有段时间没写 Spring AI 了。
去年前后写了 21 篇。开头是 Chat Memory、Advisors 和 RAG，后来又写了 React Agent、Spring AI Alibaba，还有 Nacos 动态 Prompt。
写着写着，这个系列就停了。
最近我又打开了 Spring AI 的文档。官方稳定文档现在已经到 2.0.1，底层基线换成了 Spring Boot 4。Tool Calling、MCP、Agent 这几块，也都有了新写法。
看完一圈，我还是想把这个系列捡起来。
先把写法改一下#
上一轮的一些文章，现在回头看，功能点整理得比较多。代码也放了不少，可读者看完一篇，心里未必会留下一个清楚的结论。
这次先给自己定个规矩：一篇文章，只讲清一个问题。
写 Tool Calling，就拿订单查询来讲。从模型调用，到本地工具执行，再到结果回填，把这条链路一步步跑完。
写 Chat Memory，就围绕一件事展开：一个用户的多轮对话，到底该怎么保存？
写 MCP，先做出一个能真正调通的工具服务，然后再往后讲。
文章里该有的完整代码、调用结果和实际遇到的问题，都会留下来。哪个结果没有执行过，我也会直接写清验证边界。
接下来，先排这六个方向#
1. 先从 Tool Calling 讲起#
第一件事，是把 Spring AI 2.0 的工具调用链跑通。
用户只发了一次请求，为什么模型会调用两次？中间的 ToolCallingAdvisor 到底做了什么？日志放哪里，重试放哪里，权限校验又该放哪里？
先用一个小案例，把这几个问题一起说明白。
2. 工具多了，再看 Tool Search#
Agent 里的工具一多，问题就来了。
每次都把所有工具定义发给模型，上下文会越来越长，调用成本也会跟着涨。
这部分会继续看 ToolSearchToolCallingAdvisor，看看工具怎么按需查找。
3. Chat Memory 放进 Agent 以后#
单看会话记忆，好像不复杂。放到工具调用和多轮 Agent 里，消息类型、上下文长度、持久化，这些问题就都出来了。
后面我会准备一个连续对话案例，一个问题一个问题地拆。
4. RAG 还是从真问题入手#
文档导入、检索、重排、引用来源，这几步都会继续做。
重点会放在两个问题上：检索为什么找不到？明明已经找到了，模型为什么又不用检索结果？
这两类情况，实际做 RAG 时都会碰到。
5. MCP 先做一个能调通的服务#
这一部分，我会用 Spring AI 2.0 的注解式 API 搭一个 MCP Server，再用 Client 去发现工具、调用工具。
等最小链路跑通了，再继续看传输方式、权限、多服务工具重名和线上部署。
6. 企业级 Agent 放在最后#
前面的工具、记忆、RAG 和 MCP 都跑过一遍以后，再把它们串起来。
到这一步，要看的就是幂等、超时、重试、调用上限、人工审批和可观测性。
一个 Agent 能不能长期跑，最后就看这些。
下一篇，先查一个订单#
这篇先把后面要写的东西列出来。
下一篇就从最简单的订单查询开始，把 Spring AI 2.0 Tool Calling 的完整执行链拆开。
用户查一次订单，模型却要调用两次。中间还有工具执行，以及消息回填。
这个系列，就从这条链路重新开始。
