Spring AI 2.0 GA：ToolCallingAdvisor 重构与 Java Agent 新范式
引言
随着 Spring AI 2.0.0 GA 的正式发布，Java 生态在 AI 工程化领域迎来了里程碑式的跨越。在 1.x 时代，开发者虽然能够通过 Spring AI 调用大模型 API，但真正的 Agent 核心------"工具调用循环（Tool Calling Loop）"却被隐藏在各类 ChatModel 的私有实现中。这种黑盒设计导致开发者难以介入、观察或扩展工具的执行过程，严重制约了企业级 Agent 的工程化管控。
Spring AI 2.0 彻底打破了这一僵局，将工具调用循环从模型内部剥离，提升为 Advisor 链中的一等公民。这一重构不仅让 Java 从"调 API"走向"构建 Agent"，更确立了以 ToolCallingAdvisor 为核心的 Java Agent 新范式，为复杂业务场景下的智能体开发提供了坚实、可观测且可扩展的底层基础设施。
技术原理
1. 核心架构：Advisor 链与循环入口
在 Spring AI 2.0 中，ChatClient 将每个请求通过一条有序的 Advisor 链传递。ToolCallingAdvisor 作为一条特殊的"递归 Advisor"，被 DefaultChatClient 自动添加到链中，且整个链中只允许存在一个。它位于 ChatModelCallAdvisor（非流式）和 ChatModelStreamAdvisor（流式）之上，负责在真正调用模型前注入工具定义，并在模型响应后检查是否需要继续执行工具。
2. 核心循环：do...while 替代递归
尽管被称为"递归 Advisor"，但翻开源码可以发现，ToolCallingAdvisor 的核心循环主体是一个显式的 do...while(isToolCall) 结构，而非方法递归。这一设计决策至关重要：递归在深度工具调用时极易引发栈溢出，而 do...while 是堆上的循环，没有深度限制，能够稳健支撑复杂 Agent 任务所需的 10+ 轮工具调用。
3. 四大 Hook 扩展点
ToolCallingAdvisor 暴露了四个核心扩展点供子类覆盖，实现了真正的可组合与可扩展：
doInitializeLoop：在循环开始前执行，用于初始化工具索引、设置上下文。doBeforeCall：在每次调用 LLM 前触发，典型用途包括注入授权信息、记录审计日志、限制迭代次数。doAfterCall：在每次 LLM 响应后触发，用于检查响应合规性、记录执行耗时。doGetNextInstructionsForToolCall：在工具执行完毕后，负责拼接下一轮的指令消息，将工具结果无缝喂回给模型。
应用场景
1. 企业级知识库与复杂任务编排
借助 ToolCallingAdvisor 的 Hook 机制，开发者可以在工具调用前进行细粒度的权限拦截（如校验用户是否有权限查询某类敏感数据），或在调用后自动写入审计日志。这使得 Java 能够安全、合规地驱动包含文件读取、数据库查询、Shell 执行等高风险操作的复杂 Agent。
2. 海量工具管理与渐进式暴露
针对企业级 Agent 动辄数十上百个工具导致的上下文爆炸问题，Spring AI 2.0 引入了 ToolSearchToolCallingAdvisor。它采用渐进式工具暴露（Progressive Tool Disclosure）机制，不再每次请求都全量注册工具，而是对完整工具集建立索引，按需增量暴露相关工具。这极大地减少了 Token 消耗，提高了工具选择的准确率。
3. 结构化输出自修复与高可靠链路
在自动化工作流中，大模型返回不符合规范的 JSON 往往会导致流程中断。配合 StructuredOutputValidationAdvisor，当结构化输出校验失败时，系统会自动触发修正流程并重新生成结果。结合 ToolCallingAdvisor 的循环机制，Java Agent 能够在遇到错误时自我纠正，实现真正的高可靠生产级链路。
未来趋势
1. 从"接入框架"到"Agent 基础设施"
Spring AI 2.0 的 Advisor 链设计，标志着 Java AI 框架正在向底层基础设施演进。未来，开发者可以像配置 Spring MVC 拦截器一样，优雅地管理 AI 的思考与执行链路，实现授权、限流、监控、重试等微服务治理能力的无缝复用。
2. MCP 协议深度集成与标准化
作为 MCP Java SDK 的官方维护者，Spring AI 正在推动 Model Context Protocol 成为 AI 工具集成领域的事实标准。通过 @McpTool、@McpResource 等注解，企业现有的 Spring Bean 可以一键暴露为 MCP 服务能力，实现与各类 AI 编码工具及异构系统的无缝对接。
3. "Java 稳态 + AI 敏态"的双核架构
随着纯 CRUD 岗位需求的收缩与 AI 岗位的暴涨，Java 开发者正在利用 Spring AI 2.0 构建"Java 稳态 + AI 敏态"的双核引擎。Java 严谨的类型系统、高并发处理能力和成熟的分布式经验，将成为解决大模型从"算法"走向"稳定生产"的核心壁垒，掌握 Agent 工程化落地的 Java 程序员将迎来巨大的薪资溢价与职业红利。
需要我把这篇文章整理成 JSON 格式，方便你导入 Notion/飞书文档吗？