当前位置：首页 > article >正文

SpringAI更新：废弃tools方法、正式支持DeepSeek！

article 2025/9/17 6:57:36

AI 技术发展很快，同样 AI 配套的相关技术发展也很快。这不今天刚打开 Spring AI 的官网就发现它又又又又更新了，而这次更新距离上次更新 M7 版本才不过半个月的时间，那这次 Spring AI 给我们带来了哪些惊喜呢？一起来看。

重点升级点

我们先来判断 Spring AI M8 的重点升级点：

废除了 tools 方法，取而代之的是 toolCallbacks 方法，写法对比如下：
1. 早期版本：

// Old code in M7 - no longer works correctly in M8
chatClient.prompt("What day is tomorrow?").tools(toolCallback).call().content();

2. 最新版本：

// Updated code for M8
chatClient.prompt("What day is tomorrow?").toolCallbacks(toolCallback).call().content();

聊天记忆增强功能：
- 改进的 ChatMemory API，实现更灵活的对话历史管理。
- 新 ChatMemoryRepository 允许不同的存储策略。
- 添加 MessageWindowChatMemory 用于维护历史消息。
- 改进属性命名以确保跨实现的一致性。
- 支持各种存储后端：
  - InMemoryChatMemoryRepository（默认）。
  - JdbcChatMemoryRepository 对于关系数据库持久化支持。
增强的 MCP 工具回调配置：
- 在 MCP 客户端属性中添加了工具回调配置。
- 支持 MCP 服务器中的完成规范。
- 为 MCP 服务器添加了指令支持。
- 向 WebFlux 和 WebMvc 传输提供程序添加了 SSE 端点参数。
提示工程文档增强：
- 添加提示工程模式文档。
- 为开发人员提供有效提示设计的最佳实践。
- 包括各种用例的示例和模式。
向量数据库存储功能增强：

Cosmos DB Entra ID 支持和修复：
- 为 Cosmos DB 添加了 Azure Entra ID（以前称为 Azure AD）身份验证；
- 改进 Azure 部署的安全性和身份验证选项。
Cassandra 向量存储改进：
- 修复了 Cassandra 聊天内存中的消息顺序。
- 添加了更好的错误消息并修复了各种问题。

官方更新日志：https://spring.io/blog/2025/04/30/spring-ai-1-0-0-m8-released

DeepSeek SDK 正式发布

除了以上内容之外，官方的更新日志中没提到的，还有对于 DeepSeek SDK 的正式发布，之前版本中虽然有关于 DeepSeek 的支持，但并不是真正的支持，只是让 DeepSeek 使用 OpenAI 协议实现对 DeepSeek 的调用，而不是真正的 DeepSeek SDK 支持。

那么 OpenAI 协议和真正的 SDK 支持的区别是啥呢？

简单来说，举个简单的例子你就明白了，就是 OpenAI 相当于你上班，因为你自己没车，所以你只能蹭同事的车；而有了 SDK 的支持之后，相当于你有自己的车了，不需要在蹭别人的车了。

也就意味着，DeepSeek 可以和 OpenAI 或其他使用 OpenAI 协议的大模型并存了，之前是二选一，你（DeepSeek）使用了 OpenAI 协议，那么其他人就没办法使用 OpenAI 协议了，现在你有自己的 SDK 了，就可以和其他兼容 OpenAI 或 OpenAI 一起使用了。

DeepSeek 使用变化

DeepSeek SDK 的具体使用如下。

准备工作：在 DeepSeek 申请 APIKey。
添加依赖：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-deepseek-spring-boot-starter</artifactId>
</dependency>

设置配置信息：

spring.ai.deepseek.api-key=YOUR_API_KEY
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8

编写调用代码：

@RestController
public class ChatController {private final DeepSeekChatModel chatModel;@Autowiredpublic ChatController(DeepSeekChatModel chatModel) {this.chatModel = chatModel;}// 普通输出@GetMapping("/ai/generate")public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {return Map.of("generation", chatModel.call(message));}// 流式输出@GetMapping("/ai/generateStream")public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {var prompt = new Prompt(new UserMessage(message));return chatModel.stream(prompt);}
}