SpringBoot 整合 LangChain4j 与 Tavily 实现联网搜索

注意引入对应的 Maven 依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-web-search-engine-tavily</artifactId>
    <version>1.0.0-beta3</version>
</dependency>

构建检索器

网络搜索引擎既可以在 RAG 管道中作为 ContentRetriever 使用，也可以直接作为 @Tool 调用。LangChain4j 提供了 WebSearchEngine 接口来处理联网搜索需求。

新建配置类 WebSearchConfig，利用 @Value 注解注入配置文件中的密钥和参数：

@Configuration
public class WebSearchConfig {
    @Value("${langchain4j.web-search-engine.tavily.api-key}")
    private String tavilyApiKey;

    @Value("${langchain4j.web-search-engine.tavily.max-results:3}")
    private Integer maxResults;

    @Bean
    public WebSearchEngine webSearchEngine() {
        return TavilyWebSearchEngine.builder()
                .apiKey(tavilyApiKey)
                .build();
    }

    @Bean
    public ContentRetriever webContentRetriever(WebSearchEngine webSearchEngine) {
        return WebSearchContentRetriever.builder()
                .webSearchEngine(webSearchEngine)
                .maxResults(maxResults)
                .build();
    }
}

这段代码的核心作用是集中管理 Tavily 搜索引擎的配置，统一 API 密钥等参数。ContentRetriever 负责从数据源（如网络、向量库）中根据查询语义精准召回相关内容片段，为大模型提供上下文支持。

创建 Agent 接口

接下来创建一个专门用于网络检索的 Agent 接口，命名为 WebSearchAgent。借助 @AiService 注解配置好我们的联网搜索 ContentRetriever，名称需要与 Bean 定义保持一致。

@AiService(
    wiringMode = EXPLICIT,
    chatModel = "openAiChatModel",
    streamingChatModel = "openAiStreamingChatModel",
    chatMemory = "chatMemory",
    chatMemoryProvider = "chatMemoryProvider",
    contentRetriever = "webContentRetriever"
)
public interface WebSearchAgent {
    @SystemMessage("根据检索结果回答")
    String chat(@UserMessage String message);
}

在 Controller 中调用该接口即可：

@PostMapping("/search")
public String webSearch(@RequestBody String userMessage) {
    return webSearchAgent.chat(userMessage);
}

完成上述步骤后，系统会自动通过 Tavily 检索网络信息，并将结果传递给大模型进行综合回答。实际运行时会看到日志输出检索过程及最终生成的内容。