DeepSeek RAG&MCP + Agent智能体项目 —— 环境搭建和项目初始化

YDS8292026-05-18 10:50

一、前言

在将Java后端的基本功打扎实后，我将学习目前更加前沿的Agent开发领域，Agent开发本质其实只是后端技术的延伸，需要和后端技术配合才能发挥真正的功效，所以在进行AI领域开发前，我已经完成了很多个纯后端的业务项目了。

本项目比较偏向于Agent更底层的实现，通过项目实战了解RAG、MCP等AI基本概念来为后续的项目打下基础。

二、环境搭建

这个部分的难点主要在于部署Ollama和DeepSeek 上，本项目需要用到redis、ollama、pgvector的镜像和容器。所以需要提前部署。

1.拉镜像创容器

拉镜像：

bash 复制代码 
docker pull ollama/ollama:0.5.10
docker pull redis:6.2
docker pull pgvector/pgvector:v0.5.0

注意，这里的pgvector可能无法拉取，可以使用下面镜像代替：

bash 复制代码 
docker pull registry.cn-hangzhou.aliyuncs.com/xfg-studio/pgvector:v0.5.0

创建容器：

bash 复制代码 
docker run -d \
  --name ollama \
  --restart unless-stopped \
  -p 11434:11434 \
  --network my-network \
  ollama/ollama:0.5.10
bash 复制代码 
docker run -d \
  --name vector_db \
  --restart always \
  -e POSTGRES_USER=postgres \
  -e POSTGRES_PASSWORD=postgres \
  -e POSTGRES_DB=springai \
  -e PGPASSWORD=postgres \
  -v ./pgvector/sql/init.sql:/docker-entrypoint-initdb.d/init.sql \
  -p 5432:5432 \
  --network my-network \
  --health-cmd "pg_isready -U postgres -d vector_store" \
  --health-interval 2s \
  --health-timeout 20s \
  --health-retries 10 \
  --log-opt max-size=10m \
  --log-opt max-file=3 \
  pgvector/pgvector:v0.5.0

redis的容器其实可以将就以前的，所以这里不额外写了。

创建好后如下：

2.部署deepseek

进入ollama的终端，拉取deepseek模型（选用小一点的deepseek-r1:1.5b模型，否则会产生更大的内存消耗，导致虚拟机卡顿）

bash 复制代码 
# 拉取模型，推荐小一点，够做开发就可以
ollama pull deepseek-r1:1.5b

# （可选）运行模型，运行后关闭，继续安装模型。Ctrl/Command + D
ollama run deepseek-r1:1.5b

# 向量文本
ollama pull nomic-embed-text

3.测试大模型

通过这个接口在Apifox中尝试调用虚拟机中的deepseek，让它回答1+1等于几：

bash 复制代码 
curl http://192.168.xxx.xxx:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
        "model": "deepseek-r1:1.5b",
        "prompt": "1+1",
        "stream": false
      }'

三、流式响应接口

1.基本配置

Redis的配置：

java 复制代码 
/**
 * Redis 客户端，使用 Redisson <a href="https://github.com/redisson/redisson">Redisson</a>
 *
 */
@Configuration
@EnableConfigurationProperties(RedisClientConfigProperties.class)
public class RedisClientConfig {

    @Bean("redissonClient")
    public RedissonClient redissonClient(ConfigurableApplicationContext applicationContext, RedisClientConfigProperties properties) {
        Config config = new Config();
        // 根据需要可以设定编解码器；https://github.com/redisson/redisson/wiki/4.-%E6%95%B0%E6%8D%AE%E5%BA%8F%E5%88%97%E5%8C%96
        config.setCodec(JsonJacksonCodec.INSTANCE);

        config.useSingleServer()
                .setAddress("redis://" + properties.getHost() + ":" + properties.getPort())
                .setPassword(properties.getPassword())
                .setConnectionPoolSize(properties.getPoolSize())
                .setConnectionMinimumIdleSize(properties.getMinIdleSize())
                .setIdleConnectionTimeout(properties.getIdleTimeout())
                .setConnectTimeout(properties.getConnectTimeout())
                .setRetryAttempts(properties.getRetryAttempts())
                .setRetryInterval(properties.getRetryInterval())
                .setPingConnectionInterval(properties.getPingInterval())
                .setKeepAlive(properties.isKeepAlive())
                .setDatabase(properties.getDatabase())
        ;

        return Redisson.create(config);
    }

}
java 复制代码 
@Data
@ConfigurationProperties(prefix = "redis.sdk.config", ignoreInvalidFields = true)
public class RedisClientConfigProperties {

    /** host:ip */
    private String host;
    /** 端口 */
    private int port;
    /** 账密 */
    private String password = "123";
    /** 设置连接池的大小，默认为64 */
    private int poolSize = 64;
    /** 设置连接池的最小空闲连接数，默认为10 */
    private int minIdleSize = 10;
    /** 设置连接的最大空闲时间（单位：毫秒），超过该时间的空闲连接将被关闭，默认为10000 */
    private int idleTimeout = 10000;
    /** 设置连接超时时间（单位：毫秒），默认为10000 */
    private int connectTimeout = 10000;
    /** 设置连接重试次数，默认为3 */
    private int retryAttempts = 3;
    /** 设置连接重试的间隔时间（单位：毫秒），默认为1000 */
    private int retryInterval = 1000;
    /** 设置定期检查连接是否可用的时间间隔（单位：毫秒），默认为0，表示不进行定期检查 */
    private int pingInterval = 0;
    /** 设置是否保持长连接，默认为true */
    private boolean keepAlive = true;
    /** 数据库索引，默认为0 */
    private int database = 1;

}

Ollama的配置：

java 复制代码 
@Configuration
public class OllamaConfig {

    @Bean
    public OllamaApi ollamaApi(@Value("${spring.ai.ollama.base-url}") String baseUrl) {
        return new OllamaApi(baseUrl);
    }

    @Bean
    public OllamaChatClient ollamaChatClient(OllamaApi ollamaApi) {
        return new OllamaChatClient(ollamaApi);
    }

}

2.响应接口

接口：调用SpringAI的API。

java 复制代码 
/**
 * @author 印东升
 * @description
 * @create 2026-05-14 15:47
 */
public interface IAiService {

    ChatResponse generate(String model, String message);

    Flux<ChatResponse> generateStream(String model, String message);

}

实现：这里我们为了突出功能编写，所以简化了结构，就选择只用两层架构去做了。

java 复制代码 
/**
 * @author 印东升
 * @description
 * @create 2026-05-14 15:50
 */
@RestController
@CrossOrigin("*")
@RequestMapping("/api/v1/ollama/")
public class OllamaController implements IAiService {

    @Resource
    private OllamaChatClient chatClient;

    /**
     * http://localhost:8090/api/v1/ollama/generate?model=deepseek-r1:1.5b&message=1+1
     */
    @RequestMapping(value = "generate",method = RequestMethod.GET)
    @Override
    public ChatResponse generate(@RequestParam String model, @RequestParam String message) {
        return chatClient.call(new Prompt(message, OllamaOptions.create().withModel(model)));
    }

    /**
     * http://localhost:8090/api/v1/ollama/generate_stream?model=deepseek-r1:1.5b&message=hi
     */
    @RequestMapping(value = "generate_stream",method = RequestMethod.GET)
    @Override
    public Flux<ChatResponse> generateStream(@RequestParam String model, @RequestParam String message) {
        return chatClient.stream(new Prompt(message, OllamaOptions.create().withModel(model)));
    }
}

项目整体结构如下：

3.流式响应和非流式响应的区别

java 复制代码 
    //非流式响应接口
    ChatResponse generate(String model, String message);
    //流式响应接口
    Flux<ChatResponse> generateStream(String model, String message);

**非流式：**后端等大模型把完整答案生成完，再一次性把完整结果返回给前端。用户体验上就是"等一会儿，然后整段出现"。

**流式：**大模型边生成，后端边把内容一小段一小段推给前端。用户体验上就是 ChatGPT 那种"字一点点冒出来"的效果。

四、前端对接接口

这是我用AI生成的一个简单的前端页面：

html 复制代码 
<!doctype html>
<html lang="zh-CN">
<head>
  <meta charset="UTF-8" />
  <meta name="viewport" content="width=device-width, initial-scale=1.0" />
  <title>AI 对话</title>
  <script src="https://cdn.tailwindcss.com"></script>
</head>
<body class="min-h-screen bg-slate-100 text-slate-900">
<main class="mx-auto flex min-h-screen w-full max-w-4xl flex-col px-4 py-6 sm:px-6">
  <header class="mb-5 flex items-center justify-between">
    <div>
      <h1 class="text-2xl font-semibold tracking-tight">AI 对话</h1>
      <p class="mt-1 text-sm text-slate-500">Spring AI 流式接口演示</p>
    </div>
    <select
            id="modelInput"
            class="h-10 rounded-lg border border-slate-300 bg-white px-3 text-sm outline-none transition focus:border-blue-500 focus:ring-2 focus:ring-blue-100"
    >
      <option value="deepseek-r1:1.5b">deepseek-r1:1.5b</option>
      <option value="llama3.2">llama3.2</option>
      <option value="qwen2.5">qwen2.5</option>
    </select>
  </header>

  <section
          id="chatPanel"
          class="flex-1 overflow-y-auto rounded-xl border border-slate-200 bg-white p-4 shadow-sm"
  >
    <div class="flex h-full min-h-[420px] items-center justify-center text-center text-sm text-slate-400">
      输入问题后点击发送，AI 回复会实时显示在这里。
    </div>
  </section>

  <form id="chatForm" class="mt-4 rounded-xl border border-slate-200 bg-white p-3 shadow-sm">
    <div class="flex gap-3">
        <textarea
                id="messageInput"
                rows="2"
                class="max-h-36 min-h-12 flex-1 resize-none rounded-lg border border-slate-300 px-3 py-2 text-sm leading-6 outline-none transition placeholder:text-slate-400 focus:border-blue-500 focus:ring-2 focus:ring-blue-100"
                placeholder="请输入你的问题..."
        ></textarea>
      <button
              id="sendButton"
              type="submit"
              class="h-12 rounded-lg bg-blue-600 px-5 text-sm font-medium text-white transition hover:bg-blue-700 disabled:cursor-not-allowed disabled:bg-slate-300"
      >
        发送
      </button>
    </div>
    <div class="mt-2 flex items-center justify-between text-xs text-slate-400">
      <span id="statusText">接口地址：http://localhost:8090/api/v1/ollama/generate_stream</span>
      <button id="stopButton" type="button" class="hidden text-slate-500 hover:text-red-600">停止生成</button>
    </div>
  </form>
</main>

<script>
  const API_BASE_URL = 'http://localhost:8090/api/v1/ollama/generate_stream';

  const chatPanel = document.getElementById('chatPanel');
  const chatForm = document.getElementById('chatForm');
  const messageInput = document.getElementById('messageInput');
  const modelInput = document.getElementById('modelInput');
  const sendButton = document.getElementById('sendButton');
  const stopButton = document.getElementById('stopButton');
  const statusText = document.getElementById('statusText');

  let eventSource = null;
  let currentAnswer = null;
  let hasMessage = false;

  function createMessage(role, content = '') {
    if (!hasMessage) {
      chatPanel.innerHTML = '';
      hasMessage = true;
    }

    const wrapper = document.createElement('div');
    wrapper.className = role === 'user' ? 'mb-4 flex justify-end' : 'mb-4 flex justify-start';

    const bubble = document.createElement('div');
    bubble.className = role === 'user'
            ? 'max-w-[82%] whitespace-pre-wrap rounded-2xl rounded-br-md bg-blue-600 px-4 py-3 text-sm leading-6 text-white'
            : 'max-w-[82%] whitespace-pre-wrap rounded-2xl rounded-bl-md bg-slate-100 px-4 py-3 text-sm leading-6 text-slate-800';
    bubble.textContent = content;

    wrapper.appendChild(bubble);
    chatPanel.appendChild(wrapper);
    chatPanel.scrollTop = chatPanel.scrollHeight;

    return bubble;
  }

  function setGenerating(isGenerating) {
    sendButton.disabled = isGenerating;
    messageInput.disabled = isGenerating;
    modelInput.disabled = isGenerating;
    stopButton.classList.toggle('hidden', !isGenerating);
    statusText.textContent = isGenerating ? '正在生成回复...' : '接口地址：http://localhost:8090/api/v1/ollama/generate_stream';
  }

  function closeStream(message) {
    if (eventSource) {
      eventSource.close();
      eventSource = null;
    }
    setGenerating(false);
    if (message) {
      statusText.textContent = message;
    }
    currentAnswer = null;
    messageInput.focus();
  }

  function normalizePayload(rawData) {
    if (!rawData || rawData === '[DONE]') {
      return [];
    }

    try {
      const parsed = JSON.parse(rawData);
      return Array.isArray(parsed) ? parsed : [parsed];
    } catch (error) {
      console.warn('无法解析流式响应数据：', rawData, error);
      return [];
    }
  }

  function appendStreamContent(payloadItems) {
    for (const item of payloadItems) {
      const content = item?.result?.output?.content;
      const finishReason = item?.result?.metadata?.finishReason;

      if (typeof content === 'string' && content.length > 0 && currentAnswer) {
        currentAnswer.textContent += content;
        chatPanel.scrollTop = chatPanel.scrollHeight;
      }

      if (finishReason === 'STOP') {
        closeStream('回复完成');
        return;
      }
    }
  }

  chatForm.addEventListener('submit', (event) => {
    event.preventDefault();

    const message = messageInput.value.trim();
    const model = modelInput.value.trim();

    if (!message || eventSource) {
      return;
    }

    createMessage('user', message);
    currentAnswer = createMessage('assistant', '');
    messageInput.value = '';
    setGenerating(true);

    const params = new URLSearchParams({ model, message });
    const apiUrl = `${API_BASE_URL}?${params.toString()}`;
    eventSource = new EventSource(apiUrl);

    eventSource.onmessage = (event) => {
      const payloadItems = normalizePayload(event.data);
      appendStreamContent(payloadItems);
    };

    eventSource.onerror = () => {
      if (eventSource) {
        closeStream('连接已关闭或发生错误，请检查服务端是否开启 SSE 流式响应。');
      }
    };
  });

  stopButton.addEventListener('click', () => {
    closeStream('已停止生成');
  });

  messageInput.addEventListener('keydown', (event) => {
    if (event.key === 'Enter' && !event.shiftKey) {
      event.preventDefault();
      chatForm.requestSubmit();
    }
  });
</script>
</body>
</html>

提示词如下：

bash 复制代码 
请根据以下信息，编写UI对接服务端接口；

流式GET请求接口，由 SpringBoot Spring AI 框架实现，如下；

/**
 * curl http://localhost:8090/api/v1/ollama/generate_stream?model=deepseek-r1:1.5b&message=1+1
 */
@RequestMapping(value = "generate_stream", method = RequestMethod.GET)
@Override
public Flux<ChatResponse> generateStream(@RequestParam String model, @RequestParam String message) {
    return chatClient.stream(new Prompt(
            message,
            OllamaOptions.create()
                    .withModel(model)
    ));
}

流式GET应答数据，数组中的一条对象；

[
    {
        "result": {
            "output": {
            "messageType": "ASSISTANT",
            "properties": {
                "id": "chatcmpl-B3HPw95SsqmhoWeJ8azGLxK1Vf4At",
                "role": "ASSISTANT",
                "finishReason": ""
            },
            "content": "1",
            "media": []
            },
            "metadata": {
                "finishReason": null,
                "contentFilterMetadata": null
                }
        }
    }
]

如描述说明，帮我编写一款简单的AI对话页面。

1. 输入内容，点击发送按钮，调用服务端流式请求接口，前端渲染展示。
2. 以html、js代码方式实现，css样式使用 tailwind 编写。
3. 通过 const eventSource = new EventSource(apiUrl); 调用api接口。    
4. 从 result.output.content 获取，应答的文本展示。注意 content 可能为空。
5. 从 result.metadata.finishReason = STOP 获取，结束标识。
6. 注意整体样式的简洁美观。

最终前后端联调如下：

相关推荐
ChoSeitaku1 小时前
04.数组
java·开发语言·数据结构
float_com1 小时前
【java进阶】------ 多线程【实际案例分析】
java
用户298698530141 小时前
Java 中的 Word 变量管理：添加、统计、获取与删除
java·后端
郭龙_Jack1 小时前
Java 17 到 Java 25：LTS 升级的全面收益与迁移指南
java·开发语言·python
DreamWear1 小时前
Claude 记忆库越来越乱？这个工具帮你把它管起来
agent·claude
要开心吖ZSH1 小时前
Java AI Agent 开发中的 RAG 实现方案及小白入门指南
java·ai·agent·rag
掉鱼的猫1 小时前
Java 流程编排新范式 Solon Flow：一个引擎，七种节点，覆盖规则/任务/工作流/AI 编排全场景
java·workflow
Aaa111114431 小时前
四类地址 逻辑地址 线性地址 虚拟地址 物理地址
java
Justinyh1 小时前
安装与体验 Claude code、CC Switch、SuperPowers
大模型·agent·claude code·cc switch·superpowers
热门推荐
01GitHub 镜像站点02Codex 接入 DeepSeek API 完整配置文档03Gemini大升级、AI眼镜首发、Android XR亮相，13天后见分晓04【AI】2026 年具身智能模型和世界模型总结05Codex 手机端连接教程：三分钟搞定，附完整步骤06人工智能最新动态 AI 日报 · 2026年5月10日07CC-Switch & Claude 基于 Linux 服务器安装使用指南08裂开！ChatGPT 居然开始要手机号验证，附详细解决方法092026年AI前瞻：量子AI、具身智能与科学发现的新纪元10几个好用的ip纯净度检测网站