本文是ai-agent@spring ai开篇，介绍spring ai的组件，以及相互关系，下图是spring ai全景图：
第一层，AI+ ai应用场景 可分为技术维度和行业维度
第二层, ai-agent的核心，左边是核心组件，右边是推理框架，核心组件相当于ai-agent的抽象模型，流行的ai-agent开发框架有着差不多的实现，spring ai也是其中之一
> client/model 两者共同完成大模型的访问，除了实现大模型api调用，还提供拦截器(advisor)，提示词(prompt)，记忆等组件
> 向量数据库
> RAG
> mcp/toolcalling 大模型负责思考，mcp/toolcalling负责执行，关系如同人的大脑和4肢
> mas 多agent系统，包括a2a，处于初期发展阶段，目前mas资料不多，本人认为将来发展类似分布式+微服务，对，就是java非常成熟的那套，想象一下，zookeeper作为分布式协调器，nacos/zookeeper注册和发现中心，agent注册到注册中心，可被其他agent发现和调用，注册的agent(s)通过选主服务，选出主节点，主节点协调不同角色的agent工作，最新nacos 3 支持MCP
> 推理框架 好比武功招式和套路，推理框架的"套路"让大模型更有效思考和集成周边资源，推理框架也在快速发展，几乎每段时间有新框架涌现，框架拥有各自的复杂度和能力，适合不同的应用 ，目前spring ai没有推理框架实现，推理框架可以认为是算法，可自行实现，后续的篇章将实现ReAct，P/S，CoT和ToT示例
第三层 功能组件，这些组件不是ai agent的核心，但是agent作为一个软件系统spring ai为其提供增强的便利的功能，如，可观测，提示词工程，ETL
最底层 大模型，也是agent的大脑，spring ai接入几十个大模型，每个大模型自身也分多个系列，垂直分，可以分为chat模型，图像模型，语音模型，Embedding模型等
！本文基于1.0.0-M8，spring-ai仍在高速发展，相信后续版本变动会很大
后续文章分析各组件，开发示例
