Spring AI 2.0 深度解析：ChatClient、Advisor 链与 MCP——Java 工程师的 AI 落地最优解

Spring AI 2.0 深度解析：ChatClient、Advisor 链与 MCP------Java 工程师的 AI 落地最优解

📚 本文是「Java 大模型框架专题」系列第 2 篇。全系列 5 篇，建议按序阅读：

$总纲$ 2026 Java 大模型框架选型终极指南：Spring AI vs LangChain4j vs AgentScope Java 深度横评

$深度$ Spring AI 2.0 深度解析（本篇）

$深度$ LangChain4j 深度解析

$深度$ AgentScope Java 深度解析

$实战$ 同一需求三套写法：带工具调用的 RAG 助手三框架实战对比

写在前面：为什么 2.0 值得单独写一篇

很多文章把 Spring AI 讲成"Spring 版的 LangChain"，一笔带过。但 Spring AI 2.0（2026-06-12 GA）是一次"重写级"升级，它的三个变化直接决定了 Spring 团队未来三五年的 AI 技术路线。这篇把这三件事讲透，并给出可抄的代码与踩坑清单。

一、2.0 到底改了什么：一张迁移全景

维度	1.x	2.0
核心入口	`ChatModel.call()`	`ChatClient` （`ChatModel` 降为底层构件）
工具调用	散落在各模型实现	Advisor 链（`ToolCallingAdvisor` 自动注册）
MCP	附加模块	核心内置（`@McpTool`/`@McpResource`/`@McpPrompt`）
运行底座	Spring Boot 3.x	Spring Boot 4.x + Framework 7.0 + Jackson 3
空安全/选项	常规	JSpecify 全量空安全 + 不可变 Options Builder

⚠️ 最硬的一条约束 ：Spring AI 2.0 跑不了 Boot 3.x。Boot 3.5 团队只能留在 1.1.x 分支。这一条，几乎决定了"你什么时候能用上 2.0"。

二、ChatClient：从"模型"到"入口"的范式跃迁

1.x 时代你脑子里是"我先拿到一个 ChatModel，再拼 prompt"；2.0 把它反过来了------你先拿到一个 ChatClient，剩下的交给链。

java 复制代码

// 1.x 的写法：面向模型
String resp = chatModel.call(
    new Prompt("你是谁？", OpenAiChatOptions.builder().temperature(0.7).build())
).getResult().getOutput().getText();

// 2.0 的写法：面向 ChatClient（Fluent 链式）
String resp = chatClient.prompt()
        .system("你是资深 Java 架构师")
        .user("解释一下 Spring AI 2.0 的 Advisor 链")
        .call()
        .content();

这个变化的价值不在语法糖，而在"横切能力"有了统一的挂载点 ------system/user/工具/检索/上下文压缩，全都能以 Advisor 的形式插到 ChatClient 上，而不是散落各处。

流式输出

java 复制代码

// 返回 Flux<String>，直接接 SSE / WebFlux
@GetMapping(value = "/ask", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
Flux<String> stream(@RequestParam String q) {
    return chatClient.prompt().user(q).stream().content();
}

结构化输出（自纠错）

2.0 对"让模型返回结构化对象"做了自纠错处理------解析失败会自动把校验错误回喂模型重试，这是生产里"AI 返回脏数据"的常见痛点。

java 复制代码

record Weather(String city, int temp, String summary) {}

Weather w = chatClient.prompt()
        .user("今天杭州天气怎么样？")
        .call()
        .entity(Weather.class);   // 自动解析 + 失败自纠错

三、Advisor 链：把横切能力从模型里"抽出来"

这是 2.0 架构演进的核心。过去"工具调用"是各个 ChatModel 实现各写各的；2.0 统一成可组合、可循环的 Advisor 链。

一次"模型需要调工具"的完整循环是：

用户请求进入 ChatClient；
Advisor 链逐个执行（ToolCallingAdvisor、QuestionAnswerAdvisor 等）；
模型返回"我想调用某个工具"的指令；
ToolCallingAdvisor 执行对应 @Tool 方法，把结果回填上下文；
再次请求模型，直到模型决定"不再需要工具"、给出最终答案。

关键价值：工具调用从"模型的能力"变成了"Advisor 的能力"。你要控制"最多调几轮工具""几百个工具怎么检索"，换 Advisor 即可，不用换模型。

java 复制代码

// 声明式工具：一个 @Bean 即可被 ToolCallingAdvisor 自动发现
@Component
class TimeTools {
    @Tool(description = "返回当前 UTC 时间")
    String now() { return Instant.now().toString(); }
}

// 自定义 Advisor：比如给每次请求塞一段统一的系统提示
class SafetyAdvisor implements CallAroundAdvisor {
    // 在模型调用前注入安全约束，调用后做合规检查
}

四、MCP 核心化：Client 与 Server 双向

2.0 把 MCP 从附加模块搬进核心，并给出声明式注解，让你的 Spring 应用既能当 MCP 客户端，也能当 MCP 服务端。

java 复制代码

// 当 MCP 服务端：把某个 Bean 方法暴露成 MCP 工具
@McpTool(description = "查询订单状态")
String orderStatus(@ToolParam String orderId) {
    return orderService.status(orderId);
}

这意味着：你今天用 @McpTool 封装的工具，未来可以跨框架复用（LangChain4j、AgentScope 也都支持 MCP）。选型对"工具层"的锁定风险，正在被 MCP 这条标准逐渐消解。

五、Boot 4 迁移：绕不开的硬仗

Spring AI 2.0 依赖 Spring Boot 4 + Framework 7 + Jackson 3，这是一次平台级升级，不是换个版本号。

迁移建议路径：

先评估 Boot 4 迁移本身：这是独立于 Spring AI 的一件大事，别被"想用 2.0"这个动机绑架节奏；
过渡期：Boot 3.5 团队继续用 Spring AI 1.1.x，它仍在维护；
或走混合：底座暂不迁，用 LangChain4j 的双 Starter（Boot 3.5+/Boot 4 都支持）先落地 AI 能力，Boot 4 迁完再切回 Spring AI 2.0。

六、最佳实践与反模式

✅ 做 ：用 ChatClient 作为唯一入口；工具一律 @Tool 声明；把 RAG 挂在 QuestionAnswerAdvisor 上；观测接入 Actuator/Micrometer。

❌ 别做 ：直接 new ChatModel 绕过 Advisor 链；在 Boot 3.x 上硬上 2.0（直接启动失败）；把业务逻辑写进 @Tool 方法里（工具应保持无副作用、可重入）。

七、什么时候选 Spring AI（回顾决策树）

一句话：你已是 Spring 重度用户、且已/计划迁 Boot 4，目标是给现有业务加"对话 / RAG / 工具调用"这类单体智能------选 Spring AI 最省心。其余场景，参考系列第 1 篇的决策树。

系列矩阵导航

🔗 $第 1 篇\cdot总纲$ 三框架选型深度横评（含分层定位图 + 决策树)
🔗 $第 3 篇\cdot深度$ LangChain4j 深度解析
🔗 $第 4 篇\cdot深度$ AgentScope Java 深度解析
🔗 $第 5 篇\cdot实战$ 同一需求三套写法：RAG 助手三框架实战对比

本文数据截至 2026-11-02；API 细节以 Spring AI 官方文档为准。