Il team di Spring ha annunciato il rilascio di Spring AI 1.0, un framework concepito per semplificare lo sviluppo di applicazioni AI-driven nell'ecosistema Java e Spring. Dopo oltre due anni di lavoro e otto milestone, Spring AI offre oggi un'API stabile che integra diversi modelli di intelligenza artificiale per i chatbot, la generazione di immagini e la trascrizione di contenuti audio.
Funzionalità di Spring AI
Spring AI è caratterizzato dal supporto nativo per i principali provider di AI generativa, tra cui OpenAI, Anthropic, Microsoft Azure OpenAI, Amazon Bedrock e Google Vertex AI. Grazie ad un livello API unificato il framework consente di integrare facilmente funzionalità come chatbot basati su GPT, generazione di immagini e riconoscimento vocale nelle applicazioni Spring. Le tipologie di modelli supportati spaziano dalle chat all'embedding, dalla sintesi vocale alla moderazione automatica dei contenuti.
Spring AI supporta anche le astrazioni di servizio portabili che separano il codice applicativo dal provider utilizzato Si può così cambiare il modello AI impiegato apportando delle modifiche minime al codice. Grazie al supporto per la RAG (Retrieval Augmented Generation), il framework si integra con diversi database vettoriali, tra cui Cassandra, PostgreSQL/PGVector, MongoDB Atlas, Milvus, Pinecone e Redis, anche per lo sviluppo di applicazioni basate su dati aziendali.
Supporto per il protocollo MCP
Il progetto promuove l'uso degli standard aperti. Include infatti il supporto per MCP (Model Context Protocol) e facilita l'interazione tra modelli AI e risorse esterne indipendentemente dal linguaggio utilizzato. Offre poi client e server per MCP con cui velocizzare l'integrazione di servizi esterni e funzionalità come, ad esempio, la consultazione del meteo tramite annotazioni Java.
La configurazione è semplice, questo grazie a Spring Initializr e a starter dedicati che permettono di avviare nuovi progetti in pochi passaggi. L'API ChatClient
offre un approccio type-safe per la gestione delle chat, mentre gli Advisor consentono di implementare pattern comuni come la RAG o la gestione della memoria conversazionale. Da segnalare anche l'integrazione con Micrometer che permette di monitorare in tempo reale le applicazioni AI-driven.