Spring AI 接入 Agent Skill 实战指南

实测，Spring boot 3.5.10、jdk17、Spring AI 1.1.2 也可以跑通 demo，不过不知道有没有更多的坑

YML 配置

server:
  port: 8080
spring:
  application:
    name: pocketmind-server
  ai:
    chat:
      client:
        observations:
          log-prompt: true
          log-completion: true
        openai:
          api-key: xxxx # 替换为你的 API Key
          base-url: xxxx # 替换为你的 Base URL 不需要 /v1
        chat:
          options:
            model: deepseek-chat # 替换为你使用的模型名称

示例 demo 采用 openai 兼容的 api，如需兼容 anthropic，那么根据对应文档进行切换即可

示例代码

SKILL.md

在根目录下添加对应的 skill，skill 的格式应该如下：

my-skill/
 ├── SKILL.md # Required: instructions + metadata
 ├── scripts/ # Optional: executable code
 ├── references/ # Optional: documentation
 └── assets/ # Optional: templates, resources

在 SKILL.md 中格式应该如下，至少应该包含元信息和详细的说明文档：

---
name: code-reviewer
description: Reviews Java code for best practices, security issues, and Spring Framework conventions. Use when user asks to review, analyze, or audit code
---
# Code Reviewer
## Instructions
When reviewing code:
1. Check **for** security vulnerabilities (SQL injection, XSS, etc.)
2. Verify Spring Boot best practices (proper use of @Service, @Repository, etc.)
3. Look **for** potential null pointer exceptions
4. Suggest improvements **for** readability and maintainability
5. Provide specific line-by-line feedback with code examples

Controller

import org.springaicommunity.agent.tools.FileSystemTools;
import org.springaicommunity.agent.tools.ShellTools;
import org.springaicommunity.agent.tools.SkillsTool;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;
import java.util.Map;

@RestController
@RequestMapping("/demo")
public class SkillController {
    private final ChatClient chatClient;

    public SkillController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder
                .defaultToolCallbacks(SkillsTool.builder()
                        .addSkillsDirectory(".claude/skills") //也可以使用下面这个
                        //.addSkillsResource(resourceLoader.getResource("classpath:.claude/skills"))
                        .build())
                .defaultTools(FileSystemTools.builder().build())
                .defaultTools(ShellTools.builder().build())
                .defaultToolContext(Map.of("foo","bar"))
                .build();
    }

    /**
     * 测试 skill 流程
     * @param message 用户的输入
     * @return
     */
    @PostMapping("/skill")
    public String chat(@RequestBody String message) {
        return chatClient.prompt().user(message).call().content();
    }
}

此时运行程序，访问对应的端口即可查看返回内容。

代码解释

1. 先声明一个 ChatClient，并且通过 DI 进行注入。
2. 通过 chatClientBuilder 进行 builder 策略构建：
   • .defaultToolCallbacks(...)：给 ChatClient 一个'已经组装好'的工具包（包含代码逻辑 + JSON Schema 描述），此处即为注册 skill 功能。
   • .defaultTools()：注册对应的系统工具名称，用于动态发现 skill 来进行使用。
   • .defaultToolContext(Map.of("foo", "bar"))：添加工具上下文，防止报错。此步骤是为了避免框架报错，需要添加一个 map 传入作为 ToolContext，否则无法正常 build，为框架缺陷。
3. 通过链条进行构建 LLM 的 request：
   • .user(message)：加载用户提示词。
   • .call()：由框架内部发其请求。
   • .content()：获取大模型返回的内容。

源码分析

0. 设置目录

public class SkillsTool {
    // ...
    public static class Builder {
        private List<Skill> skills = new ArrayList<>();
        private String toolDescriptionTemplate = TOOL_DESCRIPTION_TEMPLATE;

        protected Builder() {}

        public Builder toolDescriptionTemplate(String template) {
            this.toolDescriptionTemplate = template;
            return this;
        }

        public Builder addSkillsResources(List<Resource> skillsRootPaths) {
            for (Resource skillsRootPath : skillsRootPaths) {
                this.addSkillsResource(skillsRootPath);
            }
            return this;
        }

        public Builder addSkillsResource(Resource skillsRootPath) {
            try {
                String path = skillsRootPath.getFile().toPath().toAbsolutePath().toString();
                this.addSkillsDirectory(path);
            } catch (IOException ex) {
                throw new RuntimeException("Failed to load skills from directory: " + skillsRootPath, ex);
            }
            return this;
        }

        public Builder addSkillsDirectory(String skillsRootDirectory) {
            this.addSkillsDirectories(List.of(skillsRootDirectory));
            return this;
        }

        public Builder addSkillsDirectories(List<String> skillsRootDirectories) {
            for (String skillsRootDirectory : skillsRootDirectories) {
                try {
                    this.skills.addAll(skills(skillsRootDirectory));
                } catch (IOException ex) {
                    throw new RuntimeException("Failed to load skills from directory: " + skillsRootDirectory, ex);
                }
            }
            return this;
        }
        // ...
    }
    // ...
}

• addSkillsResource、addSkillsDirectory 添加 skill 的路径，支持多个。
• toolDescriptionTemplate：添加 skill 描述说明。

1. 加载 skill 元数据

这是加载器的入口。它会去你指定的文件夹里找 SKILL.md 文件。

private static List<Skill> skills(String rootDirectory) throws IOException {
    Path rootPath = Paths.get(rootDirectory);
    if (!Files.exists(rootPath)) {
        throw new IOException("Root directory does not exist: " + rootDirectory);
    }
    if (!Files.isDirectory(rootPath)) {
        throw new IOException("Path is not a directory: " + rootDirectory);
    }
    List<Skill> skillFiles = new ArrayList<>();
    try (Stream<Path> paths = Files.walk(rootPath)) {
        paths.filter(Files::isRegularFile)
             .filter(path -> path.getFileName().toString().equals("SKILL.md"))
             .forEach(path -> {
                 try {
                     String markdown = Files.readString(path, StandardCharsets.UTF_8);
                     MarkdownParser parser = new MarkdownParser(markdown);
                     skillFiles.add(new Skill(path, parser.getFrontMatter(), parser.getContent()));
                 } catch (IOException e) {
                     throw new RuntimeException("Failed to read SKILL.md file: " + path, e);
                 }
             });
    }
    return skillFiles;
}

• FrontMatter (YAML 头)：包含技能的名字（如 name: pdf）和描述。这部分会被提取出来，告诉 AI'我有这个技能'。
• Content (正文)：这是具体的 Prompt 指令（比如'处理 PDF 的步骤是：1. 转换文本… 2. 提取摘要…'）。

2. 添加 skill 技能

public ToolCallback build() {
    Assert.notEmpty(this.skills, "At least one skill must be configured");
    String skillsXml = this.skills.stream().map(s -> s.toXml()).collect(Collectors.joining("\n"));
    return FunctionToolCallback.builder("Skill", new SkillsFunction(toSkillsMap(this.skills)))
            .description(this.toolDescriptionTemplate.formatted(skillsXml))
            .inputType(SkillsInput.class)
            .build();
}

• 此步骤会把扫描到的技能列表编织进工具的描述里。
• 当 AI 看到这个工具时，它的 Prompt 里会出现你定义过的 skill 列表，例如：
  • <skill><name>pdf</name><description>Extract text from PDF</description></skill>
  • <skill><name>git</name><description>Git version control</description></skill>

3. 调用 skill

当 AI 决定调用 Skill("pdf") 时，实际上触发了这段逻辑：

public static class SkillsFunction implements Function<SkillsInput, String> {
    private Map<String, Skill> skillsMap;

    public SkillsFunction(Map<String, Skill> skillsMap) {
        this.skillsMap = skillsMap;
    }

    @Override
    public String apply(SkillsInput input) {
        Skill skill = this.skillsMap.get(input.command());
        if (skill != null) {
            var skillBaseDirectory = skill.path().getParent().toString();
            return "Base directory for this skill: %s\n\n%s".formatted(skillBaseDirectory, skill.content());
        }
        return "Skill not found: " + input.command();
    }
}

• 此时返回的是'路径'和'正文内容'，于是 AI 读到返回的文字后，会发现这是一份'Code Review 的操作指南'。

至此 skill 的机制已经完整实现了，ai 只需要根据返回的 Skill.md 就可以调用对应的说明或者 reference/scripts 下面的技能。