摘要：文章介绍了在SpringAI 2.0以下版本实现AgentSkills的解决方案。通过提取2.0版本核心工具类，自定义ToolCallbackProvider注册基础工具，并动态注册需要ChatClient实例的SmartWebFetchTool，最终将skills作为工具注册到ToolCallbacks中。该方法绕过了版本升级的兼容性问题，利用SpringAI原生机制实现了AgentSki

本文解析了SpringAi中AgentSkills的实现机制。其底层通过Tool实现，使用SkillsTool构建技能配置，读取SKILL.md元数据并转换为技能列表。核心流程包括：ChatModel调用时携带技能目录，LLM识别需求后返回TOOL_CALL消息，拦截器处理工具调用并将结果返回模型（或直接输出）。本质上采用"说明书+执行引擎"模式，即"Prompt+T

MCP（ModelContextProtocol）是一种模型上下文协议，主要由McpClient和McpServer两个核心组件构成。McpClient负责与McpServer建立一对一连接，获取其暴露的工具或资源，而McpServer则是提供服务的端，通过标准协议暴露工具或资源。两者通过transport进行通信。在实际应用中，需明确两端的依赖和版本，目前WebFlux方式的Server实现存在

最近在研究Spring AI，在RAG预检索部分有两个做转换输入查询的类，分别是CompressionQueryTransformer和RewriteQueryTransformer。

MCP（ModelContextProtocol）是一种模型上下文协议，主要由McpClient和McpServer两个核心组件构成。McpClient负责与McpServer建立一对一连接，获取其暴露的工具或资源，而McpServer则是提供服务的端，通过标准协议暴露工具或资源。两者通过transport进行通信。在实际应用中，需明确两端的依赖和版本，目前WebFlux方式的Server实现存在