第 5 章导读 ：AI 集成与智能体基础¶
📊 第 5 章知识模块关系图¶
为了让你更直观地理解本章的知识脉络，我为你绘制了这张“AI 智能体进化路线图”。 我们将经历从“手搓原生代码”了解原理，到“使用 Spring AI 框架”提效，最后展望“MCP 协议”的完整过程。
graph TD
%% 定义节点样式
classDef foundation fill:#e1f5fe,stroke:#01579b,stroke-width:2px;
classDef core fill:#fff9c4,stroke:#fbc02d,stroke-width:2px;
classDef agent fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px;
classDef framework fill:#d1c4e9,stroke:#512da8,stroke-width:2px;
classDef future fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,stroke-dasharray: 5 5;
classDef lab fill:#ffccbc,stroke:#bf360c,stroke-width:4px;
subgraph "第一阶段：建立连接 (Foundation)"
direction TB
01[("01. Java HTTP Client<br/>(通信管道)")]:::foundation
02[("02. Prompt Engineering<br/>(指令构建)")]:::foundation
01 -->|发送请求| 02
end
subgraph "第二阶段：规范交互 (Interaction)"
direction TB
AI((🧠 AI 模型<br/>DeepSeek)):::core
03[("03. JSON Schema<br/>(结构化解析)")]:::core
02 -->|Input: 自然语言| AI
AI -->|Output: 纯文本| Chat[普通聊天]
AI -->|Output: JSON| 03
end
subgraph "第三阶段：赋予能力 (Agency)"
direction TB
04[("04. Tool Calling<br/>(手动实现原理)")]:::agent
Service[("Java 业务方法<br/>(BookService)")]:::agent
03 -->|解析意图| 04
04 -->|回调执行| Service
Service -->|返回结果| AI
end
subgraph "第四阶段：框架提效 (Framework)"
direction TB
05[("05. Spring AI 框架<br/>(简化开发)")]:::framework
04 -.->|封装繁琐细节| 05
end
subgraph "第五阶段：未来标准 (Standard)"
06[("06. MCP 协议<br/>(通用接口)")]:::future
05 -->|标准化支持| 06
end
%% 实验贯穿
Lab[("🧪 实验 5<br/>智能图书导购 Agent")]:::lab
Lab -.-> 05
Lab -.-> 06
%% 样式连接
linkStyle default stroke:#333,stroke-width:2px;💡 模块关系深度解读（配合教学讲解）¶
您可以这样给学生讲解这张图，将抽象的技术概念比喻为“人的进化”：
1. 通信基础 (01 & 02)：学会说话¶
- 👄 Java HTTP Client 是“嘴巴”，负责张嘴说话（发送请求）。
- 🗣️ Prompt Engineering 是“语言”，决定了你说得好不好听，AI 能不能听懂。
没有这两步，Java 只是个哑巴，无法连接 AI。
2. 结构化交互 (03)：学会守规矩¶
- AI 天生喜欢聊散天（返回 Text），但程序需要严谨的数据（JSON）。
- 🧐 JSON Schema 就是“翻译官”，强迫 AI 把诗情画意变成严谨的代码格式。
没有这一步，Java 拿到的是“散文”，无法进行逻辑处理。
3. 赋予能力 (04)：学会动手¶
- 这是本章的高潮。Tool Calling 是 AI 的“双手”。
- 场景：AI 发现自己不知道书价，于是通过 JSON 告诉 Java：“去帮我查一下数据库”。Java 查完后把结果喂回给 AI。
这一步实现了从 Chatbot（只会聊天的机器人）到 Agent（能干活的智能体） 的质变。
4 装备升级 (05)：框架提效¶
- 手动拼接 JSON 太累了？引入 Spring AI 框架。
- 它就像 MyBatis 之于 JDBC，帮我们封装了所有底层细节，一行代码实现对话和流式响应。
5. 未来标准 (06)：通用接口¶
- 🔌 不想为每个工具写代码？了解未来的 USB 标准——MCP 协议。
- 现在我们手写 Tool Calling 就像焊死在主板上的线（专用），以后用 MCP 就能即插即用（通用）。通过配置直接连接高德地图、Github 或本地文件。
📂 目录结构规划¶
01. Java 也就是个“浏览器”：HTTP Client 调用 AI¶
- 核心: 去掉 SDK 滤镜，还原 HTTP 本质。
-
内容:
- 原理: AI 接口其实就是个标准的 POST 请求（URL, Headers, Body）。
- 工具: 使用 Spring Boot 3.2+ 新特性
RestClient(比 RestTemplate 更优雅) 或 OkHttp。 - 实战: 对接 DeepSeek-V3 (兼容 OpenAI 格式)，跑通第一个 "Hello AI"。
02. 提示词工程 (Prompt Engineering) 与 Java 模板¶
- 核心: 如何用 Java 代码动态组装 Prompt。
-
内容:
- 结构: System Prompt (人设) vs User Prompt (指令)。
- Java 新特性: 使用 JDK 15+ Text Blocks (文本块) 优雅地拼接 JSON 和 Prompt。
- 技巧: Few-Shot (少样本提示) —— 给 AI 几个例子，它学得更快。
03. 让 AI 说“机器话”：JSON Schema 与解析¶
- 痛点: AI 默认喜欢聊散天，但程序需要准确的 JSON。
-
内容:
- Markdown 解析: 简单的正则提取（提取代码块）。
- JSON Mode: 强制 AI 返回 JSON 格式。
- JSON Schema: 严格定义字段类型（String? Int? Array?），这是 Tool Calling 的前置知识。
🔥 04. 赋予 AI 双手：Tool Calling (Function Calling)¶
- 地位: 本章最难点，也是 Agent 的核心。
- 原理图解:
- 用户问：“查一下 Java 编程思想多少钱？”
- AI 思考：“我不知道，但我有个工具叫
queryBookPrice。” - AI 返回：
{"tool": "queryBookPrice", "args": {"name": "Java编程思想"}} - Java 后端：拦截到这个指令 -> 执行数据库查询 -> 拿到结果 99元。
- Java 后端：把“99元”发给 AI。
- AI 回复：“这本书的价格是 99 元。”
- 实战: 实现一个“查书价”的 Tool。
🚀 05. 框架篇：拥抱 Spring AI (简化开发)¶
- 核心: 实战篇。从“造轮子”到“用轮子”。
- 技术:
- 引入
spring-ai-starter。 - 配置
application.properties连接 ModelScope。 - 使用
@Tool注解自动注册 Java 方法为 AI 工具。
- 引入
🔌 06. 未来的标准：MCP (Model Context Protocol) 简介¶
- 背景: 各种 Tool Calling 写法都不一样，太乱了。解决工具连接的“巴别塔”问题。
- 技术: 使用 Spring AI MCP Client，零代码接入高德地图能力。
-
概念:
- Context (上下文): 让 AI 看到本地文件/数据库。
- Tools (工具): 标准化的执行能力。
- Resources (资源): 标准化的数据读取。
- 意义: 就像 USB 协议，只要符合 MCP，任何 AI 都能用你的工具（连接陈老师的 Home Lab 场景）。
🧪 实验 5：为“智能图书交易系统”开发 AI 客服¶
- 任务:
- 集成 Spring AI 框架。
- 编写
BookStoreService(库存/订单查询)。 - 实现一个能查库存、查物流的 7x24 小时智能客服。
📝 课前准备建议¶
- API Key: 提前注册 ModelScope (魔搭社区) 并获取 Access Token（免费且兼容 OpenAI 协议）。
- JDK 版本: 建议使用 JDK 17+（为了支持文本块和 Record 特性）。
- Spring Boot: 建议版本 3.2.x 或 3.3.x。