Modul 1 – Introduktion till Spring AI

• Översikt över Spring AI
• Stöd för olika modeller (OpenAI, Anthropic, m.fl.)
• Skapa ditt första projekt med Spring Boot + Spring AI
• Använda ChatClient för enkla promptar

Modul 2 – Strukturerad utdata

• Hantera modellens svar som strukturerad data
• Omvandla LLM-svar till typade Java-objekt
• Demo & labb: automatisk omvandling av LLM-svar till strukturerad form

Modul 3 – Advisors

• Förstå advisors i Spring AI
• Använd chat memory advisors för kontextuella konversationer
• Använd logging advisors för spårbarhet och observability
• Demo & labb: implementera chat-historik och loggning

Modul 4 – Retrieval-Augmented Generation (RAG)

• Konceptet RAG och hur man kombinerar LLM med egen data
• Använda embeddings och vektorlagring
• Bygga ett RAG-system som läser data från PDF:er och databaser
• Demo & labb: resort-informationsassistent med RAG-sökning

Modul 5 – Tool Calling

• Hur “tools” utökar modellens funktioner
• Skillnaden mellan RAG (informationshämtning) och tools (aktioner)
• Låta modellen själv anropar exponerade metoder
• Bygga en AI-agent som faktiskt kan göra bokningar
• Demo & labb: resort-assistent som integrerar restaurang- och aktivitets-API:er

Modul 6 – Model Context Protocol (MCP)

• Introduktion till MCP och hur det kopplar ihop AI-system
• Skillnaden mellan MCP och traditionell tool calling
• Användning av Spring AI 1.1 med inbyggt stöd för MCP
• Bygga en Resort Assistant MCP-klient som ansluter till MCP-servers
• Demo & labb: kombinera flera AI-aktiverade micro services via MCP

• Förstå grunderna i Spring AI och integration med LLM-modeller
• Skapa strukturerade, kontextuella och tillståndsbevarande AI-interaktioner
• Integrera extern data via RAG med dokument och databaser
• Exponera och konsumera tools för att skapa AI-funktioner som kan utföra actions
• Implementera Model Context Protocol (MCP) för AI-kommunikation mellan tjänster
• Kombinera Spring Boot och Spring AI för att bygga intelligenta, modulära system

• Spring Boot 3
• Spring AI 1.0 and 1.1 (Milestone)
• OpenAI / Anthropic-modeller
• Vektorlagring & embeddings
• MCP (Model Context Protocol)
• H2 / REST / JSON

Denna workshop kombinerar utveckling av enterprise-system med modern AI-utveckling. Du lämnar kursen med färdiga projekt, praktisk erfarenhet och kunskap för att utöka dina egna Spring Boot-applikationer med AI-funktioner genom att använda välbekanta Spring-principer tillsammans med de nya möjligheterna i Spring AI.

När kursen är klar kommer du att ha:
• 6 fullt fungerande AI-demoprojekt
• 6 labblösningar med tillhörande övningar
• Praktiska kodmönster för AI-integration
• En stabil grund för att bygga ditt eget ekosystem av AI-tjänster