Tanzu平台聊天：Cloud Foundry的AI聊天客户端
概述
Tanzu Platform Chat（cf mcp客户端）是一个Spring聊天机器人应用程序，可以部署到Cloud Foundry并使用平台AI服务。它使用Spring AI构建，可与LLM、向量数据库和模型上下文协议代理配合使用。
先决条件
- Java 21或更高版本
- 例如使用 sdkman sdk install java 21.0.7-oracle
- Maven 3.8+
- 例如使用 sdkman sdk install maven
- 通过GenAI互动程序或其他LLM服务访问Cloud Foundry Foundation
- 开发人员访问您的Cloud Foundry环境
部署到Cloud Foundry
准备申请
- 为应用程序创建一个目录并导航到该目录：
mkdir tanzu-platform-chat
cd tanzu-platform-chat- 从下载最新的JAR文件和manifest.yml 发布页面 进入此目录
- 将应用程序从包含下载文件的目录推送到Cloud Foundry：
cf push认证
应用程序需要身份验证才能访问。有两种身份验证方法可供选择：访问代码和SSO。两者可以同时使用。
访问代码身份验证
默认情况下，应用程序受访问代码保护。用户在登录页面上输入代码以获得访问权限。
如果 APP_AUTH_SECRET 未设置，访问代码默认为 changeme.
覆盖默认访问代码，您有两个选择：
选项1：设置为环境变量
cf set-env ai-tool-chat APP_AUTH_SECRET my-secret-code
cf restart ai-tool-chat选项2：添加到manifest.yml
将环境变量添加到您的 manifest.yml:
env:
JBP_CONFIG_OPEN_JDK_JRE: '{ jre: { version: 21.+ } }'
APP_AUTH_SECRET: ((APP_AUTH_SECRET))然后在推送时提供变量：
cf push --var APP_AUTH_SECRET=my-secret-codeSSO身份验证（可选）
当出现以下情况时，会自动启用单点登录 p-identity 服务绑定到应用程序。登录页面将在访问代码表单旁边显示“使用SSO登录”按钮。
- 创建SSO服务实例：
cf create-service p-identity uaa my-sso- 将服务绑定到您的应用程序：
cf bind-service ai-tool-chat my-sso
cf restart ai-tool-chatSSO提供程序是从Cloud Foundry服务绑定中自动检测到的，不需要额外的配置。
绑定到大型语言模型（LLM）
- 创建一个提供聊天LLM功能的服务实例：
cf create-service genai [plan-name] chat-llm- 将服务绑定到您的应用程序：
cf bind-service ai-tool-chat chat-llm- 重新启动应用程序以应用绑定：
cf restart ai-tool-chat现在，您的聊天机器人将使用LLM来响应聊天请求。
绑定到矢量数据库
- 创建一个提供嵌入LLM功能的服务实例
cf create-service genai [plan-name] embeddings-llm - 创建一个Postgres服务实例用作向量数据库
cf create-service postgres on-demand-postgres-db vector-db- 将服务绑定到您的应用程序
cf bind-service ai-tool-chat embeddings-llm
cf bind-service ai-tool-chat vector-db- 重新启动应用程序以应用绑定：
cf restart ai-tool-chat- 单击屏幕右侧的文档工具，然后上传。PDF 文件
现在，您的聊天机器人将响应有关上传文档的查询
与MCP试剂结合
模型上下文协议（MCP）服务器是轻量级程序，通过标准化接口向AI模型公开特定功能。这些服务器充当LLM和外部工具、数据源或服务之间的桥梁，允许您的AI应用程序执行搜索数据库、访问文件或调用外部API等操作，而无需复杂的自定义集成。
方法1：使用用户提供的服务
SSE协议（服务器发送事件）
- 使用为基于SSE的MCP服务器创建用户提供的服务
mcpSseURL标签：
cf cups mcp-server-sse -p '{"uri":"https://your-sse-mcp-server.example.com"}' -t "mcpSseURL"- 将MCP服务绑定到您的应用程序：
cf bind-service ai-tool-chat mcp-server-sse流式HTTP协议
- 使用以下命令为基于HTTP的流式MCP服务器创建用户提供的服务
mcpStreamableURL标签：
cf cups mcp-server-streamable -p '{"uri":"https://your-streamable-mcp-server.example.com"}' -t "mcpStreamableURL"- 将MCP服务绑定到您的应用程序：
cf bind-service ai-tool-chat mcp-server-streamable方法2：使用服务发布者提供的服务
一个常见的用例 服务发布者互动程序 发布MCP服务器，并在Tanzu平台服务市场上提供。服务绑定将包括API密钥和URI，以允许更安全地提供对MCP服务器的访问。应用程序将向MCP服务器的请求添加API密钥。
已发布的服务将与自己的服务经纪人和计划选择一起出现在市场上。
SSE协议（服务器发送事件）
- 使用以下命令从已发布的服务代理为基于SSE的MCP服务器创建服务
mcpSseURL标签：
cf create-service your-published-service service-plan mcp-server-sse -t "mcpSseURL"- 将MCP服务绑定到您的应用程序：
cf bind-service ai-tool-chat mcp-server-sse流式HTTP协议
- 使用以下命令从已发布的服务代理为基于HTTP的流式MCP服务器创建服务
mcpStreamableURL标签：
cf create-service your-published-service service-plan mcp-server-streamable -t "mcpStreamableURL"- 将MCP服务绑定到您的应用程序：
cf bind-service ai-tool-chat mcp-server-streamable完成设置
- 重新启动应用程序以应用绑定：
cf restart ai-tool-chat您的聊天机器人现在将向MCP代理注册，LLM将能够在响应聊天请求时调用代理的功能。该应用程序同时支持SSE和Streamable HTTP协议。
与A2A试剂结合
Agent2Agent（A2A）是一种实现独立AI代理系统之间通信的协议。与提供LLM可以调用的工具的MCP服务器不同，A2A代理是独立的AI系统，可以处理消息并返回自己的智能响应。可以把MCP想象成给你的聊天机器人工具使用，而A2A让你的聊天机器咨询其他专业的人工智能代理。
主要区别：MCP与A2A
- MCP服务器：提供LLM在生成响应时调用的工具和数据源
- A2A代理：您可以直接向其发送消息并从其接收完整响应的独立AI代理
绑定A2A代理
- 使用为A2A代理创建用户提供的服务
a2a标签：
cf cups a2a-agent -p '{"uri":"https://your-a2a-agent.example.com/.well-known/agent.json"}' -t "a2a"URI应指向代理的代理卡（JSON描述符，位于 /.well-known/agent.json).
- 将A2A服务绑定到您的应用程序：
cf bind-service ai-tool-chat a2a-agent- 重新启动应用程序以应用绑定：
cf restart ai-tool-chat使用A2A代理
结合A2A试剂后：
- 点击 代理 按钮(🤖) 在航海轨道上
- “代理”面板显示所有连接的A2A代理及其：
- 名称、描述和版本 - 健康状况（健康/不健康） - 功能（流媒体、推送通知、状态历史）
- 在任何健康代理上单击“发送消息”
- 在对话框中键入您的消息，然后单击“发送”
- 代理的响应以独特的视觉风格出现在聊天中
代理消息显示如下：
- 机器人图标(🤖) 和代理名称标头
- 三级配色方案（与法学硕士的回答不同）
- 明确的归因，显示哪个代理做出了回应
您可以同时绑定多个A2A代理，每个代理都提供专门的功能。“代理”面板显示每个代理的运行状况，导航按钮显示基于整体代理运行状况的状态指示器（绿色/橙色/红色）。
使用矢量存储进行对话记忆
如果你绑定到一个向量数据库和一个嵌入模型，那么你的聊天记忆将在应用程序重启和扩展过程中持续存在。
- 按照上述说明进行操作 绑定到矢量数据库
免责声明
此存储库是“按原样”提供的非官方项目。它不受任何组织的支持或认可，也不提供任何功能保证或担保。请自行决定使用。