AI code helper MCP

AI Code Helper

一个基于 Spring Boot 和 LangChain4j 的智能编程助手应用，专注于联网搜索和敏感词检测功能的实践项目。

项目简介

AI Code Helper 是一个用于学习和实践 AI 应用开发的项目，主要演示如何集成联网搜索功能和实现敏感词检测机制。该项目集成了阿里云通义千问大语言模型，通过 LangChain4j 框架提供智能对话服务。

核心功能

🔍 联网搜索功能

• 实时信息获取：集成联网搜索能力，获取最新信息
• 搜索结果整合：将搜索到的信息与 AI 回答相结合
• 来源标注：明确标注信息来源，确保信息可靠性

🛡️ 敏感词检测功能

• 实时输入检测：在用户输入时实时检测敏感词汇
• 安全防护机制：阻止包含敏感词的不当内容
• 可配置词库：支持自定义敏感词列表
• 大小写不敏感：确保检测的全面性

💬 智能对话

• 编程学习指导：提供编程学习和求职面试相关建议
• 系统提示词：通过外部文件配置 AI 行为
• 安全对话：在安全检测通过后提供智能回复

技术栈

• Java 21：使用最新的 Java LTS 版本
• Spring Boot 3.5.6：现代化的 Java 企业级框架
• LangChain4j 1.1.0：Java 版本的 LangChain 框架，支持联网搜索
• 通义千问 (Qwen)：阿里云大语言模型
• MCP (Model Context Protocol)：支持联网搜索的协议
• Maven：项目构建和依赖管理
• Lombok：简化 Java 代码编写

项目结构

src/
├── main/
│   ├── java/com/atguigu/aicodehelper/
│   │   ├── ai/                          # AI 相关服务
│   │   │   ├── AiCodeHelper.java        # 核心 AI 服务实现
│   │   │   ├── AiCodeHelperService.java # AI 服务接口（支持联网搜索）
│   │   │   └── AiCodeHelperServiceFactory.java
│   │   ├── guardrail/                   # 敏感词检测模块
│   │   │   └── SafeInputGuardrail.java # 输入安全检查实现
│   │   ├── mcp/                         # 联网搜索配置
│   │   │   └── McpConfig.java          # MCP 协议配置
│   │   └── AiCodeHelperApplication.java # 应用启动类
│   └── resources/
│       ├── application.yml              # 应用配置
│       ├── application-local.yml        # 本地环境配置（包含 API Key）
│       ├── system-prompt.txt           # 系统提示词（支持联网搜索说明）
│       ├── static/                     # 静态资源
│       └── templates/                  # 模板文件
└── test/                               # 测试代码
    ├── AiCodeHelperApplicationTests.java
    └── AiCodeHelperServiceTests.java

快速开始

环境要求

• Java 21 或更高版本
• Maven 3.6 或更高版本
• 阿里云通义千问 API Key

安装步骤

1. 克隆项目

   git clone 
   cd ai-code-helper

1. 配置 API Key

编辑 src/main/resources/application-local.yml 文件，将 api-key 替换为你的通义千问 API Key：

   langchain4j:
     community:
       dashscope:
         chat-model:
           model-name: qwen-max
           api-key: your-api-key-here

1. 运行应用

   # 使用 Maven 运行
   ./mvnw spring-boot:run

   # 或者先编译再运行
   ./mvnw clean package
   java -jar target/ai-code-helper-0.0.1-SNAPSHOT.jar

1. 访问应用

应用启动后，默认运行在 http://localhost:8080

配置说明

应用配置

• 应用名称：ai-code-helper
• 默认环境：local
• AI 模型：qwen-max（通义千问最大模型）

安全配置

项目内置了输入安全检查机制，会过滤包含敏感词的输入：

• 检测词汇：kill, evil
• 检测方式：不区分大小写的单词匹配

核心功能实现

🔍 联网搜索功能

项目通过 LangChain4j 的 MCP (Model Context Protocol) 支持联网搜索：

// MCP 配置类
@Configuration
public class McpConfig {
    // 配置联网搜索相关设置
}

系统提示词中明确要求 AI 在需要时进行联网搜索：

5. 如果是联网搜索的内容请指明出处,并明确告诉用户是联网搜索的结果

🛡️ 敏感词检测功能

实现了 InputGuardrail 接口的安全检查机制：

public class SafeInputGuardrail implements InputGuardrail {

    // 敏感词词库
    private static final Set sensitiveWords = Set.of("kill", "evil");

    @Override
    public InputGuardrailResult validate(UserMessage userMessage) {
        String inputText = userMessage.singleText().toLowerCase();
        String[] words = inputText.split("\\W+");

        for (String word : words) {
            if (sensitiveWords.contains(word)) {
                return fatal("Sensitive word detected: " + word);
            }
        }
        return success();
    }
}

💬 AI 服务接口

@InputGuardrails({SafeInputGuardrail.class})
public interface AiCodeHelperService {

    @SystemMessage(fromResource = "system-prompt.txt")
    String chat(String message);
}

🔧 核心服务实现

@Service
public class AiCodeHelper {

    @Resource
    private ChatModel qwenChatModel;

    // 基础对话方法（会经过敏感词检测）
    public String chat(String message);

    // 直接对话方法（绕过检测）
    public String chatWithMessage(UserMessage userMessage);
}

开发指南

🔧 敏感词检测开发

添加新的敏感词

在 SafeInputGuardrail.java 中修改 sensitiveWords 集合：

private static final Set sensitiveWords = Set.of("kill", "evil", "newSensitiveWord");

自定义检测逻辑

可以扩展检测逻辑，比如：

• 添加正则表达式检测
• 集成外部敏感词库
• 添加上下文相关的检测

@Override
public InputGuardrailResult validate(UserMessage userMessage) {
    String inputText = userMessage.singleText().toLowerCase();

    // 基础敏感词检测
    if (containsSensitiveWords(inputText)) {
        return fatal("Sensitive content detected");
    }

    // 可以添加更多检测逻辑
    // 如：长度检测、特殊字符检测等

    return success();
}

🌐 联网搜索开发

配置 MCP 搜索

在 McpConfig.java 中配置搜索相关设置：

@Configuration
public class McpConfig {

    @Bean
    public McpClient mcpClient() {
        // 配置 MCP 客户端
        return McpClient.builder()
            .searchEnabled(true)
            .build();
    }
}

自定义系统提示词

编辑 src/main/resources/system-prompt.txt 文件来修改 AI 助手的联网搜索行为：

你是编程领域的小助手，帮助用户解答编程学习和求职面试相关的问题，并给出建议。重点关注 4 个方向：
1. 规划清晰的编程学习路线
2. 提供项目学习建议
3. 给出程序员求职全流程指南（比如简历优化、投递技巧）
4. 分享高频面试题和面试技巧
5. 如果是联网搜索的内容请指明出处,并明确告诉用户是联网搜索的结果
请用简洁易懂的语言回答，助力用户高效学习与求职。

🚀 添加新的 AI 服务

1. 在 ai 包下创建新的服务类
2. 使用 @Service 注解标记
3. 注入 ChatModel 进行 AI 对话
4. 可选择性地添加 @InputGuardrails 注解

测试

运行测试：

# 运行所有测试
./mvnw test

# 运行特定测试类
./mvnw test -Dtest=AiCodeHelperServiceTests

构建和部署

构建应用

# 清理并构建
./mvnw clean package

# 跳过测试构建
./mvnw clean package -DskipTests

Docker 部署（可选）

FROM openjdk:21-jdk-slim
COPY target/ai-code-helper-0.0.1-SNAPSHOT.jar app.jar
EXPOSE 8080
ENTRYPOINT ["java", "-jar", "/app.jar"]

贡献指南

1. Fork 项目
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

学习重点

🎯 项目学习目标

这个项目主要用来学习和实践以下两个核心功能：

1. 联网搜索功能

- 学习如何集成 MCP (Model Context Protocol) - 理解 LangChain4j 的联网搜索机制 - 实践 AI 与实时信息的结合

1. 敏感词检测功能

- 学习实现 InputGuardrail 接口 - 理解输入验证和内容安全机制 - 实践文本处理和过滤逻辑

📚 技术学习点

• LangChain4j 框架：学习 Java 版本的 LangChain 使用
• Spring Boot 集成：学习如何将 AI 服务集成到 Spring 应用中
• 安全编程：学习输入验证和安全防护的最佳实践
• MCP 协议：学习模型上下文协议的使用

更新日志

v0.0.1-SNAPSHOT

• 初始版本发布
• 集成通义千问大语言模型
• 实现联网搜索功能（通过 MCP 协议）
• 实现敏感词检测功能（通过 InputGuardrail）
• 支持编程学习和求职指导
• 添加系统提示词配置

注意：使用前请确保已获得有效的通义千问 API Key，并妥善保管您的 API 密钥。