring-projects/spring-ai??

2、Spring AI 支持 MCP 實現(xiàn)

第一、Spring AI MCP 介紹

Spring AI 1.0.0-M7 集成了最新的 MCP 參考實現(xiàn) Java SDK 版本 0.9.0，帶來了顯著的架構(gòu)改進。

MCP（模型上下文協(xié)議）是一種標準化的協(xié)議，它讓 AI 大模型能夠以一種有組織的方式和外部工具、資源進行互動。它支持多種傳輸方式，這樣在不同的環(huán)境下都能靈活使用。

MCP 的 Java 開發(fā)包（SDK）提供了這個協(xié)議的 Java 版本，讓你可以通過同步或異步的方式，和 AI 大模型以及工具進行標準化的互動。

Spring AI 的 MCP 功能是在 MCP Java 開發(fā)包的基礎(chǔ)上，增加了和 Spring Boot 集成的功能，提供了客戶端和服務(wù)端的啟動器。你可以使用 Spring 的初始化工具來快速搭建支持 MCP 的 AI 應用。

第二、MCP Java 開發(fā)包（SDK）架構(gòu)

MCP 的 Java 實現(xiàn)采用了一個三層架構(gòu)設(shè)計：

• 客戶端/服務(wù)器層：這一層包括了 MCPClient 和 MCPServer。MCPClient 負責處理客戶端的操作，而 MCPServer 負責管理服務(wù)器端的協(xié)議操作。它們都使用 MCPSession 來管理通信。
• 會話層（McpSession）：這一層通過 DefaultMCPSession 的實現(xiàn)來管理通信模式和狀態(tài)。
• 傳輸層（McpTransport）：這一層負責處理 JSON-RPC 消息的序列化和反序列化，并支持多種傳輸實現(xiàn)方式。

1.MCP 客戶端（MCP Client）

MCP 客戶端是MCP（模型上下文協(xié)議）架構(gòu)中的一個關(guān)鍵部分，它的工作是和 MCP 服務(wù)器建立和管理連接。它負責客戶端的協(xié)議操作，包括：

• 和服務(wù)器商量使用哪個版本的協(xié)議，以確保雙方兼容
• 確定服務(wù)器有哪些功能可以用
• 發(fā)送和接收消息，以及用 JSON-RPC 格式進行交流
• 查找和運行工具
• 訪問和管理資源
• 與提示詞系統(tǒng)互動

還有一些可選的功能，比如：

• 管理“根”（可能是某種基礎(chǔ)設(shè)置）
• 支持抽樣（可能是隨機選擇一部分數(shù)據(jù)進行處理）
• 支持同步和異步操作（同步就是等待操作完成，異步就是不需要等待）

它還支持不同的傳輸方式，比如：

• 基于標準輸入輸出的傳輸，用于不同程序間的通信
• 基于 Java HttpClient 的 SSE 客戶端傳輸
• 基于 WebFlux 的 SSE 客戶端傳輸，用于響應式的 HTTP 數(shù)據(jù)流

2.MCP 服務(wù)器（MCP Server）

MCP 服務(wù)器是 MCP 架構(gòu)中的另一個基礎(chǔ)部分，它向客戶端提供工具、資源和能力。它負責服務(wù)器端的協(xié)議操作，包括：

• 實現(xiàn)服務(wù)器端的協(xié)議操作

      a.讓客戶端可以找到和使用工具

      b.用基于 URI 的訪問方式管理資源

      c.提供和處理提示詞模板

      d.和客戶端商量可以使用哪些功能

      e.結(jié)構(gòu)化的日志記錄和通知

• 管理多個客戶端的連接
• 支持同步和異步的 API
• 它也支持不同的傳輸實現(xiàn)方式，比如：

       a.基于標準輸入輸出的傳輸，用于不同程序間的通信

       b.基于 Servlet 的 SSE 服務(wù)器傳輸

       c.基于 WebFlux 的 SSE 服務(wù)器傳輸，用于響應式的 HTTP 數(shù)據(jù)流

       d.基于 WebMVC 的 SSE 服務(wù)器傳輸，用于基于 Servlet 的 HTTP 數(shù)據(jù)流

3.Spring AI MCP 集成

Spring AI 通過以下 Spring Boot 啟動器提供 MCP 集成，如下所示：

• 客戶端啟動器

    spring-ai-starter-mcp-client - 提供基于 STDIO 和 HTTP 的 SSE 支持的核心啟動器

     spring-ai-starter-mcp-client-webflux - 基于 WebFlux 的 SSE 傳輸實現(xiàn)

• 服務(wù)器啟動器

    spring-ai-starter-mcp-server - 提供基于 STDIO 傳輸支持的核心服務(wù)器

    spring-ai-starter-mcp-server-webmvc - 基于 Spring MVC 的 SSE 傳輸實現(xiàn)

    spring-ai-starter-mcp-server-webflux - 基于 WebFlux 的 SSE 傳輸實現(xiàn)

如果你想使用 Spring Boot 簡化設(shè)置，可以使用上面提到的 MCP 啟動器。

本文轉(zhuǎn)載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/W-O8h-kduA3lyySjMhl1CQ??