Spring AI 一口气发了 3 个版本，143 项更新，对话记忆终于不串号了，还修了 3 个 CVE 漏洞

公告：“业余草”微信公众号提供免费CSDN下载服务(只下Java资源)，关注业余草微信公众号，添加作者微信：xttblog2，发送下载链接帮助你免费下载！
本博客日IP超过2000，PV 3000 左右，急需赞助商。
极客时间所有课程通过我的二维码购买后返现24元微信红包，请加博主新的微信号：xttblog2，之前的微信号好友位已满，备注：返现
受密码保护的文章请关注“业余草”公众号，回复关键字“0”获得密码
所有面试题(java、前端、数据库、springboot等)一网打尽，请关注文末小程序
视频教程免费领

【腾讯云】1核2G5M轻量应用服务器50元首年，高性价比，助您轻松上云

今天周六，但还是一个上班日，因此我继续更新一篇，服务一部分网友。

我看了一眼 AI 圈的动态，又看了一眼 Java 生态里的变更，决定写一写 Spring AI。毕竟它在昨天晚上，正式发布了 Spring AI 1.1.6 版本，该版本对话记忆进行了重构、MCP 自动配置也完善了，同时多模型的 Bug 也修复了。

值得一提的是，Spring AI 团队在昨天，也就是 2026 年 5 月 8 号这天，一次性发布了三个版本，1.0.7、1.1.6 和 2.0.0-M6。

三箭齐发，这三个版本合计包含 143 项改进、Bug 修复和文档更新，同时还修复了3 个安全漏洞 CVE-2026-41705、CVE-2026-41712、CVE-2026-41713。

2.0 版本还在预览阶段，本文就不表了。作为 1.1 稳定分支的最新维护版本，Spring AI 1.1.6虽然是一个“小版本”更新，但包含了对生产环境至关重要的修复。接下来，本文将深入解读 1.1.6 的核心变化，分析它们解决了哪些实际场景中的痛点，并为准备升级的网友提供迁移建议。

为什么有 3 个版本

Spring AI 目前并行维护三条发布线，是因为这 3 个版本都还在维护期内。最早的 1.x 版本，企业支持时间也要到 2027-06 才会停止维护升级，非企业用户下个月 1.x 就停止维护了。

文章配图参见 https://mp.weixin.qq.com/s/LlunLFUw5H2n71J0qSLalQ。

目前，这 3 个支线的定位如下。

版本线	定位	目标用户
`1.0.x`	保守稳定线	对 API 稳定性要求极高的企业
`1.1.x`	当前推荐线（GA）	需要 MCP、Advisors API 等新特性的生产用户
`2.0.x-M`	下一代预览线	愿意尝鲜、接受 Breaking Change 的早期采用者

1.1.6 属于 1.1 GA 稳定分支的维护版本，也是当前的一个主要版本，因此接下来我重点写 1.1.6 方面的更新，2.x 的内容等后面正式 GA 了再写。

根据 GitHub Release Notes 内容可知，本次 1.1.6 版本发布包含 1 个新特性、5 个 Bug 修复、2 项文档改进和 5 项其他优化等。

Breaking Change

这次更新的一个重点就是 Breaking Change，要求对话记忆必须显式传入 Conversation ID。

以 Chat Memory Advisor 为例，现在要求必须显式提供 conversationId。

同时 PromptChatMemoryAdvisor 被标记为 @Deprecated，官方建议迁移到新的 Chat Memory Advisor API，该 API 强制要求显式传入对话 ID。

为什么要做这个改动？

在之前的版本中，Chat Memory Advisor 可能使用默认或隐式的对话 ID。这在多用户并发场景下是一个潜在的严重 Bug。

假设用户 A 和用户 B 同时与 AI 对话，如果系统没有正确隔离各自的 conversationId，用户 A 的聊天历史可能被错误地注入到用户 B 的上下文中，导致信息泄露或对话混乱。

强制显式传入 conversationId，本质上是将对话隔离的责任从框架默认行为转移到了调用方，让开发者必须明确思考“这段对话属于谁”。

升级代码示例

升级前（1.1.5 及之前）的代码用法如下所示。

// 隐式 conversationId —— 1.1.6 起不再支持
ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultAdvisors(new PromptChatMemoryAdvisor(chatMemory))
    .build();

升级后（1.1.6 推荐写法）如下所示。

ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultAdvisors(
        MessageChatMemoryAdvisor.builder(chatMemory).build()
    )
    .build();

// 每次调用时必须显式传入 conversationId
public String chat(String conversationId, String userMessage) {
    return chatClient.prompt()
        .advisors(a -> a.param(
            MessageChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY,
            conversationId))
        .user(userMessage)
        .call()
        .content();
}

值得注意的是，如果你正在使用 VectorStoreChatMemoryAdvisor 或 MessageChatMemoryAdvisor，都需要遵循同样的模式。常量 CHAT_MEMORY_CONVERSATION_ID_KEY 已经从 AbstractChatMemoryAdvisor 移动到了 ChatMemory 接口中。

社区反响

这个 Breaking Change 在社区中引起了一定讨论。有开发者表示，虽然迁移成本不高，但在微服务架构中，conversationId 的生成和管理策略需要团队统一设计。对此，建议的做法如下。

使用用户 ID + 会话 UUID 组合
或者使用 Redis / 数据库生成全局唯一会话标识

新特性 MCP 自动配置完善

1.1.6 唯一的“新特性”其实是一次配置机制的完善，或者说是修复 @ConditionalOnMissingBean 了缺失问题。

MCP auto-configuration 现在包含了缺失的 @ConditionalOnMissingBean 检查，允许用户提供自己的 Bean 定义来覆盖自动配置的 MCP Bean，符合 Spring Boot 自动配置的标准模式。

这是一个典型的“Spring Boot 化”改进。在 Spring Boot 生态中，@ConditionalOnMissingBean 是自动配置的核心机制之一，它确保当用户显式定义了同名 Bean 时，自动配置不会覆盖用户的自定义实现。

修复前的问题是，如果开发者想要自定义 MCP Client 或 Server 的某些组件（比如自定义 Transport、自定义 Tool 拦截器），可能会发现自动配置“霸道”地注册了自己的 Bean，导致用户的自定义配置无法生效。

通过这次修复后，使用者就可以放心地提供自己的 MCP Bean，自动配置会优雅退让。

// 现在你可以放心地提供自己的 MCP Bean，自动配置会优雅退让
@Bean
public MyCustomMcpTransport myCustomTransport() {
    return new MyCustomMcpTransport();
}

MCP 生态在 Spring AI 中的重要性

MCP（Model Context Protocol）是 Anthropic 提出的开放协议，标准化了 AI 应用与外部工具、资源的交互方式。Spring AI 从 1.1.0 开始全面拥抱 MCP，并提供了以下内容。

注解式编程模型：@McpTool、@McpResource、@McpPrompt
多种传输方式：STDIO、SSE、Streamable HTTP
Spring Boot 自动配置：开箱即用的 Starter

正如社区文章所述，Spring AI 的 MCP 集成让 Java 开发者可以无需 Python 侧车服务就能构建完整的 AI Agent。1.1.6 这次对自动配置的完善，进一步降低了 MCP 在生产环境中的定制门槛。

同时，本次发布将MCP SDK 从 0.17.0 升级到 0.18.2，MCP 注解从 0.8.0 升级到 0.9.0，引入了最新的协议改进和 Bug 修复。

Bug 修复

下面针对这五个关键问题逐一展开简单解读。

Milvus 向量存储

针对 Milvus 向量存储，删除了操作字符串转义错误。

当MilvusVectorStore 的 doDelete 方法在处理 ID 列表时，错误地对字符串进行了转义，导致删除操作失败或行为异常。

对应的影响场景如下所示。

使用 Milvus 作为向量数据库的 RAG 应用
需要定期清理过期文档向量的知识库系统
基于用户 ID 批量删除个人数据的合规场景

Milvus 是 Spring AI 支持的主流向量存储之一（与 PGVector、Redis、Chroma 等并列）。删除操作的可靠性直接影响数据一致性和 GDPR 等合规要求的实现。

Mistral AI

同时本次发布还修复了 Mistral AI 配置选项未被正确传递问题。

对应的问题描述是，用户配置的选项（如温度、最大 Token 数等）没有被正确包含在 Mistral AI API 请求中。

它的影响场景如下。

使用 Mistral AI 作为模型提供商的 Spring AI 应用
依赖特定参数调优（如低温度用于确定性输出、高温度用于创意生成）的业务场景

这是一个“静默失败”类型的 Bug，请求能成功，但参数没生效，开发者可能长期无法察觉自己的调优配置实际上被忽略了。

Ollama 工具调用 ID 回归问题

这个问题的描述是，在使用 Ollama 集成时，AssistantMessage.ToolCall.id 的处理出现了回归，导致工具调用识别行为异常。

影响场景如下。

本地部署 Ollama（如 Llama、Mistral、Qwen 等开源模型）的 Spring AI 应用
依赖 Function Calling / Tool Use 能力的 Agent 系统
需要离线运行、数据不出域的企业环境

要知道，Ollama 是 Spring AI 生态中本地部署场景的核心支持对象。工具调用（Tool Calling）是构建 Agent 的关键能力，这个回归的修复确保了本地模型与云端模型在功能上的一致性。

测试修复

这次还修复了 ChatClientAdvisorTests 和 MistralAiChatModelObservationIT。

这两个修复分别针对测试套件本身。

ChatClientAdvisorTests：更新测试以显式提供 conversationId，与新的 Breaking Change 保持一致
MistralAiChatModelObservationIT：修复 Mistral AI 聊天模型的可观测性集成测试

虽然看似只是“测试代码”的修复，但它们反映了 Spring AI 团队对可观测性（Observability）的重视。在 Micrometer 集成下，每个模型调用都能被追踪、度量，这是生产环境监控的基础。

除了上面的内容，本次还进行了文档修复，包括下面两点。

MCP 文档错别字修正
修复文档中损坏的 xref 锚点，恢复跨章节导航

另外，在工程优化方面，也做了一些改进。

构建环境升级至 JDK 17.0.19：确保兼容性并纳入最新 Java 17 补丁
Starter 模块结构重组：将 Spring AI Starter 模块迁移到专门的 starters/ 目录，提升可维护性

升级建议

升级建议方面，必须做的迁移工作如下表格所示。

检查项	优先级	说明
替换 `PromptChatMemoryAdvisor`	高	迁移到 `MessageChatMemoryAdvisor` 或 `VectorStoreChatMemoryAdvisor`
显式传入 `conversationId`	高	所有使用 Chat Memory Advisor 的地方都需要修改
检查 Mistral AI 配置	中	确认之前的配置参数现在确实生效了
验证 Milvus 删除功能	中	如果使用了 Milvus，测试删除操作是否正常
测试 Ollama Tool Calling	中	如果使用了 Ollama 的 Function Calling，验证工具调用链路

版本号也同样的需要升级，以 Maven 为例，只需做如下调整。

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.1.6</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

随着 AI 编程的推进，现在漏洞发现的越来越及时和频繁了，本次发布也修复了 3 个 CVE 安全漏洞，这在以前都是少用的。如果你的应用处理敏感数据或暴露在互联网上，官方强烈建议尽快升级。

最后

从 1.0 到 1.1，Spring AI 引入了 Advisors API、MCP 集成、结构化输出等核心能力；从 1.1.0 到 1.1.6，团队持续打磨稳定性、修复生产环境中的边缘情况。

需要注意的是，2.0.0-M6 已经在同步开发中，带来了更多激进的改进（如移除 PromptChatMemoryAdvisor 而非仅弃用、OpenAI 属性类重构、JSpecify 空安全注解等）。对于追求稳定性的团队，1.1.x 仍然是当前的最佳选择；而对于愿意接受 Breaking Change 以换取更现代 API 的团队，可以关注 2.0 的里程碑版本。

Spring AI 的演进节奏正在证明一件事，Java 生态不需要 Python 也能构建一流的 AI 应用。从 ChatClient 的流式 API，到 MCP 的跨语言工具协议，再到 Advisors 的 AOP 式增强模式，它正在将 AI 能力真正“Spring 化”，融入大家熟悉的企业级开发范式中。

参考资料

Spring AI 1.1.6 官方发布公告 https://spring.io/blog/2026/05/08/spring-ai-1-0-7-1-1-6-2-0-0-M6-available-now
GitHub Release v1.1.6 https://github.com/spring-projects/spring-ai/releases/tag/v1.1.6
Spring AI 升级指南 https://docs.spring.io/spring-ai/reference/upgrade-notes.html

业余草公众号

最后，欢迎关注我的个人微信公众号：业余草（yyucao）！可加作者微信号：xttblog2。备注：“1”，添加博主微信拉你进微信群。备注错误不会同意好友申请。再次感谢您的关注！后续有精彩内容会第一时间发给您！原创文章投稿请发送至532009913@qq.com邮箱。商务合作也可添加作者微信进行联系！

本文原文出处：业余草： » Spring AI 一口气发了 3 个版本，143 项更新，对话记忆终于不串号了，还修了 3 个 CVE 漏洞

2026年五月
一	二	三	四	五	六	日
« 4月
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30	31