【AI Agent基础 | 第四篇】Spring AI 集成与多模型支持

目录

[Spring AI 在 Agent 系统中的作用](#Spring AI 在 Agent 系统中的作用)

[接入 Spring AI 的步骤](#接入 Spring AI 的步骤)

[一个模型对应一个 ChatClient](#一个模型对应一个 ChatClient)

ChatClientRegistry：模型调度的核心

[Agent 如何绑定模型](#Agent 如何绑定模型)

模型成为系统基础设施

---

【AI Agent基础 | 第三篇】AI到底是怎么做事的？https://blog.csdn.net/h52412224/article/details/158773114?spm=1001.2014.3001.5502

【AI Agent基础 | 第二篇】从被动问答到主动推进任务的智能体https://blog.csdn.net/h52412224/article/details/158689521?spm=1001.2014.3001.5502【AI Agent基础 | 第一篇】AI模型的能力边界与分类https://blog.csdn.net/h52412224/article/details/158500592?spm=1001.2014.3001.5502

---

前面几章，我们用手写大模型 API 的方式，把模型调用、上下文管理和工具调用的完整流程走了一遍。

现在我们正式进入工程化开发阶段，新的问题也随之而来：

当系统里有多个 Agent、多次模型调用，甚至接入了多个不同厂商的模型时，我们怎么把这些模型能力统一管理起来，让它们变成可配置、可切换、可扩展的基础设施？

这一章，就来解决这个问题。

Spring AI 在 Agent 系统中的作用

如果不借助任何框架，每接入一个新模型，我们都要自己处理一堆重复工作：

• 构造 HTTP 请求

• 处理鉴权和请求重试

• 适配不同模型的参数差异

• 兼容各厂商的工具调用协议

这些工作本身不难，但它们和 Agent 的核心逻辑无关，纯粹是和模型厂商打交道的细节。

Spring AI 的好处，就是把如何和模型打交道这件事，抽象成了一套统一接口。

这样我们就能把精力放在设计 Agent 的行为上，不用再纠结各个模型厂商的细节差异。

在 Agent 系统里，我们只需要一个能和模型对话的对象，这个对象就是 Spring AI 里的 ChatClient。

接入 Spring AI 的步骤

在 Spring Boot 项目里接入 Spring AI 非常简单，主要分三步。

首先，用 BOM 来统一管理版本，避免依赖冲突：

<dependencyManagement>
  <dependencies>
    <dependency>
      <groupId>org.springframework.ai</groupId>
      <artifactId>spring-ai-bom</artifactId>
      <version>1.1.0</version>
      <type>pom</type>
      <scope>import</scope>
    </dependency>
  </dependencies>
</dependencyManagement>

然后，根据要接入的模型厂商，引入对应的 starter 依赖。

比如接入深度求索和智谱 AI：

<dependencies>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-deepseek</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-zhipuai</artifactId>
    </dependency>
</dependencies>

最后，在 application.yaml 里配置模型的 API Key 和默认参数：

spring:
  ai:
    deepseek:
      api-key: ${DEEPSEEK_API_KEY}
      chat:
        options:
          model: deepseek-chat

    zhipuai:
      api-key: ${ZHIPU_API_KEY}
      chat:
        options:
          model: glm-4.6

完成这三步后，Spring AI 就会自动把这些模型装配成 ChatModel Bean，接下来我们就可以在系统里直接使用了。

一个模型对应一个 ChatClient

在我们的 Agent 系统里，有一个约定：每一个可用的模型，都对应一个独立的 ChatClient 对象。

ChatClient 是对模型能力的封装，它把模型调用的细节都屏蔽了，只暴露一个统一的对话接口。

我们可以为每个模型创建一个独立的 ChatClient Bean：

@Configuration
public class MultiChatClientConfig {

    @Bean("deepseek-chat")
    public ChatClient deepSeekChatClient(DeepSeekChatModel model) {
        return ChatClient.create(model);
    }

    @Bean("glm-4.6")
    public ChatClient zhiPuChatClient(ZhiPuAiChatModel model) {
        return ChatClient.create(model);
    }
}

ChatClientRegistry：模型调度的核心

当系统里有多个 ChatClient 后，新的问题就来了：运行时怎么根据 Agent 的配置，自动选择对应的模型？

答案很简单，不要用 if/switch 硬编码，交给 Spring 来处理。

Spring 会自动把所有 ChatClient 类型的 Bean 收集到一个 Map 里，Bean 的名称就是 Map 的 Key，实例本身就是 Value。

我们只需要一个简单的注册表类，就能实现模型的动态调度：

@Component
public class ChatClientRegistry {

    private final Map<String, ChatClient> registry;

    public ChatClientRegistry(Map<String, ChatClient> registry) {
        this.registry = registry;
    }

    public ChatClient get(String modelName) {
        return registry.get(modelName);
    }
}

这段代码看似简单，却解决了一个关键的工程问题：

• 新增模型时，不需要修改任何调度代码

• 模型注册是声明式的，不用写复杂的控制流

• 模型选择完全由配置数据驱动

这种注册表模式，是实现多模型支持的核心。

Agent 如何绑定模型

在之前设计的数据库表中，Agent 表有一个 model 字段，用来指定这个 Agent 默认使用的模型。

当系统创建 Agent 实例时，只需要一行代码就能拿到对应的模型：

ChatClient chatClient = chatClientRegistry.get(agent.getModel());

if (chatClient == null) {
    throw new IllegalStateException(
        "未找到对应的模型：" + agent.getModel()
    );
}

这样我们就实现了模型的动态切换：

• Agent 只依赖 ChatClient 这个统一接口

• Agent 完全不用关心模型来自哪个厂商

• 切换模型时，不需要修改 Agent 的代码

模型已经从写死的依赖，变成了可以在运行时动态注入的能力。

模型成为系统基础设施

到这一步，我们完成了一个重要的转变：

• 所有模型都被统一抽象成 ChatClient

• 多个模型可以在系统中并存

• Agent 可以在运行时自由选择模型

• 模型接入和 Agent 行为彻底解耦

现在，模型不再是某个 API Key 对应的外部服务，而是系统里的一种基础能力组件。

---

上述内容也同步在我的飞书，欢迎访问

https://my.feishu.cn/wiki/QLauws6lWif1pnkhB8IcAvkhncc?from=from_copylink

如果我的内容对你有帮助，请点赞，评论，收藏。创作不易，你们的支持就是我坚持下去的动力！