从事 Java 开发多年，笔者最初对 AI 领域持审慎态度。彼时 AI 技术栈以 Python 生态为主导，LangChain、LlamaIndex 等框架虽成熟，但切换技术栈对 Java 团队而言成本较高。2024 年 Spring AI 正式发布后，这一局面得以改观。Java 开发者得以在熟悉的 Spring 生态中构建大模型应用，无需迁移至 Python 技术栈。

本文是《Spring AI 实战系列》的第9篇，重点讲解AI Agent的开发与应用。文章首先对比了AI Agent与传统AI的核心区别，指出Agent具备自主感知、规划决策、调用工具等能力。然后详细介绍了ReAct模式（推理+行动）的执行流程和Prompt模板。在实战部分，演示了如何基于Spring AI框架开发基础Agent和具备任务分解能力的Planning Agent，展示了从简单工具调用

本文介绍了MCP（Model Context Protocol）协议及其在Spring AI中的应用。MCP作为标准化AI与外部系统通信的开放协议，解决了不同框架间工具调用不兼容的问题。文章从核心概念、架构入手，详细讲解了Spring AI中MCP Client的两种接入方式（stdio和SSE模式）、多Server组合使用方法，以及如何开发自定义MCP Server。通过MCP协议，开发者可以实

文章摘要： 《Spring AI实战系列》第6篇深入解析Tool Calling工具调用，通过赋予AI系统操作能力实现从聊天机器人到智能助手的升级。文章对比了Tool Calling与RAG的区别，系统讲解声明式（@Tool注解）与编程式两种工具定义方法，提供天气查询、订单状态管理等实战案例。关键点包括：工具调用的透明化流程、注解参数对AI决策的影响、动态工具的编程实现，以及生产环境中工具注册的最

Spring AI 实战系列第2篇摘要（146字） 本文深入讲解Spring AI实战中的三大核心问题：模型集成、对话控制和Prompt工程化。主要内容包括： ChatClient与ChatModel的区别及最佳实践 多模型统一接入方案（OpenAI/DeepSeek等） Prompt工程化管理方法 流式输出与SSE对接注意事项 对话历史Token超限处理方案 重点演示了国产DeepSeek模型的

目录1. 拉取镜像2. 创建 portainer 工作目录3. 进入Portainer文件夹4. 下载汉化文件5. 解压汉化文件6 .启动镜像