灵梭：一个依赖，让你的 Spring Boot 应用会说话、会记忆、会思考、会行动

加一个 Maven 依赖，你的 Spring Boot 应用就有了聊天界面、RAG 知识库、MCP 工具调用和技能库。不是 Demo，是可直接用于生产的 AI Agent 方案。

从 Copilot 到 Agent：Spring Boot 开发者需要什么？

2024 年，每个 Spring Boot 开发者都知道了 LangChain4j 和 Spring AI。你可以用它们调用大模型、做 RAG、写 Tool。但在实际落地时，你会发现：

• 调模型容易，但你还需要一个聊天界面、会话管理、SSE 流式推送
• 做 RAG 不难，但你还需要文档解析、向量化、知识库管理界面
• 写 Tool 简单，但你还需要 MCP 协议适配、工具权限管理、运行时动态启停
• 最难的是所有这些拼在一起时，你发现自己在做一个"产品"而不是"功能"

Loom Agent（灵梭） 想做的事情是：把这些"还需要"全部封装好，一个 Starter 给你。

它是什么

灵梭是一个 Spring Boot 自动配置库，发布在 Maven Central（io.github.wb04307201:spring-ai-loom-agent-spring-boot-starter，当前版本 1.1.30）。引入依赖、配好大模型，你的应用就会在 http://localhost:8080/spring/ai/loom 提供一个完整的 AI 聊天界面。

<dependency>
    <groupId>io.github.wb04307201</groupId>
    <artifactId>spring-ai-loom-agent-spring-boot-starter</artifactId>
    <version>1.1.30</version>
</dependency>

就这么简单。不是 Demo 项目，不是脚手架——是带完整 UI、知识库、工具链、技能库的生产级方案。

灵梭项目架构图

四个核心能力

1. 会说话：完整的聊天界面

灵梭注入的聊天界面不是"能打字能回话"的水平。它支持：

• SSE 流式输出——逐字显示，不是一次性返回
• 多轮对话——自动管理上下文，支持超长会话
• 模型推理过程展示——可折叠展示思考链路（如 Qwen 的 <think> 标签）
• 消息复制和下载——方便用户保存对话内容
• 文件上传——支持图片和文档，多模态对话
• 响应式布局——桌面和移动端都能用

灵梭聊天界面：流式输出 + 推理过程展示

底层是 Vue.js SPA，前端打包后作为静态资源内嵌在 JAR 里，零部署成本。

2. 会记忆：RAG 知识库

引入 Spring AI 的 RAG 能力只需要配置，不需要写代码：

• 多知识库支持——不同业务场景用不同知识库
• 文档解析——基于 Apache Tika，支持 PDF、Word、Excel、HTML 等格式
• 本地向量存储——默认使用 JVector（HNSW 索引），零外部依赖，不需要部署 Milvus/Qdrant
• 可插拔向量库——如果需要，可以切换到 Qdrant、Milvus、Redis、Chroma、Elasticsearch、Pinecone 等
• LLM 元数据增强——可选让大模型自动提取文档关键词和摘要，提升检索质量

RAG 知识库管理界面

3. 会思考：MCP 工具调用

灵梭内置了 MCP（Model Context Protocol）客户端，支持同步和异步两种调用模式。

更重要的是，它支持每个会话独立控制工具启停——用户可以在界面上实时选择当前对话使用哪些工具，而不需要重启或重新配置。

MCP 工具管理：按会话动态启停

内置工具集

灵梭自带了一套经过生产验证的工具：

独立 MCP 服务器

灵梭最有特色的设计是：它的工具不仅仅是"内部能力"，每一个工具集都被拆成了独立的 MCP 服务器，可以脱离灵梭本身运行：

• loom-file-mcp——文件操作 MCP 服务器
• loom-git-mcp——Git 操作 MCP 服务器
• loom-maven-mcp——Maven 构建 MCP 服务器
• loom-compile-mcp——编译部署 MCP 服务器

它们没有 Spring 依赖，可以通过 jbang 直接启动，接入 Claude Desktop、Cursor、Windsurf 等任何支持 MCP 的 AI 工具。灵梭既是 Agent 框架，也是 MCP 工具供应商。

4. 会行动：Skill 技能库

Skill 是灵梭最高层的能力抽象。一个 Skill 就是一个 Markdown 风格的 Prompt 模板，可以引用 MCP 工具：

---
name: nl2sql
description: 自然语言转 SQL 查询
---

你是一个 SQL 专家。用户会用自然语言描述需求，你需要：

1. 使用 @get_table_metadata 工具获取表结构
2. 根据用户需求生成 SQL
3. 使用 @execute_sql 工具执行查询
4. 将结果格式化输出

技能文件放在 classpath: 下，灵梭会自动加载。大模型会在对话中自主发现和调用合适的技能，不需要用户手动指定。

Skill 技能库：Markdown 定义，运行时动态管理

设计哲学：全部可替换

灵梭的每一个组件都遵循"接口 + 默认实现 + @ConditionalOnMissingBean"的模式。这意味着：

• 不喜欢默认的 JVector 向量库？自己注入一个 VectorStore Bean 就行
• 想用 Redis 存对话历史？换成 RedisChatMemory 即可
• 想自定义 UI？覆盖静态资源路径

框架提供开箱即用的默认值，但不限制你的选择。 这和 Spring Boot 本身的设计哲学一脉相承。

技术选型

支持的 LLM 提供商：阿里通义千问（DashScope）、OpenAI、Ollama、Anthropic、Azure OpenAI 等——只要是 Spring AI 支持的，灵梭都支持。

它和其他项目的关系

灵梭不是一个孤立的项目。它可以作为 AI 原生企业解决方案的 AI 编排层：

    灵梭（Loom Agent）  ←—— MCP 协议 ——→  SQL 工坊（SQL Forge）
    AI 编排 + 聊天 UI                       数据操作 + MCP Server
    RAG + Skill                            CRUD + Calcite + Amis
                    \                      /
                     \                    /
                    JavaBrain（组合示例）

• SQL 工坊（SQL Forge） 是数据层，提供 CRUD API、SQL 模板、跨库联邦查询。它自带的 MCP Server 可以被灵梭通过 MCP 协议调用，让 AI 安全地操作数据库。
• JavaBrain 是这两个项目的组合示例，展示了灵梭 + SQL Forge 如何协同工作，实现自然语言数据分析（90 秒出报告）和智能低代码（一句话生成 CRUD 页面）。

实际使用中，灵梭作为 AI 的"大脑"，通过 MCP 协议调用 SQL Forge 的数据库操作能力，大模型始终不直接接触数据库——安全、可控、可审计。

适合谁用

写在最后

灵梭的名字取自"穿梭编织"之意——它想把 AI 的能力像丝线一样穿梭进你的 Spring Boot 应用中。

这不是一个"教你用 Spring AI"的教程项目，而是一个可以直接用于生产的 AI Agent 解决方案。所有的设计决策——JVector 零依赖、BFF Cookie 认证、接口全部可替换——都来自实际项目中的经验教训。

项目地址：

• Gitee：https://gitee.com/wb04307201/spring-ai-loom-agent
• GitHub：https://github.com/wb04307201/spring-ai-loom-agent

如果你正在做 Spring AI 相关的项目，或者想在现有 Spring Boot 应用中加入 AI 能力，灵梭值得一看。