9 - AI 服务化 - SpringAI+RAG+MCP+Agent，AI 智能体企业级实战（25年必学 - 编程导航教程

Excerpt本节重点

AI 服务化是指将原本只能本地运行的 AI 能力转化为可远程调用的接口服务，使更多人能够便捷地访问 AI 能力。通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服务。编程导航教程分享，做您编程学习路上的导航员。

本节重点

AI 服务化是指将原本只能⁡本地运行的 AI 能力转化为可远程调用的接口服务，使更多人能够便捷地访问 AI 能力。通过本节学习，你将掌握如何将 AI 智能体转变为可供他人调用的服⁡务、利用 AI 生成对应的前端项目，并且将项目的前后端通过 Serverless 部署上线。

具体内容包括：VVLSZX3Cpjji3SpiWQ7k8Q==kVqHXKceggP8ZnjJGQHeBseyUNNXr+64Iv7kJbZzVb4=

• AI 应用接口开发
• AI 智能体接口开发
• AI 生成前端项目
• AI 服务 Serverless 部署（前后端）

在开始之前，先给大家提个醒，Spring AI 版本更新飞快，有些代码的写法随时可能失效，尽量以 官方文档 为准。

一、AI 应用接口开发

我们平时开发的大多数接口都⁡是同步接口，也就是等后端处理完再返回。但是对于 AI 应用，特别是响应时间较长的对话类应用，可能会让用户失去耐心等待，因此推荐使用 SSE（Serve⁡r-Sent Events）技术实现实时流式输出，类似打字机效果，大幅提升用户体验。

接下来我们⁡会同时提供同步接口（一次性完整返回）和基于 SSE 的⁡流式输出接口。

开发

1、支持流式调用

首先，我们⁡需要为 LoveApp 添加流式调用方法，通过 stream⁡ 方法就可以返回 Flux 响应式对象了：

public Flux<String> doChatByStream(String message, String chatId) {
    return chatClient
            .prompt()
            .user(message)
            .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)
                    .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))
            .stream()
            .content();
}

💡 建议不要直接⁡使用 ChatResponse 作为返回类型，因为这会导致返回内容膨胀，影响传输效率。所以上述代码中我⁡们使用 content 方法，只返回 AI 输出的文本信息。