近日，Spring团队正式发布了Spring AI 1.1版本，这是自该项目成立以来的一个重要里程碑。Spring AI作为一个旨在简化AI应用开发的框架，在1.1版本中带来了多项重磅更新，从功能增强到性能优化，全方位提升了开发者的使用体验。
1️⃣ 🧰 Model Context Protocol（MCP）—— 统一 AI 工具/资源/提示注册
一句话：用注解一键暴露工具（Tool）、资源（Resource）、提示模板（Prompt）给 LLM，实现“AI 可调用你的业务能力”。
✅ 代码示例
import org.springframework.ai.mcp.annotation.*;
@Service
public class WeatherService {
@McpTool(description = "Get current weather for a location")
public String getCurrentWeather(String location) {
return "Sunny, 22°C in " + location;
}
@McpResource(description = "Database schema of users table")
public String getDatabaseSchema() {
return """
CREATE TABLE users (
id BIGINT,
name VARCHAR(100),
email VARCHAR(100)
);
""";
}
@McpPrompt(template = "Write a SQL query to {
{intent}}")
public String generateSqlQuery(@PromptVariable("intent") String userIntent) {
return ""; // 实际由模板渲染
}
}
🔧 启动后，MCP 服务自动注册这些能力，供 AI Agent 调用（支持 HTTP/gRPC/STDIO 多种传输）。
📌 适用场景：构建企业级 AI Agent（如客服机器人可查订单、调库存、连数据库）。
2️⃣ ⚡ Prompt Caching（提示缓存）—— 降本 90% + 加速响应
一句话：对重复/相似提示自动缓存，避免重复计算 token，支持 Anthropic & AWS Bedrock。
✅ 代码示例（Anthropic）
@Autowired
private ChatClient chatClient;
public String askWithCache(String question) {
var message = UserMessage.from(question)
.withOption(AnthropicOptions.builder()
.cacheControl(true) // ✅ 启用缓存
.ttlMinutes(60) // 缓存 1 小时
.build());
return chatClient.call(message).getResult().getOutput().getContent();
}
📌 效果：
- 相同提示 → 后续调用直接命中缓存
- 成本下降最高 90%（Anthropic 官方数据）
- 响应延迟降低 50%+
3️⃣ 🤖 Recursive Advisors（递归顾问）—— 构建自优化 AI Agent
一句话：让 AI Agent 能“自己审自己”，通过多轮反思提升输出质量。
✅ 代码示例：自修正问答 Agent
@Bean
public RecursiveAdvisor selfImprovingAdvisor(ChatClient chatClient) {
return RecursiveAdvisor.builder()
.chatClient(chatClient)
.maxIterations(3) // 最多反思 3 次
.feedbackPrompt("""
Review the previous answer for accuracy and completeness.
If it's sufficient, output [FINAL]: <answer>.
Otherwise, improve it.
Previous answer: {
{
output}}
""")
.build();
}
// 使用
String result = selfImprovingAdvisor.advise("Explain quantum entanglement simply");
🔍 输出可能为：
Iteration 1: Quantum entanglement is when particles are linked...
Iteration 2: Let me clarify: even if separated, measuring one instantly affects the other...
[FINAL]: Quantum entanglement is a phenomenon where two particles become correlated so that...
📌 适用场景：高精度任务（法律咨询、医疗建议、代码生成审查）。
4️⃣ 🌐 新增模型支持：Google GenAI + ElevenLabs TTS
一句话：开箱即用接入 Google 最新模型 + 高质量语音合成。
✅ 代码示例：Google GenAI 聊天 + 语音输出
// 1. 聊天（Google GenAI）
@Bean
public ChatModel googleChatModel(GoogleGenAiProperties props) {
return new GoogleGenAiChatModel(props);
}
// 2. 文字转语音（ElevenLabs）
@Autowired
private TextToSpeechModel elevenLabsTts;
public InputStream textToSpeech(String text) {
return elevenLabsTts.call(TextToSpeechPrompt.create(text));
}
🔧 配置 application.yml：
spring:
ai:
google:
api-key: ${
GOOGLE_API_KEY}
elevenlabs:
api-key: ${
ELEVENLABS_API_KEY}
voice-id: "21m00Tcm4TlvDq8ikWAM" # Rachel
📌 优势：统一 TextToSpeechModel 接口，OpenAI / ElevenLabs 无缝切换。
5️⃣ 🧠 Reasoning Mode（推理模式）支持 —— 获取模型“思考过程”
一句话：不只是答案，还能拿到模型的“解题步骤”，用于调试/解释/评估。
✅ 代码示例（GLM/Zhipu）
var options = ZhipuOptions.builder()
.enableReasoning(true) // ✅ 启用推理模式
.responseFormat("json") // 要求 JSON 输出
.build();
var response = chatClient.call(
new Prompt("Calculate 15% of 200, show steps", options)
);
// 获取推理链（如：Step 1 → Step 2 → Final Answer）
ReasoningContent reasoning = response.getMetadata()
.get("reasoning", ReasoningContent.class);
System.out.println("Steps: " + reasoning.getSteps());
System.out.println("Final: " + reasoning.getFinalAnswer());
📌 适用场景：
- 教育类应用（展示解题过程）
- 审计/合规（为什么模型这么答？）
- 构建 CoT（Chain-of-Thought）增强系统
