Spring AI 2.0.0-RC1 新特性解读：工具调用外置化与API统一

Spring AI 2.0 终于迎来正式发布前的第一个候选版。原本计划 2026 年 5 月推出，官方已将发布时间推迟到 6 月，现在Spring AI 2.0.0‑RC1 已上线 Maven Central。

这里的 RC 是 Release Candidate（发布候选版） 的缩写，Spring AI 2.0.0‑RC1 表示 2.0.0 的第 1 个发布候选版本，已经非常接近正式版（GA），主要用于最后阶段的验证和测试。从最初的 M1 到 M8，团队迭代了 8 个里程碑才走到这一步，后续可能还有 RC2、RC3，也可能直接冲进 GA 正式版。

Spring AI 2.0.0‑RC1 新特性解读

1. 工具调用重构

这一版中最核心的变化是工具调用机制的彻底重构。

在 1.x 版本中，每个 ChatModel 内部都内置了一套工具执行逻辑，包括普通调用、流式调用以及工具执行循环的控制逻辑。也就是说，模型与工具之间的耦合比较紧密。2.0 则把工具执行循环从各个 ChatModel 中抽离出来，统一由外部机制处理。现在所有模型都不再内置工具执行循环，官方推荐使用 ToolCallingAdvisor 来实现。

同时，以下旧能力已被移除：

• internalToolExecutionEnabled
• toolNames()
• SpringBeanToolCallbackResolver
• 旧的 ToolSpec API

工具执行逻辑彻底外置化，如果你之前依赖模型内置的工具循环，这部分必须相应调整。

2. 聊天记忆改进

首先是消息驱逐策略调整：当对话窗口达到上限时，驱逐逻辑会优先移动到最近的用户消息边界，而不是在对话中间截断，从而避免语义断裂。

其次是避免重复附加历史消息：在工具调用过程中，不再反复把完整的历史 memory 追加到 prompt 中，只保留必要上下文。这样可以减少 Token 消耗、避免重复内容干扰，提高调用效率。

另外，JDBC 聊天记忆现在支持访问 timestamp 字段，方便持久化管理。

3. 结构化输出

在 ChatClient.entity() 中添加了 EntityParamSpec，用于实现每次调用时对结构化输出的配置。

之前的版本，在 entity() 调用时启用提供程序原生的结构化输出或模式验证，需要单独设置顾问参数或手动配置 StructuredOutputValidationAdvisor。现在 EntityParamSpec 可以直接在 entity() 调用位置配置这两种功能，使用更直观。

4. API 变更

这一部分主要是 API 清理和规范统一，包括：

• 默认值从模型层移动到选项层
• 构建器方法 N() 改为 n()
• 重构 JSON 工具
• 使用 org.apache.commons.logging.LogFactory 代替 SLF4J
• 模块命名规范调整

最重要的是，现在 Spring 不再覆盖模型提供商默认参数，避免因覆盖导致的不可预期差异。

5. 模型更新

模型适配层也有调整：

• 更新 Mistral AI 聊天模型
• 新增 DeepSeek V4 模型常量
• 移除部分弃用模型
• MiniMax 独立支持路径移除，建议通过兼容方式使用
• 删除生命周期结束的模型

在「天塌了！Spring AI 2.0 宣布移除智谱！！」一文中提到，国内支持的模型原本还有 DeepSeek (OpenAI‑proxy)、MiniMax、Moonshot AI、QianFan 四家。RC1 文档中只保留了 DeepSeek (OpenAI‑proxy)、MiniMax (Anthropic‑proxy) 两家，且还是基于 Proxy 的方式。整体趋势是向旗舰模型靠拢，减少维护成本。现在要么自己维护开源项目，要么兼容 OpenAI、Anthropic 这两家巨头的 API。

6. Bug 修复

RC1 同步更新了文档和依赖版本，并修复了以下问题：

• 修复所有剩余聊天模型的流式路径中的跨度层级
• 修复 OpenAiChatModel.stream() 仅对工具调用进行缓冲的问题。之前的实现会在返回 token 之前对整个响应进行缓冲，现在只对工具调用片段进行缓冲，允许其他 token 在生成时直接流出
• 修复 DeepSeek V4 调用函数时 400 Bad Request 的问题
• 修复 OpenAI 选项中的诸多合并问题

总结

Spring AI 2.0.0‑RC1 的核心价值在于架构重构，而不是功能堆叠，此前 M1～M8 累积的特性并未全部包含其中。这个版本的重点变化包括：

• 工具调用外置化
• 聊天记忆优化
• 结构化输出增强
• API 规范统一

正式版即将发布，RC 阶段还在进行大规模重构，足见 AI 发展的迅猛势头。即便 2.0 GA 上线，功能、稳定性等方面后续可能仍会有不少调整。但无论如何，Spring AI 已经是 Java AI 事实上的标准框架，更新动作越大，说明社区越活跃，未来可期。Spring AI 2.0 发布之后，Java AI 才算真正起飞。

不管你是 AI 初学者，还是有经验的开发者，AI、Agent、MCP、工作流编排如今已成为 Java 开发者的必备基础能力，而 Spring AI 则是 Java 衔接企业 AI 应用落地的一套重要方案。2026 年的今天，还没有接触过 Spring AI，还没有在项目中使用它落地，可能真的会落后。无论大厂、小公司还是外包，都在或多或少地推进 Spring AI 项目，面试中 AI 相关问题的出现频率也越来越高。Spring AI 已经是 Java 程序员对接大模型的标配，就像当年的 Spring Boot、Spring Cloud 一样，不学就会失去竞争力。赶紧行动起来吧，Spring AI 让 Java 再次伟大！  

更多技术讨论，欢迎访问云栈社区。