springboot+langchain4j 实战 Day15——打造一个“生产“级 Agent 服务：单个 Agent 同时持有多个 Tool，LLM 自主判断调用哪个

Day 15 — 单 Agent 多 Tool + MySQL 数据源 + Redis 缓存 + AOP 追踪 + SSE 流式输出

一、目标

融合 Day 1-14 全部能力，打造一个生产级 Agent 服务：单个 Agent 同时持有多个 Tool，LLM 自主判断调用哪个；数据落 MySQL、Tool 结果走 Redis 缓存、每次调用被 AOP 追踪。

二、架构

浏览器 (static/index.html) ├── GET /agent/chat?message=... → JSON 同步响应 └── GET /stream/chat?message=... → SSE 逐 token 流式推送 ↓ UnifiedAgentController ↓ UnifiedAgentService（单 Agent） ├── OrderTool ← MyBatis-Plus → MySQL t_order ├── RefundTool ← MyBatis-Plus → MySQL t_refund ├── KnowledgeBaseTool ← MyBatis-Plus → MySQL t_knowledge └── LLM (DeepSeek-V3 via 硅基流动) ↓ ToolTraceAspect（AOP 环绕通知，记录每次 @Tool 调用） ↓ Redis（@Cacheable，TTL 10min）

与 Day 13/14 的关键区别：

三、技术栈

四、项目结构

day15/ ├── pom.xml ├── README.md └── src/main/ ├── java/com/day15/demo/ │ ├── Day15Application.java # 启动类 │ ├── aop/ │ │ └── ToolTraceAspect.java # AOP 切面：环绕所有 @Tool 方法 │ ├── config/ │ │ ├── CacheConfig.java # Redis 缓存配置（TTL 10min） │ │ └── ChatModelConfig.java # LLM 模型 Bean（Chat + Streaming 双实例） │ ├── controller/ │ │ └── UnifiedAgentController.java # 双端点：/agent/chat + /stream/chat │ ├── dto/ │ │ └── Result.java # 统一响应体 {code, message, data} │ ├── entity/ │ │ ├── Order.java # t_order 映射（@TableId + @JsonIgnore + @JsonFormat） │ │ ├── Refund.java # t_refund 映射 │ │ └── Knowledge.java # t_knowledge 映射 │ ├── mapper/ │ │ ├── OrderMapper.java # MyBatis-Plus BaseMapper │ │ ├── RefundMapper.java │ │ └── KnowledgeMapper.java │ ├── service/ │ │ └── UnifiedAgentService.java # 单 Agent 注入 3 个 Tool │ └── tool/ │ ├── OrderTool.java # 订单查询 / 列表（@Cacheable + MySQL） │ ├── RefundTool.java # 退款创建 / 政策（写入 MySQL） │ ├── KnowledgeBaseTool.java # 知识库检索 / 目录（@Cacheable + MySQL） │ └── WeatherTool.java # 天气（备用，暂未挂载） └── resources/ ├── application.yml # MySQL + Druid + Redis 配置 ├── schema.sql # DDL 建表（LONGTEXT 兼容 MySQL） ├── data.sql # 种子数据（INSERT IGNORE，4 订单 + 1 退款 + 5 知识库） └── static/ └── index.html # 前端聊天页面（SSE 打字机效果）

五、核心代码

5.1 双模型注入（ChatModelConfig）

@Bean("openAiChatModel")publicOpenAiChatModelopenAiChatModel(){// 普通对话用returnOpenAiChatModel.builder().apiKey(apiKey).baseUrl(baseUrl).modelName(modelName).temperature(0.3).timeout(Duration.ofSeconds(60)).maxRetries(2).build();}@Bean("openAiStreamingChatModel")publicOpenAiStreamingChatModelopenAiStreamingChatModel(){// SSE 流式用returnOpenAiStreamingChatModel.builder().apiKey(apiKey).baseUrl(baseUrl).modelName(modelName).temperature(0.3).timeout(Duration.ofSeconds(60)).build();}

两种模式用同一个AiServices.Builder构建，AiServices自动根据接口方法返回值分发：

• 返回String→ 走chatLanguageModel
• 返回TokenStream→ 走streamingChatLanguageModel

5.2 单 Agent 多 Tool（UnifiedAgentService）

@PostConstructpublicvoidinit(){agent=AiServices.builder(UnifiedAgent.class).chatLanguageModel(chatModel).streamingChatLanguageModel(streamingChatModel).tools(orderTool,refundTool,knowledgeBaseTool)// 一次注入 3 个.chatMemory(MessageWindowChatMemory.withMaxMessages(10)).build();}

@SystemMessage引导 LLM 行为：

• 订单/物流 → 优先用 Tool 查
• 退款 → 主动创建工单
• 技术问题 → 先搜知识库再回答
• 不要凭自身知识猜测

5.3 MySQL 数据源（application.yml）

spring:datasource:type:com.alibaba.druid.pool.DruidDataSourceurl:jdbc:mysql://localhost:3307/ai_logs?useUnicode=true&characterEncoding=utf-8&serverTimezone=Asia/Shanghaiusername:rootpassword:root123driver-class-name:com.mysql.cj.jdbc.Driverdruid:initial-size:5min-idle:5max-active:20max-wait:60000filter:stat:enabled:trueslow-sql-millis:2000log-slow-sql:truewall:enabled:false# MyBatis-Plus Lambda 查询不支持 wall 拦截

为什么wall: false：MyBatis-Plus LambdaWrapper 生成的 SQL 会触发 Druid WallFilter 误判，关闭后不影响安全（SQL 由框架生成，无拼接注入风险）。

5.4 Entity 注解规范

@Data@TableName("t_order")publicclassOrder{@JsonIgnore// 不暴露给前端（内部主键）@TableId(type=IdType.AUTO)// 数据库自增privateLongid;privateStringorderId;// 业务编号privateStringproduct;privateStringstatus;privateStringlogistics;privateBigDecimalamount;@JsonFormat(pattern="yyyy-MM-dd HH:mm:ss",timezone="Asia/Shanghai")privateLocalDateTimecreatedAt;// 格式化输出，避免序列化为数组 [2025,6,1,...]}

5.5 AOP 链路追踪（ToolTraceAspect）

@Around("@annotation(dev.langchain4j.agent.tool.Tool)")publicObjecttrace(ProceedingJoinPointpjp)throwsThrowable{Stringmethod=pjp.getSignature().toShortString();Stringargs=/* 拼接参数 */;longstart=System.currentTimeMillis();log.info("[ToolTrace] ▶ {} | args=({})",method,args);Objectresult=pjp.proceed();longelapsed=System.currentTimeMillis()-start;log.info("[ToolTrace] ✔ {} | {}ms | result={}",method,elapsed,truncate(result,120));returnresult;}

输出示例：

[ToolTrace] ▶ OrderTool.queryOrder(..) | args=(20250615) [OrderTool] 查询订单(DB): 20250615 ==> Preparing: SELECT ... FROM t_order WHERE order_id = ? ==> Parameters: 20250615(String) <== Total: 1 [ToolTrace] ✔ OrderTool.queryOrder(..) | 45ms | result=订单 20250615 ...

5.6 Redis 缓存（CacheConfig+@Cacheable）

@Tool("Query order by orderId")@Cacheable(value="order",key="#orderId")// 同一订单号 10 分钟内走缓存publicStringqueryOrder(StringorderId){...}

• Key 序列化：StringRedisSerializer
• Value 序列化：GenericJackson2JsonRedisSerializer
• TTL：10 分钟（spring.cache.redis.time-to-live: 600000）

5.7 SSE 流式推送

@GetMapping(value="/stream/chat",produces="text/event-stream;charset=UTF-8")publicSseEmitterstream(@RequestParamStringmessage){SseEmitteremitter=newSseEmitter(TimeUnit.MINUTES.toMillis(2));TokenStreamtokenStream=unifiedAgentService.stream(message);Executors.newSingleThreadExecutor().execute(()->{tokenStream.onNext(token->emitter.send(SseEmitter.event().data(token))).onComplete(resp->emitter.complete()).onError(emitter::completeWithError).start();});returnemitter;}

关键 API 匹配(LangChain4j 0.36.2)：

• onNext(Consumer<String>)— 每个 token 回调
• onComplete(Consumer<Response<AiMessage>>)— 流结束
• onError(Consumer<Throwable>)— 异常

六、双端点 API

GET /agent/chat— JSON 同步

curl"http://localhost:8088/agent/chat?message=查订单20250615"# → {"code":200,"message":"success","data":"订单 20250615\n商品: ..."}

GET /stream/chat— SSE 流式

curl-N"http://localhost:8088/stream/chat?message=hello"# → data:你好# → data:呀# → data:！

前端页面

浏览器打开http://localhost:8088/index.html：

• 左侧：Agent 信息 + 快捷提问
• 右侧：对话区（SSE 打字机逐字渲染）
• 支持：回车发送、Tool 调用标记、超时提示

七、Druid 监控

http://localhost:8088/druid/→ 用户名admin/ 密码admin123

八、启动方式

前置条件

# MySQL（已运行）dockerps|grepai-mysql# → 0.0.0.0:3307->3306/tcp# Redis（已运行）dockerps|grepai-redis# → 0.0.0.0:6379->6379/tcp

启动

cdday15 mvn clean compile spring-boot:run-DskipTests

输出关键日志：

Tomcat started on port(s): 8088 (http) with context path '' Day15 UnifiedAgent 初始化完成: OrderTool + RefundTool + KnowledgeBaseTool (MySQL数据源 + Redis缓存 + AOP追踪) Started Day15Application in 3.3 seconds

九、演进路线

Day 1-2 基础环境 + LangChain4j Demo Day 3 RAG (InMemoryEmbeddingStore) 英文全称：Retrieval-Augmented Generation（检索增强生成）。意思就是：让 AI 在回答之前，先去「查资料」，再基于查到的资料来回答。就像考试时允许你翻书，而不是只靠脑子记忆答题。 Day 4 PGVector 向量库 Day 5 Redis 聊天记忆 Day 6-7 单元测试 + 统一响应体 Day 8-9 AOP 日志 + 降级Sringboot 2.7.18 Day 10 工具类完善，并且 MySQL + PGVector + Redis 一键docker-compose部署依赖的开发环境 Day 11 Agent 联网搜索，调用天气api Day 12 网页 + SSE 流式对话 Day 13 多 Agent 协作 (Router) Day 14 子 Agent 工具注入 Day 15 ← 融合全部能力：单 Agent 多 Tool + MySQL + Redis + AOP + SSE

Day 15 是项目集大成的里程碑 —— 不再需要 Router 分流，LLM 自己看懂意图并选择 Tool，数据落库、结果缓存、调用可追踪，同时支持 JSON 和 SSE 两种输出模式。