高级 Java 与 AI 应用工程（四）：LLM、RAG、Function Calling 与 MCP

技术定位

企业 AI 应用的本质是将概率模型嵌入确定性系统：程序负责身份、权限、数据、工具与审计，模型负责语言理解、归纳和受约束的决策。RAG 解决知识与事实来源，Function Calling/Skill 解决受控动作，MCP 解决工具互操作，评测与观测解决持续可信。

1. 从“聊天”到“业务系统”

LLM 擅长语言理解、信息抽取、归纳与受约束的决策；它不天然可靠、不了解实时数据，也不具备权限。生产系统应把模型放在受控流程中：模型负责推理，程序负责权限、数据、动作和校验。

概要

2024-2025 年 AI 领域最火的关键词，除了大模型本身，**MCP（Model Context Protocol）**一定排在前列。Anthropic 提出的这套协议，让 AI 模型能够以标准化的方式调用外部工具和数据源，一夜之间成了 AI Agent 的事实标准。

Spring 社区反应极快——Spring AI 1.0.0-M7 已经内置了完整的 MCP Server 支持。本文将带你从零搭建一个 MCP Database Server，让 AI 助手能够直接查询你的数据库。

为什么需要 MCP？