使用 Spring Boot MCP 服务器的代理 AI

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
级别：所有级别 |类型： 电子学习 |语言： 英语 |时长：24 场讲座（1 小时 23 分钟）

你将学到什么

• MCP 是新兴标准，而且还处于早期阶段。模型上下文协议作为将 AI 模型连接到真实工具的事实上的方式而得到快速采用
• 您学习的模式可以在第二天应用于实际项目，而不仅仅是理论理解。
• 调试和及时的工程深度是罕见的大多数课程都展示了快乐的道路。您的内容更加深入。
• 罕见的、适合就业市场的技能组合大多数人工智能课程都教授 Python。连接 Spring Boot（主流企业 Java 框架与 Agentic AI）的课程

人工智能不再仅仅与聊天机器人有关。下一代智能系统可以推理、计划并采取行动——它们现在正在企业 Java 堆栈中构建。

本课程教您如何使用 Spring Boot 和模型上下文协议 (MCP) 构建代理 AI 系统 – 将大型语言模型连接到现实世界工具和服务的新兴标准。您将远远超出基本的提示和响应模式，并学习如何设计能够自主调用工具、跨多个步骤做出决策以及干净地集成到生产 Java 后端的 AI 代理。

您将构建的内容：您将创建一个由 Spring Boot MCP 服务器支持的完全运行的人工智能驱动的金融交易分类器 – 具有真正的工具注册、通过“listCategories”和“createCategory”进行动态类别解析，以及处理生产系统实际面临的边缘情况的强大代理循环。

这门课程有何不同：大多数人工智能课程都在 Python 笔记本中进行。它位于您的生产代码所在的位置 – 在 Spring Boot 应用程序中，使用 Anthropic Java SDK 和 Spring AI。您不仅会学到快乐的道路，还会学到困难的部分：为什么工具调用会默默地被跳过，BeanOutputConverter 如何与代理提示发生冲突，如何构建两阶段提示以强制模型在生成输出之前调用工具。

您将学到什么：

• 模型上下文协议如何工作以及它为何成为行业标准
• 在 Spring Boot 应用程序中注册和调用 MCP 工具
• 设计能够可靠触发工具调用循环的提示
• 调试代理故障 – 令牌限制、输出冲突和静默回退
• 在 Java 后端安全地解析和验证 LLM 响应
• 生产构建：错误处理、可观察性和成本控制

如果满足以下条件，本课程适合您：您是一名 Java 或 Spring Boot 开发人员，希望在您已在工作中使用的技术堆栈中构建真正的 AI 驱动功能（而不是玩具演示）。

到最后，您将不仅仅是理论上理解 Agentic AI。您已经发货了。