目录

• 1. Spring AI 框架的培训总体介绍
• 2. 培训材料详细介绍
  • 2.1 基础部分 (000-基础)
  • 2.2 MCP (Model Context Protocol) 部分 (200-MCP)
  • 2.3 Agent 部分 (300-Agent)
• 3. Spring AI 框架培训总结
  • 3.1 学习路径建议
  • 3.2 技术要点总结
  • 3.3 实践应用场景
  • 3.4 未来发展方向

1. Spring AI 框架的培训总体介绍

Spring AI 是一个为 Spring 生态系统设计的 AI 应用程序框架，它提供了与各种 AI 模型和服务的集成能力。这个培训材料集合涵盖了从基础入门到高级应用的全面内容，帮助开发者快速掌握 Spring AI 的核心概念和实际应用。

本培训材料分为三个主要部分：

• 基础部分：介绍 Spring AI 的基本概念和核心功能
• MCP (Model Context Protocol) 部分：深入讲解如何使用 Spring AI 与 MCP 服务器集成
• Agent 部分：展示如何构建复杂的 AI 代理和工作流

通过这些培训材料，开发者将能够：

• 理解 Spring AI 的核心架构和设计理念
• 掌握与各种 AI 模型（如 OpenAI、Anthropic 等）的集成方法
• 学会实现流式响应、函数回调等高级功能
• 了解如何使用 MCP 协议与外部工具和服务集成
• 构建复杂的 AI 代理和工作流系统

2. 培训材料详细介绍

2.1 基础部分 (000-基础)

001-Spring AI Hello World Chat 应用完整案例

这是一个入门级案例，演示如何构建一个简单的命令行聊天应用，实现与 AI 模型的基本交互。案例涵盖了 Spring AI 的基本配置、ChatClient 的使用方法，以及如何处理简单的对话请求。

002-Spring AI Prompt Engineering Patterns 功能完整案例

本案例展示了各种提示工程（Prompt Engineering）模式的实现，包括零样本、单样本、少样本提示，以及更高级的思维链（Chain of Thought）等技术。这些技术对于优化 AI 模型的输出质量至关重要。

003-Spring AI OpenAI Streaming Response 功能完整案例

演示如何实现与 OpenAI API 的流式响应交互，通过 Spring WebFlux 实现实时响应处理。这对于提升用户体验，特别是在生成长文本或复杂响应时非常有用。

004-Spring AI Java Function Callback 功能完整案例

介绍如何使用 Spring AI 的函数回调功能，使 AI 模型能够调用 Java 函数。这扩展了 AI 模型的能力，使其能够执行特定的业务逻辑或访问外部系统。

101-Spring AI Kotlin Hello World 功能完整案例

为 Kotlin 开发者提供的入门案例，展示如何在 Kotlin 环境中使用 Spring AI。Kotlin 的简洁语法与 Spring AI 的强大功能相结合，提供了高效的开发体验。

102-Spring AI Kotlin Function Callback 功能完整案例

在 Kotlin 环境中实现函数回调功能的案例，展示如何利用 Kotlin 的语言特性与 Spring AI 的函数回调机制相结合。

103-Spring AI Kotlin RAG 功能完整案例

演示如何在 Kotlin 环境中实现检索增强生成（RAG）功能，这是一种结合了信息检索和文本生成的技术，能够基于特定知识库生成更准确的回答。

2.2 MCP (Model Context Protocol) 部分 (200-MCP)

201-Spring AI MCP Starter Default Client 功能完整案例

介绍如何使用 Spring AI MCP Client Boot Starter，演示如何连接到 MCP 服务器并将其与 Spring AI 的工具执行框架集成。这是学习 MCP 集成的起点。

202-Spring AI MCP Starter WebFlux Client 功能完整案例

展示如何在 WebFlux 环境中使用 Spring AI MCP 客户端，实现响应式的 MCP 交互。这对于需要高并发和低延迟的应用场景特别有用。

203-Spring AI MCP Client Dynamic Tool Update 功能完整案例

演示如何动态更新 MCP 客户端的工具，使应用能够在运行时添加、删除或修改可用的工具，提高了系统的灵活性。

204-Spring AI MCP Server Dynamic Tool Update 功能完整案例

从服务器端的角度展示如何动态更新工具，这对于构建可扩展的 MCP 服务器非常重要。

205-Spring AI Model Context Protocol Brave Search 功能完整案例

演示如何与 Brave Search MCP 服务器集成，实现通过自然语言进行互联网搜索的功能。这展示了 MCP 协议如何扩展 AI 应用的能力边界。

206-Spring AI Model Context Protocol Filesystem 功能完整案例

展示如何通过 MCP 协议与本地文件系统进行交互，实现通过自然语言查询和更新文件的功能。这对于构建智能文档管理系统非常有用。

207-Spring AI Model Context Protocol Brave Docker Agents Gateway 功能完整案例

演示如何通过 MCP 协议与 Docker 容器进行交互，实现智能化的容器管理和操作。

208-Spring AI Model Context Protocol SQLite 功能完整案例

展示如何通过 MCP 协议与 SQLite 数据库进行交互，实现自然语言查询和操作数据库的功能。

209-Spring AI Model Context Protocol SQLite Chatbot 功能完整案例

基于 SQLite MCP 服务器构建聊天机器人，展示如何将数据库操作与对话系统相结合。

211-Spring AI MCP Sampling Client 功能完整案例

介绍 MCP 采样客户端的使用，这是一种高级的 MCP 交互模式，允许更灵活地控制 AI 模型的采样过程。

212-Spring AI MCP Sampling Server 功能完整案例

从服务器端的角度展示如何实现 MCP 采样功能，为客户端提供高级的采样服务。

213-Spring AI MCP Annotations Client 功能完整案例

展示如何使用注解简化 MCP 客户端的开发，提高代码的可读性和维护性。

214-Spring AI MCP Annotations Server 功能完整案例

从服务器端的角度展示如何使用注解简化 MCP 服务器的开发。

215-Spring AI MCP Sampling Client Annotations 功能完整案例

结合注解和采样功能，展示如何构建更简洁的 MCP 采样客户端。

216-Spring AI MCP Sampling Server Annotations 功能完整案例

结合注解和采样功能，展示如何构建更简洁的 MCP 采样服务器。

220-Spring AI MCP Manual WebFlux Server 功能完整案例

演示如何手动构建基于 WebFlux 的 MCP 服务器，提供更高级的自定义能力。

221-Spring AI MCP Weather Server 功能完整案例

展示如何构建天气查询 MCP 服务器，演示如何将外部 API 集成到 MCP 生态系统中。

222-Spring AI MCP Weather OAuth2 Server 功能完整案例

在天气服务器的基础上添加 OAuth2 认证，展示如何构建安全的 MCP 服务。

223-Spring AI MCP Weather Starter WebMvc OAuth2 Server 功能完整案例

使用 Spring Boot Starter 简化 OAuth2 认证的 MCP 天气服务器开发。

224-Spring AI MCP Weather STDIO Server 功能完整案例

展示如何构建基于 STDIO 传输的 MCP 天气服务器，这是一种轻量级的 MCP 服务器实现方式。

2.3 Agent 部分 (300-Agent)

301-Spring AI Reflection Agent 功能完整案例

介绍反射代理（Reflection Agent）模式的实现，这是一种自我改进的代码生成系统，通过代码生成和审查的迭代循环来提高代码质量。

302-Spring AI Chain Workflow 功能完整案例

展示如何实现提示链（Prompt Chaining）工作流模式，将复杂任务分解为一系列步骤，每个步骤处理前一个步骤的输出。

303-Spring AI Evaluator-Optimizer 功能完整案例

演示评估器-优化器（Evaluator-Optimizer）模式的实现，通过双 LLM 循环反馈机制来迭代改进解决方案。

304-Spring AI Orchestrator-Workers 功能完整案例

介绍协调器-工作者（Orchestrator-Workers）模式，展示如何构建一个中央协调器来管理多个专业工作者，共同完成复杂任务。

305-Spring AI Parallelization Workflow 功能完整案例

展示如何实现并行化工作流，通过并行处理多个任务来提高系统效率和响应速度。

306-Spring AI Routing Workflow 功能完整案例

演示如何实现路由工作流，根据输入内容的特性将其路由到最适合的处理器，提高处理效率和准确性。

3. Spring AI 框架培训总结

Spring AI 框架培训材料提供了一个全面的学习路径，从基础概念到高级应用，涵盖了构建现代 AI 应用所需的各种技术和模式。

3.1 学习路径建议

对于初学者，建议按照以下顺序学习：

1. 基础入门：从 Hello World 案例开始，了解 Spring AI 的基本概念和配置
2. 核心功能：学习提示工程、流式响应和函数回调等核心功能
3. MCP 集成：掌握如何使用 MCP 协议扩展 AI 应用的能力
4. 高级模式：学习各种 AI 代理和工作流模式，构建复杂的应用系统

3.2 技术要点总结

通过这些培训材料，开发者将掌握以下关键技术：

• AI 模型集成：与 OpenAI、Anthropic 等主流 AI 模型的集成方法
• 提示工程：优化 AI 模型输出的各种技术和模式
• 流式处理：实现实时响应和流式数据处理
• 函数回调：扩展 AI 模型能力，使其能够执行特定业务逻辑
• MCP 协议：通过标准化协议与外部工具和服务集成
• AI 代理模式：构建复杂的多步骤 AI 工作流和代理系统

3.3 实践应用场景

Spring AI 框架可以应用于多种场景：

• 智能客服系统：构建能够理解自然语言并提供准确回答的客服系统
• 内容生成：自动生成文章、报告、代码等内容
• 数据分析：通过自然语言查询和分析数据
• 智能助手：构建能够执行复杂任务的个人或企业助手
• 知识管理：构建基于企业知识库的智能问答系统

3.4 未来发展方向

随着 AI 技术的不断发展，Spring AI 框架也在持续演进，未来可能的发展方向包括：

• 更多 AI 模型支持：集成更多主流和新兴的 AI 模型
• 增强的 MCP 生态：扩展 MCP 协议的应用场景和工具支持
• 更高级的代理模式：开发更复杂、更智能的 AI 代理系统
• 性能优化：提高框架的性能和资源利用效率
• 开发工具：提供更完善的开发工具和调试支持

通过系统学习这些培训材料，开发者将能够充分利用 Spring AI 框架的强大功能，构建出创新、高效、可靠的 AI 应用程序，为企业数字化转型提供强有力的技术支持。