Spring AI 1.1 新特性详解：五大核心升级全面提升AI应用开发体验

近日，Spring团队正式发布了Spring AI 1.1版本，这是自该项目成立以来的一个重要里程碑。Spring AI作为一个旨在简化AI应用开发的框架，在1.1版本中带来了多项重磅更新，从功能增强到性能优化，全方位提升了开发者的使用体验。

1️⃣ 🧰 Model Context Protocol（MCP）------ 统一 AI 工具/资源/提示注册

一句话：用注解一键暴露工具（Tool）、资源（Resource）、提示模板（Prompt）给 LLM，实现"AI 可调用你的业务能力"。

✅ 代码示例

java 复制代码

import org.springframework.ai.mcp.annotation.*;

@Service
public class WeatherService {

    @McpTool(description = "Get current weather for a location")
    public String getCurrentWeather(String location) {
        return "Sunny, 22°C in " + location;
    }

    @McpResource(description = "Database schema of users table")
    public String getDatabaseSchema() {
        return """
               CREATE TABLE users (
                 id BIGINT,
                 name VARCHAR(100),
                 email VARCHAR(100)
               );
               """;
    }

    @McpPrompt(template = "Write a SQL query to {{intent}}")
    public String generateSqlQuery(@PromptVariable("intent") String userIntent) {
        return ""; // 实际由模板渲染
    }
}

🔧 启动后，MCP 服务自动注册这些能力，供 AI Agent 调用（支持 HTTP/gRPC/STDIO 多种传输）。

📌 适用场景：构建企业级 AI Agent（如客服机器人可查订单、调库存、连数据库）。

2️⃣ ⚡ Prompt Caching（提示缓存）------ 降本 90% + 加速响应

一句话：对重复/相似提示自动缓存，避免重复计算 token，支持 Anthropic & AWS Bedrock。

✅ 代码示例（Anthropic）

java 复制代码

@Autowired
private ChatClient chatClient;

public String askWithCache(String question) {
    var message = UserMessage.from(question)
        .withOption(AnthropicOptions.builder()
            .cacheControl(true) // ✅ 启用缓存
            .ttlMinutes(60)     // 缓存 1 小时
            .build());

    return chatClient.call(message).getResult().getOutput().getContent();
}

📌 效果：

相同提示 → 后续调用直接命中缓存
成本下降最高 90%（Anthropic 官方数据）
响应延迟降低 50%+

3️⃣ 🤖 Recursive Advisors（递归顾问）------ 构建自优化 AI Agent

一句话：让 AI Agent 能"自己审自己"，通过多轮反思提升输出质量。

✅ 代码示例：自修正问答 Agent

java 复制代码

@Bean
public RecursiveAdvisor selfImprovingAdvisor(ChatClient chatClient) {
    return RecursiveAdvisor.builder()
        .chatClient(chatClient)
        .maxIterations(3) // 最多反思 3 次
        .feedbackPrompt("""
            Review the previous answer for accuracy and completeness.
            If it's sufficient, output [FINAL]: <answer>.
            Otherwise, improve it.
            Previous answer: {{output}}
            """)
        .build();
}

// 使用
String result = selfImprovingAdvisor.advise("Explain quantum entanglement simply");

🔍 输出可能为：

复制代码

Iteration 1: Quantum entanglement is when particles are linked...
Iteration 2: Let me clarify: even if separated, measuring one instantly affects the other...
[FINAL]: Quantum entanglement is a phenomenon where two particles become correlated so that...

📌 适用场景：高精度任务（法律咨询、医疗建议、代码生成审查）。

4️⃣ 🌐 新增模型支持：Google GenAI + ElevenLabs TTS

一句话：开箱即用接入 Google 最新模型 + 高质量语音合成。

✅ 代码示例：Google GenAI 聊天 + 语音输出

java 复制代码

// 1. 聊天（Google GenAI）
@Bean
public ChatModel googleChatModel(GoogleGenAiProperties props) {
    return new GoogleGenAiChatModel(props);
}

// 2. 文字转语音（ElevenLabs）
@Autowired
private TextToSpeechModel elevenLabsTts;

public InputStream textToSpeech(String text) {
    return elevenLabsTts.call(TextToSpeechPrompt.create(text));
}

🔧 配置 application.yml：

yaml 复制代码

spring:
  ai:
    google:
      api-key: ${GOOGLE_API_KEY}
    elevenlabs:
      api-key: ${ELEVENLABS_API_KEY}
      voice-id: "21m00Tcm4TlvDq8ikWAM" # Rachel

📌 优势：统一 TextToSpeechModel 接口，OpenAI / ElevenLabs 无缝切换。

5️⃣ 🧠 Reasoning Mode（推理模式）支持 ------ 获取模型"思考过程"

一句话：不只是答案，还能拿到模型的"解题步骤"，用于调试/解释/评估。

✅ 代码示例（GLM/Zhipu）

java 复制代码

var options = ZhipuOptions.builder()
    .enableReasoning(true) // ✅ 启用推理模式
    .responseFormat("json") // 要求 JSON 输出
    .build();

var response = chatClient.call(
    new Prompt("Calculate 15% of 200, show steps", options)
);

// 获取推理链（如：Step 1 → Step 2 → Final Answer）
ReasoningContent reasoning = response.getMetadata()
    .get("reasoning", ReasoningContent.class);

System.out.println("Steps: " + reasoning.getSteps());
System.out.println("Final: " + reasoning.getFinalAnswer());

📌 适用场景：

教育类应用（展示解题过程）
审计/合规（为什么模型这么答？）
构建 CoT（Chain-of-Thought）增强系统