使用Spring AI开发MCP Server的配置与实战
ref-nobody Spring AI MCP（Model Context Protocol）Server Boot Starter 为在 Spring Boot 应用程序中设置 MCP 服务器提供了自动配置功能。它能够将 MCP 服务器的功能与…
Read MoreMay 2025
Spring 对于Embedding模型的API支持
嵌入（Embeddings）是将文本、图像或视频转化为数值表征的技术，这些数值能够捕捉输入数据之间的关联性。 其核心原理是将文本、图像及视频转换为浮点数数组（即向量）。这些向量经过特殊设计，能够准确反映原始数据的语义特征。嵌入数组的长度被称为向量的维度。 通过计算两个文本向量表征之间的数值距离，应用程序可以判定原始对象之间的相似度。这种基于向量距离的相似性度量，为语义检索等应用场景提供了数学基础。 EmbeddingModel接口专为AI和机器学习领域的嵌入模型集成而设计，主要功能是将文本转换为数值向量（即嵌入表征）。这些嵌入向量在语义分析、文本分类等任务中具有关键作用。 该接口的设计聚焦两大核心目标：
Read MoreAdvisors用于拦截、修改和增强与AI的交互
在spring ai中从官网可以看出advisor是一个很重要的概念，因此这一篇文章来学习一下。 Spring AI 顾问（Advisors）API 提供了一种灵活且强大的方式，用于拦截、修改和增强 Spring 应用程序中由人工智能驱动的交互。通过利用Advisors API，开发人员可以创建更复杂、可重用且易于维护的人工智能组件。 其主要优势包括封装重复出现的生成式人工智能模式、转换发送到和从大型语言模型（LLMs）接收的数据，以及在各种模型和用例中提供可移植性。 您可以使用 ChatClient API 配置现有的顾问，如下例所示： 建议在构建时使用构建器的…
Read More使用Spring AI开发MCP Client的配置与实战
模型上下文协议（Model Context Protocol，简称 MCP）是一种标准化的协议，它使得人工智能模型能够以结构化的方式与外部工具和资源进行交互。它支持多种传输机制，以适应不同环境中的灵活性需求。 MCP Java SDK 提供了模型上下文协议的 Java 实现，通过同步和异步通信模式，实现了与人工智能模型和工具的标准化交互。 Spring AI MCP 在 MCP…
Read MoreSpring AI中的ChatClient API
ChatClient 提供了一套流畅式API，用于与 AI 模型进行通信。它支持同步和流式编程模型。 该流畅式 API 提供了用于构建传递给 AI 模型作为输入的 Prompt 的各个组成部分的方法。Prompt 包含指导 AI 模型输出和行为的指令性文本。从 API…
Read More使用Spring AI定义模型可调用的工具
工具调用（也称为函数调用function calling）是人工智能应用中的一种常见模式，它允许模型与一组 API 或工具进行交互，从而增强其能力。 工具主要用于以下方面： 尽管我们通常将工具调用视为模型的能力，但实际上是由客户端应用程序提供工具调用逻辑。模型只能请求工具调用并提供输入参数，而应用程序负责根据输入参数执行工具调用并返回结果。模型无法访问作为工具提供的任何 API，这是一个关键的安全考虑因素。 Spring AI 提供了方便的 API，用于定义工具、解析模型的工具调用请求以及执行工具调用。以下各节将概述 Spring AI 中的工具调用功能。 查看各模型支持的不同的能力图谱：Chat…
Read More