配套文章:篇2《Spring AI vs LangChain4j vs Spring AI Alibaba:2026 终极选型指南》
一个仓库跑通三个框架的最小可运行示例,用同一套场景对比代码量、配置方式与运行表现。
framework-compare/
├── spring-ai-quickstart/ # Spring AI 2.0:Step 1-5 完整实现(10 行 Demo → 记忆 → 工具 → MCP → SSE)
├── langchain4j-quickstart/ # LangChain4j 1.20 最小可跑(AiService + @V 模板变量)
├── saa-quickstart/ # Spring AI Alibaba 1.0 最小可跑(百炼 starter)
├── benchmarks/ # 6 维度实测脚本(模型集成/向量库/MCP/Agent/可观测/社区)
└── docker-compose.yml # 一键起 pgvector + Qdrant + Redis 8
| Step | 能力 | 文件 |
|---|---|---|
| 1 | 最小可跑 ChatClient | DemoApplication.java |
| 2 | ChatMemory 多轮对话 | config/ChatConfig.java |
| 3 | Function Calling | tools/OrderTools.java |
| 4 | MCP Client | application.yml(注释段) |
| 5 | 流式输出 SSE | controller/AdvancedController.java |
细节见 spring-ai-quickstart/README.md。
docker-compose up -d
# 起 pgvector:5432 / qdrant:6333 / redis:6379export OPENAI_API_KEY=sk-xxx # OpenAI 协议兼容(DeepSeek/通义均可)
export DEEPSEEK_API_KEY=sk-xxx # DeepSeek
export DASHSCOPE_API_KEY=sk-xxx # 阿里云百炼cd spring-ai-quickstart
mvn spring-boot:run
curl "http://localhost:8080/chat?q=用一句话介绍Spring AI"
curl "http://localhost:8080/api/chat/tools?q=订单A12345到哪了" # Function Calling
curl -N "http://localhost:8080/api/chat/stream?q=写一首关于咖啡的四行诗" # SSEcd langchain4j-quickstart
mvn spring-boot:run
curl "http://localhost:8081/chat?q=用一句话介绍LangChain4j"cd saa-quickstart
mvn spring-boot:run
curl "http://localhost:8082/chat?q=用一句话介绍SAA"| 维度 | 最强 | 说明 |
|---|---|---|
| 模型集成数量 | LangChain4j | 30+ 模型开箱即用 |
| 向量库支持 | LangChain4j | 覆盖最广,差异 <10% |
| MCP 支持 | Spring AI 2.0 | @McpTool 注解 47 行暴露 10 个方法 |
| 多 Agent 编排 | Spring AI Alibaba | Graph + Mermaid 可视化 |
| 可观测 | Spring AI / SAA | Micrometer + OTel 原生集成 |
| 中文社区 | SAA | 官方中文文档 + 国内生态最全 |
详细数据见 benchmarks/ 与文章。
- 别追 RC 版本——锁定 GA,Milestone/RC 的 API 可能突变
- Spring AI 2.0 强制 JDK 21 + Spring Boot 4——老项目升级前先看本仓库
spring-ai-quickstart的 pom - MCP 包名迁移:
io.modelcontextprotocol.*→org.springframework.ai.mcp.* - LangChain4j 中文资料滞后官方 1–2 个月——以 GitHub README + Javadoc 为准
- 国内合规:生产环境优先通义 / DeepSeek / 豆包,开源模型走 Ollama / vLLM
- v0.1 三框架 hello world + docker-compose
- v0.2 spring-ai-quickstart 补齐 Step 2-5(记忆/工具/SSE)
- v0.3 RAG 对比(同文档、同问题、三框架召回效果)
- v0.4 多 Agent 编排对比
- v1.0 基准测试报告(压测 + Token 成本)
MIT