作者：小傅哥
博客：https://

?

沉淀、分享、成長(zhǎng)，讓自己和他人都能有所收獲！??

?

大家好，我是技術(shù)UP主小傅哥。

在 AI MCP 24小時(shí)為我”打工“，兩周時(shí)間。已產(chǎn)生 251篇文章，帶來(lái)10萬(wàn)+閱讀量，漲粉近1000人！在這么搞下去，不得變現(xiàn)了哇！

嘿嘿，不過(guò)這點(diǎn)點(diǎn)成績(jī)根本擋不住我前進(jìn)的腳步??！

AI MCP 的能力遠(yuǎn)不止于次，或者更準(zhǔn)確的說(shuō)是 AI Agent 的能力，還有非常多的場(chǎng)景可以運(yùn)用，開玩笑講，他會(huì)讓 Java 再次偉大！ 這也是為什么 Spring AI 那么快速的迭代自己的框架設(shè)計(jì)，甚至不惜每次迭代還要推翻之前的結(jié)構(gòu)模型，也要更好的支持未來(lái) AI 工程的開發(fā)實(shí)現(xiàn)。

在有了 AI Agent 后，所有的 tob/toc 服務(wù)項(xiàng)目，都應(yīng)該會(huì)變得更加智能，這會(huì)包括我們現(xiàn)在使用的各項(xiàng)軟件，如；電商、出行、外賣等，也包括研發(fā)人員使用的各類技術(shù)軟件。如果大公司還是牛馬般的靠體力卷工時(shí)，甚至可能會(huì)被小公司的不斷創(chuàng)新所掀翻。

好啦，那么這篇文章小傅哥會(huì)給大家介紹下 AI Agent 以及可運(yùn)用的場(chǎng)景，幫助大家打開思路！

文末提供了 AI RAG&MCP 實(shí)戰(zhàn)編程項(xiàng)目，可以快速掌握 Spring AI 應(yīng)用開發(fā)能力！

一、什么是 AI Agent

AI Agent 是整合多種技術(shù)手段的智能實(shí)體，其實(shí)現(xiàn)依賴于 Tools、MCP、Memory、RAG（Retrieval 增強(qiáng)檢索生成） 等技術(shù)組件。但不是非得依賴全部組件才叫 AI Agent。

AI Agents 是系統(tǒng) ，它通過(guò)賦予 大型語(yǔ)言模型(LLMs) 訪問(wèn)工具 和知識(shí) 來(lái)擴(kuò)展其能力，從而使 LLMs 能夠執(zhí)行操作 。

• 系統(tǒng) ：將 Agents 視為一個(gè)由許多組件組成的系統(tǒng)，而不僅僅是單個(gè)組件，這一點(diǎn)很重要。在基本層面上，AI Agent 的組件包括：
• 環(huán)境 - AI Agent 運(yùn)行的定義空間。例如，如果我們有一個(gè)旅行預(yù)訂 AI Agent，則環(huán)境可以是 AI Agent 用來(lái)完成任務(wù)的旅行預(yù)訂系統(tǒng)。
• 傳感器 - 環(huán)境具有信息并提供反饋。AI Agents 使用傳感器來(lái)收集和解釋有關(guān)環(huán)境當(dāng)前狀態(tài)的信息。在旅行預(yù)訂 Agent 示例中，旅行預(yù)訂系統(tǒng)可以提供諸如酒店可用性或航班價(jià)格之類的信息。
• 執(zhí)行器 - 一旦 AI Agent 接收到環(huán)境的當(dāng)前狀態(tài)，對(duì)于當(dāng)前任務(wù)，Agent 會(huì)確定要執(zhí)行的操作以更改環(huán)境。對(duì)于旅行預(yù)訂 Agent，它可能是為用戶預(yù)訂可用房間。
• 大型語(yǔ)言模型 - Agents 的概念在 LLMs 創(chuàng)建之前就已存在。使用 LLMs 構(gòu)建 AI Agents 的優(yōu)勢(shì)在于它們能夠解釋人類語(yǔ)言和數(shù)據(jù)。這種能力使 LLMs 能夠解釋環(huán)境信息并制定改變環(huán)境的計(jì)劃。
• 執(zhí)行操作 - 在 AI Agent 系統(tǒng)之外，LLMs 僅限于根據(jù)用戶提示生成內(nèi)容或信息的情況。在 AI Agent 系統(tǒng)內(nèi)部，LLMs 可以通過(guò)解釋用戶請(qǐng)求并使用其環(huán)境中可用的工具來(lái)完成任務(wù)。
• 訪問(wèn)工具 - LLM 可以訪問(wèn)哪些工具由 1) 它運(yùn)行的環(huán)境和 2) AI Agent 的開發(fā)者定義。對(duì)于我們的旅行 Agent 示例，Agent 的工具受預(yù)訂系統(tǒng)中可用操作的限制，開發(fā)者可以將 Agent 的工具訪問(wèn)權(quán)限限制為航班。
• 知識(shí) - 除了環(huán)境提供的信息外，AI Agents 還可以從其他系統(tǒng)、服務(wù)、工具甚至其他 Agents 中檢索知識(shí)。在旅行 Agent 示例中，此知識(shí)可以是位于客戶數(shù)據(jù)庫(kù)中的用戶旅行偏好信息。

我們可以以一個(gè)人，作為視角來(lái)理解 AI Agent，Memory 記憶是人的大腦，Tools 是人的身體和四肢，Rag 知識(shí)庫(kù)是過(guò)往的經(jīng)驗(yàn)儲(chǔ)備，MCP 是我們與外部的連接調(diào)用。而整個(gè)人就是這個(gè)智能體 AI Agent。

二、AI 智能體的工作原理

每個(gè)智能體都定義了角色、個(gè)性和溝通風(fēng)格，包括具體指令和可用工具的說(shuō)明。

• 角色：角色是智能體的核心特征，定義了其性格和行為方式。一個(gè)定義良好的角色可以幫助智能體在與環(huán)境和用戶互動(dòng)時(shí)保持一致性。隨著時(shí)間的推移，智能體會(huì)通過(guò)經(jīng)驗(yàn)積累和環(huán)境互動(dòng)不斷發(fā)展和完善其角色。
• 記憶：智能體的記憶系統(tǒng)由短期記憶、長(zhǎng)期記憶、共識(shí)記憶和情景記憶組成。短期記憶用于處理即時(shí)互動(dòng)，長(zhǎng)期記憶存儲(chǔ)歷史數(shù)據(jù)和對(duì)話，情景記憶記錄過(guò)去的互動(dòng)細(xì)節(jié)，而共識(shí)記憶則用于在智能體之間共享信息。通過(guò)這些記憶系統(tǒng)，智能體能夠回憶過(guò)去的互動(dòng)，適應(yīng)新情況，保持上下文一致性，并從經(jīng)驗(yàn)中學(xué)習(xí)以提高性能。
• 工具：工具是智能體用來(lái)與環(huán)境互動(dòng)并增強(qiáng)其功能的資源。它們可以是函數(shù)或外部資源，幫助智能體訪問(wèn)信息、處理數(shù)據(jù)或控制外部系統(tǒng)以執(zhí)行復(fù)雜任務(wù)。工具根據(jù)其界面類型進(jìn)行分類，包括物理界面、圖形界面和基于程序的界面。通過(guò)工具學(xué)習(xí)，智能體能夠理解工具的功能及其應(yīng)用場(chǎng)景，從而有效地使用這些工具。
• 模型：大語(yǔ)言模型 (LLM) 是構(gòu)建 AI 智能體的基礎(chǔ)，賦予智能體理解、推理和行動(dòng)的能力。LLM 作為智能體的“大腦”，使其能夠處理和生成語(yǔ)言，而其他組件則支持智能體的推理和行動(dòng)能力。

https://github.com/google/A2A 多個(gè) Agent 間，可以使用 A2A 協(xié)議，完成 Agent 和 Agent 對(duì)接。

三、AI Agent 場(chǎng)景應(yīng)用方案

1. BCP 智能巡檢

• 場(chǎng)景：在日常的互聯(lián)網(wǎng)toc場(chǎng)景的系統(tǒng)中，每天都會(huì)有不同程度的客訴，這些客訴問(wèn)題需要進(jìn)行大量的系統(tǒng)排查。
• 方案：將企業(yè)內(nèi)的各項(xiàng)系統(tǒng)服務(wù)，開發(fā)出 MCP 服務(wù)接口（APIs），并為每個(gè)核心業(yè)務(wù)流程提供排查鏈路計(jì)劃。在發(fā)生系統(tǒng)報(bào)警時(shí)，以報(bào)警為觸達(dá)手段，排查系統(tǒng)日志、賬戶、Redis、Dev-Ops 服務(wù)等，給給出綜合的解決方案。
• 其他：不同配置的 Agent 是可以連接通信的，一個(gè) Agent 就是一個(gè)配置出來(lái)的 ChatClient 對(duì)話體。

2. 工具AI化設(shè)計(jì)

• 場(chǎng)景：其實(shí)現(xiàn)在除了編程方面，其他很多軟件并沒(méi)有那么快速的接入 AI Agent。如 trae.ai\cursor 都是編程的利器，可以更快速的迭代開發(fā)代碼。那么同樣的 SSH 鏈接云服務(wù)器的工具，也可以通過(guò) AI Agent 進(jìn)行擴(kuò)展，提高我們的操作服務(wù)器部署軟件的效率。
• 方案：設(shè)計(jì) Linux SSH MCP Server 服務(wù)，同時(shí)提供 SFTP 以及云服務(wù)器的對(duì)接。再加上 Linux RAG 知識(shí)庫(kù)。這樣我們就可以以對(duì)話和編碼的方式操作服務(wù)器。如，部署 JDK，安裝 NodeJS，執(zhí)行系統(tǒng)鏡像的構(gòu)建、推送、拉取、部署等操作。

3. toc場(chǎng)景AI化

• 場(chǎng)景：目前的大部分購(gòu)物操作，都是人工的方式自己在平臺(tái)檢索，之后對(duì)于不懂的在進(jìn)行客服提問(wèn)，最后去下單。那么這里也可以加入 AI 操作，自主的完成購(gòu)物、下單，以及將來(lái)退貨的操作。
• 方案：為產(chǎn)品提供購(gòu)物話術(shù) RAG 增強(qiáng)檢索能力，以及提供貨物、下單、結(jié)算、物流的 MCP 服務(wù)。用戶和 AI 對(duì)話過(guò)程中，完成貨品的組裝選擇和下單。聊聊天就把東西買好了，還能給提供產(chǎn)品的使用和維護(hù)。

4. AI Agent 編排

docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n registry.cn-hangzhou.aliyuncs.com/xfg-studio/n8n:1.88.0

四、Spring AI 應(yīng)用實(shí)戰(zhàn)項(xiàng)目

小傅哥，已經(jīng)為你準(zhǔn)備好了一套 AI RAG、MCP、Function Call 實(shí)踐編程課程，使用 Java + Spring AI 框架，增強(qiáng)自己的 AI 應(yīng)用開發(fā)能力，迅速囤積編程技能！如下，課程目錄，全程文檔小冊(cè) + 視頻帶著你從0到1學(xué)習(xí)。

第1期 RAG Spring AI 0.8.1 - 完結(jié)

1. 【更】AI RAG 知識(shí)庫(kù)，項(xiàng)目介紹&需求分析&環(huán)境說(shuō)明
2. 【更】初始化知識(shí)庫(kù)工程&部署模型&提交代碼
3. 【更】Ollama DeepSeek 流式應(yīng)答接口實(shí)現(xiàn)
4. 【更】Ollama DeepSeek 流式應(yīng)答頁(yè)面對(duì)接
5. 【更】Ollama RAG 知識(shí)庫(kù)上傳、解析和驗(yàn)證
6. 【更】Ollama RAG 知識(shí)庫(kù)接口服務(wù)實(shí)現(xiàn)
7. 【更】基于AI工具，設(shè)計(jì)前端UI和接口對(duì)接
8. 【更】Git倉(cāng)庫(kù)代碼庫(kù)解析到知識(shí)庫(kù)并完善UI對(duì)接
9. 【更】擴(kuò)展OpenAI模型對(duì)接，以及完整AI對(duì)接
10. 【更】云服務(wù)器部署知識(shí)庫(kù)（Docker、Nginx）

第2期 MCP Spring AI 1.0.0 - 開沖（已更新課程）

1. 【更】AI MCP 項(xiàng)目介紹
2. 【更】吃上細(xì)糠，Spring AI 框架升級(jí) + GPU 部署 AI
3. 【更】康莊大道，上手 AI MCP 工作流.md
4. 【更】道山學(xué)海，實(shí)現(xiàn)MCP自動(dòng)發(fā)帖服務(wù)
5. 【更】海納百川，上線MCP自動(dòng)發(fā)帖服務(wù)（Stdio方式）