1. 引言

在人工智能（AI）应用中，模型通常需要访问外部资源或执行特定操作，例如数据库查询、调用外部API或执行计算任务。Spring AI，作为Spring官方开源的AI应用开发框架，旨在简化将AI功能集成到应用程序的过程，避免不必要的复杂性。

Spring AI的发展历程

Spring AI项目的灵感来源于著名的Python项目（如LangChain和LlamaIndex），但并非简单的移植。这个项目的目标是让生成式AI应用不仅局限于Python开发者，而是能够在多个编程语言中广泛应用。Spring AI的核心价值在于解决AI集成的根本问题——如何将企业的数据和API与AI模型连接起来。通过提供一个抽象层，Spring AI使得开发者能够灵活地替换组件，轻松构建AI应用。

Spring AI的版本演进

Spring AI自发布以来，经过了多个版本的迭代更新，每个版本都带来了新的特性和改进，以下是一些重要版本的发布情况：

• 2024年5月30日：发布了1.0.0 Milestone 1版本，标志着API的基本确定，功能逐步完善。
• 2024年8月23日：发布了1.0.0 Milestone 2版本，增强了可观察性功能，提高了监控和调试能力。
• 2024年10月8日：发布了1.0.0 Milestone 3版本，进一步扩展了对多种AI模型的支持。
• 2024年11月20日：发布了1.0.0 Milestone 4版本，加入了对Amazon Bedrock Converse API的支持，提升了与Amazon模型的兼容性。
• 2025年2月14日：发布了1.0.0 Milestone 6版本，带来了多项新特性和改进，进一步巩固了框架的稳定性。

Spring AI的主要功能

Spring AI为开发者提供了多种AI功能的支持，包括：

• 智能聊天：集成大型语言模型（LLM），实现自然语言处理和对话生成。
• 文本生成：利用AI模型生成创意文本内容，例如文章、故事等。
• 图像生成：通过文本提示生成图像，支持多种图像生成模型。
• 音频处理：实现语音转文本和文本转语音功能，增强应用的交互性。
• 功能调用：允许模型请求执行客户端工具和函数，以访问实时信息。

2. 函数调用（Function Calling）

2.1 功能与作用

在AI应用中，模型常常需要访问外部资源或执行特定操作（如数据库查询、调用API等）。函数调用功能允许AI模型在生成响应时，调用预定义的外部函数或服务，以获取模型无法直接生成的信息。举个例子，模型可以通过调用天气查询函数，获取实时天气数据。

2.2 实现方式

在Spring AI中，函数调用的实现步骤如下：

1. 定义函数：开发者创建一个实现Function接口的Java类，明确函数的输入输出类型。例如，定义一个获取天气信息的函数：

   @Component
   public class WeatherFunction implements Function<WeatherFunction.WeatherRequest, String> {
       @Override
       public String apply(WeatherRequest request) {
           return "The weather in " + request.getCity() + " is sunny.";
       }
       public static class WeatherRequest {
           private String city;
           public String getCity() { return city; }
           public void setCity(String city) { this.city = city; }
       }
   }
   

2. 注册函数：将函数注册为Spring Bean，使其能被Spring AI识别和调用：

   @Configuration
   public class FunctionConfig {
       @Bean
       @Description("获取指定城市的天气信息")
       public Function<WeatherFunction.WeatherRequest, String> weatherFunction() {
           return new WeatherFunction();
       }
   }
   

3. 配置模型：在Spring AI的聊天客户端配置中，指定模型可以调用的函数：

   @Configuration
   public class ChatConfig {
       @Autowired
       private ChatClient.Builder chatClientBuilder;
   
       @Bean
       public ChatClient chatClient() {
           return chatClientBuilder
                   .withOptions(ChatOptions.builder().withFunction("weatherFunction").build())
                   .build();
       }
   }
   

4. 模型调用函数：模型在生成响应时，可以通过请求调用外部函数，得到结果：

   @RestController
   public class ChatController {
       @Autowired
       private ChatClient chatClient;
   
       @GetMapping("/chat")
       public String chat(@RequestParam String input) {
           WeatherFunction.WeatherRequest request = new WeatherFunction.WeatherRequest();
           request.setCity(input);
           String response = chatClient.prompt().user(input).functions("weatherFunction").call().content();
           return response;
       }
   }
   

注意：需要注意的是，Spring AI中的函数调用功能已被弃用，建议使用工具调用（Tool Calling）来实现类似功能。

3. 工具调用（Tool Calling）

3.1 功能与作用

工具调用允许AI模型在生成响应时调用外部工具或服务。这些工具能够帮助模型获取实时数据、执行特定操作或增强其功能。例如，模型可以调用天气查询工具来获取实时天气信息，或调用计算工具进行复杂的数学运算。

3.2 实现方式

工具调用的实现步骤与函数调用类似，但使用的是外部工具而非预定义的函数。以下是具体步骤：

1. 定义工具接口：开发者定义一个接口，声明工具的方法：

   public interface WeatherTool {
       String getWeather(String city);
   }
   

2. 实现工具接口：编写具体的工具实现类，处理工具的业务逻辑：

   @Component
   public class WeatherToolImpl implements WeatherTool {
       @Override
       public String getWeather(String city) {
           return "The weather in " + city + " is sunny.";
       }
   }
   

3. 注册工具为Spring Bean：将工具实现类注册为Spring Bean，以便Spring容器管理：

   @Configuration
   public class ToolConfig {
       @Bean
       public WeatherTool weatherTool() {
           return new WeatherToolImpl();
       }
   }
   

4. 配置模型使用工具：在Spring AI配置中，指定模型使用的工具：

   @Configuration
   public class ChatConfig {
       @Autowired
       private ChatClient.Builder chatClientBuilder;
   
       @Bean
       public ChatClient chatClient() {
           return chatClientBuilder
                   .withOptions(ChatOptions.builder().withTool("weatherTool").build())
                   .build();
       }
   }
   

5. 模型调用工具：模型在与用户交互时，通过工具调用获取所需的响应：

   @RestController
   public class ChatController {
       @Autowired
       private ChatClient chatClient;
   
       @GetMapping("/chat")
       public String chat(@RequestParam String input) {
           String response = chatClient.prompt().user(input).tools("weatherTool").call().content();
           return response;
       }
   }
   

注意：工具调用功能也已被标记为弃用，推荐使用智能体（Agent）来实现类似功能。

4. 智能体（Agent）

4.1 功能与作用

智能体（Agent）是能够自主决策并采取行动的软件实体。不同于函数调用和工具调用，智能体不仅能够执行预定义的操作，还能够根据环境变化和任务需求，动态选择并调用适当的工具或服务来完成复杂任务。

4.2 实现方式

智能体的实现涉及多个关键组件，主要包括：

1. 模型上下文协议（MCP）：用于规范如何向大型语言模型（LLM）提供上下文信息。通过MCP，智能体可以与不同的数据源和工具交互，实现数据获取和处理。
2. 智能体配置与实现：创建智能体并定义其行为。例如，可以创建一个与文件系统交互的智能体。
3. 智能体与模型集成：在Spring AI配置中，定义智能体，并与AI模型进行集成，使其能够在生成响应时调用智能体的功能。

注意：在最新版本的Spring AI中，智能体功能已得到优化，建议开发者参考官方文档，了解最新实现方式和最佳实践。

5. 从函数调用（FunctionCallbac）到工具调用（ToolCallback）

随着Spring AI的持续发展，函数调用（Function Callback）功能已被标记为过时（Deprecated），未来的趋势是采用工具调用（Tool Callback）机制。这种转变旨在提供更高的灵活性和扩展性，使开发者能够更方便地将外部工具和服务集成到AI应用中。

为什么从FunctionCallback迁移到ToolCallback

Spring AI团队决定将函数调用功能从FunctionCallback迁移到ToolCallback，主要基于以下考虑：

1. 功能增强：ToolCallback提供了比FunctionCallback更丰富的功能，包括更灵活的工具定义和调用方式，使开发者能够更精确地控制工具的行为。

2. 一致性和标准化：采用ToolCallback有助于统一工具调用的接口和规范，提升代码的可读性和维护性，减少因使用过时接口而可能引发的问题。

3. 未来兼容性：由于FunctionCallback已被标记为过时，未来版本的Spring AI可能会移除对其的支持。为了确保应用的长期兼容性和稳定性，建议开发者尽早迁移至ToolCallback。

因此，Spring AI强烈建议开发者将现有的FunctionCallback实现迁移到ToolCallback，以充分利用新版本带来的改进和优势，确保应用的可维护性和可扩展性。

6. 总结

在Spring AI的架构中，函数调用、工具调用和智能体（Agent）是构建高效、灵活应用的关键组成部分。函数调用使模型能够执行特定操作，工具调用则扩展了模型与外部系统交互的能力，而智能体利用这些功能实现自主决策和任务执行。理解并熟练运用这些概念，开发者可以设计出更智能、响应迅速的应用，满足多样化的业务需求。