【首发】LangChain4j 1.3.0 & 1.3.0-beta9 发布：Agent 能力再进化，MCP 生态全面增强！

---

一、版本概览

北京时间 2025-08-07，LangChain4j 官方同时发布了

• 1.3.0（稳定版）
• 1.3.0-beta9（预览版）

这是 1.x 系列迄今最大的一次功能迭代，围绕 Agent 框架、MCP 生态、流式工具调用、可观测性 四大主题，共合并 70+ PR，带来 20+ 项重磅更新。

---

二、重点更新一览

模块	亮点	说明
Agent Core	@AgentConfig 注解	一行代码声明 Agent 角色、指令与工具
MCP Client	自动暴露 Resources 为 Tools	零开发即可把远端 MCP Server 能力接入 Agent
ChatModel	流式 部分工具调用	边思考边调用，减少首 token 延迟 ≈ 40%
OpenAI	自定义 ChatRequest 参数	支持 logprobs、top_logprobs、seed 等原生字段
Azure OpenAI	精确 TokenUsage 上报	流式场景也能拿到真实计费
Anthropic / Gemini / Mistral	全量迁移至新版 Chat API	统一体验，后续新功能秒级接入

---

三、深度解读

3.1 Agent 框架：从“能用”到“好用”

@AgentConfig(
    name = "java-architect",
    systemMessage = "你是资深 Java 架构师，只提供可落地的代码",
    tools = {CodegenTool.class, JiraTool.class}
)
public interface JavaArchitectAgent {}

• @AgentConfig 自动生成代理实现，省去手写 AiServices.builder() 模板代码。
• Guardrails SPI 支持对输入/输出做统一校验、脱敏、审计。

3.2 MCP 生态：资源即工具

• 以前：MCP Server 暴露的 Resources 只能看，不能当 Tool 用。
• 现在：McpToolProvider#autoExposeResources(true)，一行配置即可把远端文件、数据库、API 文档自动映射为 Agent 可调用工具。
• 新增 health check、roots 支持，生产就绪。

3.3 流式工具调用：边想边干

• 老版本：必须等 LLM 把一次 tool_calls 完整返回，才能执行。
• 1.3.0：支持 partial tool calls —— LLM 刚写完函数名就能立即执行，首 token 延迟大幅下降，对话更丝滑。

3.4 可观测性：企业级必选项

• TokenStream 回调增强：可在工具真正执行前后插入 hook，方便记录耗时、权限校验。
• Azure OpenAI 流式场景下也能准确上报 prompt_tokens / completion_tokens，让计费不再“拍脑袋”。

---

四、升级指北

4.1 Maven 坐标

<dependencyManagement>
  <dependencies>
    <dependency>
      <groupId>dev.langchain4j</groupId>
      <artifactId>langchain4j-bom</artifactId>
      <version>1.3.0</version>
      <type>pom</type>
      <scope>import</scope>
    </dependency>
  </dependencies>
</dependencyManagement>

4.2 破坏性变更（⚠️）

• Vertex AI Gemini：Executor 改为异步实现，需调整自定义线程池代码。
• Azure OpenAI：移除 TokenCountEstimator，统一使用 ChatModelListener 获取用量。
  完整迁移指南见官方 CHANGELOG。

---

五、一分钟体验新功能

var mcp = McpClient.builder()
        .transport(new StdioTransport("./mcp-server-sqlite"))
        .autoExposeResources(true)   // 1.3.0 新增
        .build();

var agent = AiServices.builder(Agent.class)
        .chatModel(OpenAiChatModel.withApiKey(key))
        .mcpClients(List.of(mcp))
        .build();

String answer = agent.chat("把 users 表中年龄大于 30 的人发邮件通知");
// LLM 自动调用 mcp-server-sqlite -> 查询 -> 邮件工具

---

六、写在最后

1.3.0 让 LangChain4j 的 Agent 能力 从“玩具级”迈向“生产级”。
无论你是想 快速做 PoC，还是 构建企业级 LLM 应用，现在都是上车的好时机。
欢迎评论区交流踩坑与最佳实践！

源码 & 示例：https://github.com/langchain4j/langchain4j
官方文档：https://docs.langchain4j.dev
问题反馈：GitHub Issues 或 Discord 频道