本文對比了Java生態中兩大AI框架LangChain4j和Solon AI的差異。功能方面，二者都支持LLM、RAG和MCP接口，但LangChain4j功能更豐富，尤其是RAG適配更全面。使用體驗上，Solon AI明顯更簡潔，如流式對話僅需單行代碼，而LangChain4j需要多步配置。此外，LangChain4j文檔不全、學習曲線陡峭。建議簡單場景選Solon AI以快速開發，復雜定制需求則選擇更靈活的LangChain4j，但需接受其復雜性和高學習成本。兩者也可配合使用。

LangChain4j 和 Solon AI 是 Java 生態中實現大模型應用開發的重要框架，但二者的區別是啥？生產級別又該使用哪種框架？令很多人犯了難，所以本文就來淺聊一下，希望給大家在技術選型時有一個簡單的參考。

一、功能對比

LangChain4j 和 Solon AI 的功能是比較類似的，甚至兩者可以配合使用，例如使用 Solon AI 實現 MCP 服務器端，再使用 LangChain4j 實現 MCP 客戶端調用 Solon AI，二者可以無縫對接。而且，都可以嵌入到任何第三方框架中使用。那二者的區別是啥呢？

接口或體驗	LangChain4j	Solon AI
LLM 接口	有	有
LLM 體驗	復雜	簡單
RAG 接口	有	有
RAG 體驗	復雜	簡單
MCP 接口	有	有
MCP 體驗	復雜	簡單

總體來說，LangChain4j 提供的功能更多，尤其是 RAG 方面，提供了更豐富的適配。

二、使用和學習成本

LangChain4j 的使用和學習成本比 Solon AI 高很多，舉個例子，例如 Solon AI 要實現流式對話，只需要一行代碼就搞定了：

@Produces("text/event-stream")
@Mapping("/streamChat")
public Flux<String> streamChat(String msg) {
    return Flux.from(chatModel.stream(msg).map(resp -> resp.getContent()));
}

而 LangChain4j 實現步驟如下：

• 添加 langchain4j-reactor 依賴。
• 設置配置文件，配置 streaming-chat-model api-key 和 model-name。
• 創建 AI Service 并返回 Flux 對象。
• 調用 Ai Service 才能實現流式輸出。

類似的場景還有很多，例如 Solon AI 實現 MCP Client 只需要添加依賴，然后：

• 一行就構建 mcp 客戶端
• 一行 defaultToolsAdd 或 toolsAdd 設置就可以實現了與 llm 的整合

如下代碼：

McpClientProvider mcpTools = McpClientProvider.builder()
                .channel(McpChannel.STREAMABLE)
                .apiUrl("http://localhost:8080/mcp")
                .build();
                
ChatModel chatModel = ChatModel.of("http://127.0.0.1:11434/api/chat") //使用完整地址（而不是 api_base）
            .provider("ollama")
            .model("llama3.2")
            .defaultToolsAdd(mcpTools) 
            .build();

但 LangChain4j 的實現就非常復雜了，除了添加依賴之后，你還需要：

• 創建傳輸協議 McpTransport。
• 創建 MCP 客戶端 McpClient。
• 創建 Tools（提供者）對象 ToolProvider。
• 構建 AiService。
• 執行 MCP Server 調用。

具體實現代碼如下：

@Mapping("/chat")
public String chat(String question) {
    // 1.創建傳輸協議
    McpTransport transport = new HttpMcpTransport.Builder()
            .sseUrl("http://localhost:8686/sse")
            .logRequests(true) // if you want to see the traffic in the log
            .logResponses(true)
            .build();
    // 2.創建 MCP 客戶端
    McpClient mcpClient = new DefaultMcpClient.Builder()
            .transport(transport)
            .build();
    // 3.創建 Tools（提供者）對象
    ToolProvider toolProvider = McpToolProvider.builder()
            .mcpClients(List.of(mcpClient))
            .build();
    // 4.構建 AiService
    ToolsAiService aiService = AiServices.builder(ToolsAiService.class)
            .chatLanguageModel(chatModel)
            .toolProvider(toolProvider)
            .build();
    // 5.調用 MCP Server
    return aiService.chat(question);
}

除了 LangChain4j 的使用復雜之外，源代碼量很大，LangChain4j 的文檔也不全，要么是沒有關鍵實現代碼案例、要么是干脆文檔寫的都是錯的，LangChain4j 的坑比較多，最后只能通過看最新的源碼才能解決和使用相關功能，所以 LangChain4j 學習和使用成本是非常高的。

三、小結

如果是簡單功能、開發周期又緊可以使用 Solon AI；如果功能復雜，且定制型要求比較多，可以使用功能和靈活度更高的 LangChain4j。但使用 LangChain4j 這就意味著你需要忍受 LangChain4j 不夠簡潔的寫法，以及學習和使用成本比較高的問題。