Spring AIで始める生成AIプログラミング
Java×Spring AIで始めるAIプログラミングの入門
-
11
Spring AIの実戦投入で見えてくる課題――複数モデル環境で「コスト最適化」するテクニック
今回は、「マニュアルの先」にある泥臭くもはまりやすい部分について、皆さんが自走するための支援となるようなトピックを解説します。
-
10
クライアントとMCPサーバの統合――検証フローをSpring AIで理解する
前回までは、Spring AIを使ってMCPサーバを構築し、ファイル検索やリソース提供といった機能を実装する方法を解説してきました。今回は、作成したMCPサーバを「実際に使いこなし、システムとして完成させる」ステップへと進みます。
-
9
MCPサーバの機能と実装の肝――仕組みと構築の流れをSpring AIで理解する
前回は、LLMが外部ツールを実行するためのTool Callingと、その実行基盤を独立して構築できるMCPの仕組みを説明しました。今回は、MCPサーバの具体的な機能と、Spring AIを使ってMCPサーバを実装する手順を解説します。
-
8
外部機能との連携とMCPへの展開――Tool Callingの基礎をSpring AIで理解する
今回から、LLM内部だけでは対応できない外部機能を呼び出す手法として、Spring AIのTool CallingとMCPについて解説します。
-
7
RAGの回答精度向上――曖昧な質問を最適な検索クエリに変える、Spring AIのTransformerとExpanderを理解する
今回は、RAG内部の処理に着目し、より柔軟な機能拡張を行う際に、どのコンポーネントに注目し、どうカスタマイズすればよいかを説明していきます。
-
6
RAGを使ってAIの回答精度を向上させる一連の流れを、Spring AIで理解する
前回はベクトルストアの基本的な使い方を説明しました。今回は、RAGを使った質問から回答の流れを説明していきます。
-
5
PDFファイルをRAG用ベクトルストアにETL処理する方法をSpring AIで理解する
今回は、RAGとして使うためのデータソースとしてリレーショナルデータベースを使い、さらに外部データを登録するまでの流れについて解説します。
-
4
生成AIで重要な言語のベクトル化とは――Spring AIでベクトルデータベースに対する類似度検索を実装する
生成AIで重要な言語のベクトル化とは――Spring AIでベクトルデータベースに対する類似度検索を実装する
-
3
生成AIの回答をプログラムで扱う意義――「構造化出力」の使いどころ、Spring AIで実装する方法
前回は、Spring AIでのプロンプトの扱い方や、Spring AI全体のクラス構造について簡単に説明しました。今回は、AIからのレスポンスをプログラムで扱いやすい形式に変換する方法を解説します。
-
2
AIチャットプログラムで、Spring AI開発の基本的な流れをつかもう
今回は、Spring AIの主な特徴であるAIチャットを行う上での基本的な流れと、その理解に必要となる基本的な概念を解説します。
-
1
正式リリースされたSpring AIを導入し、簡単なLLM操作アプリをJavaで作成してみよう
Java×Spring AIで始めるAIプログラミングの入門連載。初回である今回は、Spring AIの概要とOpenAIを使って簡単なプログラムを実行するまでを紹介します。