AIaaS(AI 即服务):SaaS的未来,如何实现AI及服务

引言

在当今数字化转型的浪潮中，软件即服务（SaaS）曾凭借其低成本、快速部署和灵活订阅模式成为企业效率革命的代名词。然而，随着AI技术的爆发式发展，SaaS的固有弊端逐渐暴露，同时AI的深度渗透正重塑行业底层逻辑，推动企业服务迈向智能化新纪元。

SaaS的局限性：效率与安全的双重困境

传统SaaS模式的核心问题在于其“工具性”定位的局限性。首先，系统割裂与集成难题成为企业数智化的主要障碍。大多数SaaS应用仍以独立功能模块的形式存在，例如CRM、ERP、TMS等系统间的数据孤岛导致跨部门协作效率低下，企业需投入大量资源开发API接口或定制中间件。其次，订阅模式下的隐性成本逐渐显现。尽管SaaS初期部署成本低，但长期订阅费用叠加定制化需求的开支，可能超过传统软件许可模式的总成本。更严峻的是，安全与治理漏洞在AI时代被放大。据研究显示，80%的企业SaaS登录游离于IT监管之外，员工使用个人账户或非标准化身份访问AI工具（如DeepSeek），导致敏感数据泄露风险激增。此外，SaaS的“流程自动化”特性难以满足企业对动态决策的需求，例如物流调度需人工在TMS和WMS间切换，无法实时响应突发变量。

AI驱动的范式迁移：从工具到智能体

AI技术正以三种核心方式颠覆SaaS生态：

1. 业务逻辑的重构：微软CEO纳德拉提出的“AI层替代传统业务逻辑”正在成为现实。例如，物流管理者只需向AI Agent下达自然语言指令，即可跨系统协调运输计划、仓库调度和承运商通知，传统软件界面退化为后台数据组件。
2. 交互范式的革新：生成式AI将用户从复杂操作中解放。Salesforce的Einstein AI可自动生成销售策略，而视频平台Synthesia通过数字人技术将PPT制作效率提升20倍，用户无需学习专业工具即可完成高质量内容产出。
3. 商业模式的蜕变：AI推动定价模式从“席位订阅”转向“成果付费”。例如，迈富时的AI Agent通过减少客服工单量收费，而部分企业开始采用“ARR per engineer”（工程师人均产出）衡量效能，10人团队创造2000万美元收入的案例验证了超线性增长的可能性。

SaaS->AIaaS，业务层将交给AI去做决断

尽管Salesforce等巨头强调“AI是SaaS的进化而非颠覆”，但AI已实质改变了竞争规则。传统SaaS厂商若固守封闭架构，可能沦为AI生态中的数据管道；而积极拥抱“AI原生”理念的企业，如销售易与腾讯合作构建CRM智能体，正通过深度融合产业Know-how与AI代理能力，重新定义企业服务的价值边界。这场变革不仅关乎技术升级，更是一场从“功能交付”到“价值共创”的认知革命——当AI成为新的交互界面，企业服务的未来将属于那些以数据为核、以智能为脉的先行者。

一个AI对话界面或者一个语音输入按钮及可完成业务功能

▼
mermaid
复制代码
graph TD
    A[自然语言输入] --> B(ChatClient)
    B --> C{语义解析}
    C -->|识别工具调用| D[MCP协议]
    C -->|需知识增强| E[RAG引擎]
    D --> F[工具函数执行]
    F --> G[业务系统]
    G --> H[结构化数据]
    E --> I[知识库检索]
    H & I --> J[结果合成]
    J --> K[自然语言输出]

用户无需去研究API文档，直接发送语音或则输入文本，例如：“帮我在数据库中找到氦闪的项目内容”这种直观的操作方式大大降低了用户的学习成本，也削减了系统使用的培养时间，让企业应用更加简单。

MCP协议是什么，和RAG技术的区别是什么？

• RAG技术 聚焦于增强生成内容的质量和准确性，通过将检索（Retrieval）与生成（Generation）结合，动态从外部知识库中检索相关信息，并基于这些信息生成更符合上下文的回答。例如，在回答专业问题时，RAG会实时检索权威资料以提升答案的可信度19。
  • 核心目标：知识增强，解决模型因训练数据局限性导致的“幻觉”问题。
  • 典型应用：问答系统、内容创作辅助、专业领域咨询等。
• MCP协议 旨在标准化AI模型与外部工具及数据的交互方式，解决传统集成中“MxN”的复杂性（即M个模型与N个工具需单独适配的问题）。例如，通过MCP协议，AI模型可无缝调用Google日历、GitHub等工具，无需为每个工具编写定制化代码35。
  • 核心目标：连接与集成，构建开放的AI工具生态。
  • 典型应用：智能体开发、跨系统自动化操作（如自动预订机票并发送邮件）。

维度	RAG技术	MCP协议
核心功能	知识检索与内容生成	工具连接与交互标准化
技术焦点	检索算法与生成模型优化	通信协议与生态构建
应用层级	内容生成层	系统集成层
互补性	依赖MCP获取动态数据源	为RAG提供高效、安全的工具接入能力

我们假设开发了一个天气服务，用户想要查询深圳的天气，这里分别以传统API方式和MCP方式进行对比：

实现对原有业务改造

1、环境选择

这里以以SpringBoot开发的应用演示，由于SpringAI要求SringBoot版本必须是3.2.x或者3.3.x，并且SringBoot 3.2.x 以上的版本要求JDK版本是17，所以我们要使用SpringAI，SpringBoot版本和JDK版本都应该满足需求。

2、导入依赖

以下是我使用的依赖，我用OpenAI的通用连接模型，请求硅基流动上的Qwen 32B 模型；目前SpringAI官方的版本已经更新到1.0.0-M6，但是在国内镜像拉取可能会出错，建议设置仓库如下：

▼
xml
复制代码
        
        <properties>
                <spring-ai.version>1.0.0-M6</spring-ai.version>
        </properties>

        <dependencyManagement>
            <dependencies>
                <dependency>
                    <groupId>org.springframework.ai</groupId>
                    <artifactId>spring-ai-bom</artifactId>
                    <version>${spring-ai.version}</version>
                    <type>pom</type>
                    <scope>import</scope>
                </dependency>
            </dependencies>
        </dependencyManagement>
        
        
        <!-- Spring AI 核心依赖 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-core</artifactId>
        </dependency>

        <!-- Anthropic 模型支持 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>

        <!-- MCP 服务器支持 - WebMVC版本 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
        </dependency>


		<repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
        <repository>
            <name>Central Portal Snapshots</name>
            <id>central-portal-snapshots</id>
            <url>https://central.sonatype.com/repository/maven-snapshots/</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>
    </repositories>

导入过程中可能出现以下错误：

▼
shell
复制代码
Non-resolvable import POM: Failure to find org.springframework.ai:spring-ai-bom:pom:1.0.0-M2 in https://maven.aliyun.com/repository/public was cached in the local repository, resolution will not be reattempted until the update interval of alimaven has elapsed or updates are forced

该错误的原因大概率是因为你的maven镜像地址配置的阿里云仓库地址，然后目前阿里云仓库还没有SpringAI的坐标，所以会找不到SpringAI的依赖。

3、代码

这里基于有来开源的框架直接搭建一个后台服务

• 配置文件

▼
yaml
复制代码
  Spring:
      ai:
        openai:
          base-url: https://api.siliconflow.cn/
          api-key: you-api-key
          chat:
            options:
              model: Qwen/Qwen2.5-14B-Instruct

• 实现一个自己的Model;

▼
java
复制代码
package com.youlai.boot.system.model.entity;

import com.google.gson.JsonArray;
import com.google.gson.JsonObject;
import lombok.Getter;
import lombok.Setter;
import java.time.LocalDateTime;
import java.util.ArrayList;

import com.baomidou.mybatisplus.annotation.TableName;
import com.youlai.boot.common.base.BaseEntity;

/**
 * 项目实践实体对象
 *
 * @author hypersense
 * @since 2025-03-14 22:49
 */
@Getter
@Setter
@TableName("blog_project")
public class Project extends BaseEntity {

    private static final long serialVersionUID = 1L;

    /**
     * 项目名称
     */
    private String name;
    /**
     * 技术栈
     */
    private String techs;
    /**
     * 项目简介
     */
    private String description;
    /**
     * 项目地址
     */
    private String repo;
    /**
     * 项目内容
     */
    private String content;
    /**
     * 项目时间
     */
    private String date;
    /**
     * 创建人 ID
     */
    private Long createBy;

    /**
     * 更新人 ID
     */
    private Long updateBy;

    /**
     * 是否删除(0-否 1-是)
     */
    private Integer isDeleted;
}

• 提供服务类极其实现

▼
java
复制代码
package com.youlai.boot.ai.server.service;

import com.youlai.boot.system.model.entity.Project;

import java.util.List;

public interface ProjectMCPSerivce {

    /**
     * 根据名字模糊查询项目
     * @param name
     * @return
     */
    List<Project> getProjectsByName(String name);
}

▼
JAVA
复制代码
package com.youlai.boot.ai.server.service.impl;

import com.youlai.boot.ai.server.service.ArchivesMCPService;
import com.youlai.boot.system.model.entity.Archives;
import com.youlai.boot.system.service.ArchivesService;
import lombok.RequiredArgsConstructor;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;
import java.util.List;

@Service
@RequiredArgsConstructor
public class ArchivesMCPServiceImpl implements ArchivesMCPService {

    private final ArchivesService archivesService;


    @Override
    @Tool(name = "findArchivesByType", description = "根据类型找到文章")
    public List<Archives> findArchivesByType(String type) {
        return archivesService.getArchivesByType(type);
    }
}

• 提供函数调用返回查询内容

▼
Java
复制代码
package com.youlai.boot.ai.server.service;



import com.youlai.boot.system.model.entity.Project;
import jakarta.annotation.Resource;
import org.springframework.context.annotation.Bean;

import java.util.List;
import java.util.function.Function;

/**
 * 项目查询服务，将查询方法作为函数Bean导出
 */
public class ProjectQueryService {

    @Resource
    ProjectMCPSerivce projectMcpService;

    /**
     * 根据项目名称查询项目明细的函数Bean
     */
    @Bean
    public Function<String, List<Project>> getProjectsByName() {
        return name -> projectMcpService.getProjectsByName(name);
    }

}

• Server端配置文件

▼
java
复制代码
package com.youlai.boot.ai.server.config;

import com.youlai.boot.ai.server.service.ArchivesMCPService;
import com.youlai.boot.ai.server.service.ProjectMCPSerivce;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * MCP服务配置类,负责注册MCP工具
 */
@Configuration
public class McpSeverConfig {

    /**
     * 注册工具回调提供者，ProjectMCPSerivce 中的@Tool方法暴露为MCP工具
     * @param projectMCPSerivce
     * @return
     */
    @Bean
   public ToolCallbackProvider achivesToolCallbackProvider(ProjectMCPSerivce projectMCPSerivce){
       return MethodToolCallbackProvider.builder()
               .toolObjects(projectMCPSerivce)
               .build();
   }

}

• Client端配置

▼
Java
复制代码
package com.youlai.boot.ai.client.config;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ChatBotClientConfig {

    @Autowired
    private ToolCallbackProvider toolCallbackProvider;

    /**
     * 配置ChatClient，注册系统指令和工具函数
     */
    @Bean
    public ChatClient chatClient(ChatClient.Builder builder) {
        return builder
                .defaultSystem("你是一个项目管理助手，可以帮助用户查询项目信息。" +
                        "你可以根据项目名称查询文章。" +
                        "回复时，请使用简洁友好的语言，并将文章信息整理为易读的格式。")
                // 注册工具方法
                .defaultTools(toolCallbackProvider)
                .build();
    }
}

• 写一个控制器测试一下

  • 1、定义一个请求和返回结构

  ▼
  java
  复制代码
  package com.youlai.boot.ai.model;
  
  import lombok.Getter;
  import lombok.Setter;
  
  @Getter
  @Setter
  public class ChatRequest {
  
      String message;
  }
  
  
  package com.youlai.boot.ai.model;
  
  import lombok.AllArgsConstructor;
  import lombok.Getter;
  import lombok.Setter;
  
  @Getter
  @Setter
  @AllArgsConstructor
  public class ChatResponse {
  
          String content;
  }
  

▼
text
复制代码

- 定义一个前端查询接口

```java
  package com.youlai.boot.ai.controller;
  
  import com.youlai.boot.ai.model.ChatRequest;
  import com.youlai.boot.ai.model.ChatResponse;
  import com.youlai.boot.common.result.IResultCode;
  import com.youlai.boot.common.result.Result;
  import jakarta.annotation.Resource;
  import org.springframework.ai.chat.client.ChatClient;
  
  import org.springframework.web.bind.annotation.PostMapping;
  import org.springframework.web.bind.annotation.RequestBody;
  import org.springframework.web.bind.annotation.RequestMapping;
  import org.springframework.web.bind.annotation.RestController;
  
  @RestController
  @RequestMapping("/api/chatbot")
  public class ChatBotController {
  
      @Resource
      private ChatClient chatClient;
  
      @PostMapping
      public Result<ChatResponse> chat(@RequestBody ChatRequest request) {
          try {
              // 创建用户消息
              String userMessage = request.getMessage();
  
              // 使用流式API调用聊天
              String content = chatClient.prompt()
                      .user(userMessage)
                      .call()
                      .content();
  
              return Result.success(new ChatResponse(content));
          } catch (Exception e) {
              return Result.failed("处理请求时出错: " + e.getMessage());
          }
      }
  
  }
  

4、运行结果

可以看到用户输入想要查询的项目名称就能得到输出结果；

总结

1. 技术融合方向

   • RAG-MCP协同架构：知识增强（RAG）与工具调用（MCP）的深度耦合
   • 多模态交互演进：从文本指令到语音/视觉的多通道交互
   • 自进化系统：基于用户反馈的Prompt自动优化机制

2. 开发者能力迁移

   传统能力	新型能力要求
   API接口开发	自然语言交互设计
   系统架构设计	AI工作流编排
   数据库优化	向量检索优化
   权限管理系统	工具调用安全治理