Spring AI 工程实现总览（可选）

Freshness metadata

• last_verified: 2026-08-24
• version_scope: Spring AI 2.0 line; repository fd3fd6ec700340b90c3d516be57c6e6c87dd7df1
• source_type: Spring official reference + official-repository
• stability: fast-moving

Spring AI 为 Java/Spring 应用提供 Model API、ChatClient、structured output、tool calling、chat memory、RAG、vector store、MCP 与 observability 集成。它是实现层，不替代 Agent 原理。

分层

• Model API/ChatClient：provider-neutral 调用与 fluent orchestration；
• Structured Output：把模型文本映射到 schema，仍需业务校验；
• Tool Calling：声明工具并处理 invocation，真实副作用仍由应用 permission/runtime 管理；
• Memory：会话消息管理，不自动等于长期用户记忆；
• RAG/Vector Store：检索与 advisor pipeline；需要 citation、ACL、freshness；
• MCP：按官方当前 spec 与 Spring AI 当前模块版本核对 client/server 能力；
• Observability：记录 model/tool latency、tokens 与 trace，保护 prompt/secret/PII。

java复制
record Answer(String summary, java.util.List<String> sources) {}

Answer answer = chatClient.prompt()
    .user(question)
    .call()
    .entity(Answer.class);

反序列化成功只证明结构匹配；source 存在性、权限、业务不变量仍需 deterministic validation。

Cross-reference

Agent 原理请阅读 Agent开发 / 02-Agent Loop、03-Context Engineering、04-Tools与Runtime、05-Knowledge与Memory 与 06-Agent Harness。本模块只讨论 Java/Spring AI 的实现映射，避免复制理论。