Python 错误处理详解

皆涎史右一、功能对比

LangChain4j 和 Solon AI 的功能是比较类似的，甚至两者可以配合使用，例如使用 Solon AI 实现 MCP 服务器端，再使用 LangChain4j 实现 MCP 客户端调用 Solon AI，二者可以无缝对接。而且，都可以嵌入到任何第三方框架中使用。那二者的区别是啥呢？

接口或体验 LangChain4j Solon AI

LLM 接口 有 有

LLM 体验 复杂 简单

RAG 接口 有 有

RAG 体验 复杂 简单

MCP 接口 有 有

MCP 体验 复杂 简单

总体来说，LangChain4j 提供的功能更多，尤其是 RAG 方面，提供了更丰富的适配。

二、使用和学习成本

LangChain4j 的使用和学习成本比 Solon AI 高很多，举个例子，例如 Solon AI 要实现流式对话，只需要一行代码就搞定了：

@Produces("text/event-stream")

@Mapping("/streamChat")

public Flux streamChat(String msg) {

return Flux.from(chatModel.stream(msg).map(resp -> resp.getContent()));

}

而 LangChain4j 实现步骤如下：

添加 langchain4j-reactor 依赖。

设置配置文件，配置 streaming-chat-model api-key 和 model-name。

创建 AI Service 并返回 Flux 对象。

调用 Ai Service 才能实现流式输出。

类似的场景还有很多，例如 Solon AI 实现 MCP Client 只需要添加依赖，然后：

一行就构建 mcp 客户端

一行 defaultToolsAdd 或 toolsAdd 设置就可以实现了与 llm 的整合

如下代码：

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 的实现就非常复杂了，除了添加依赖之后，你还需要：

创建传输协议 McpTransport。

创建 MCP 客户端 McpClient。

创建 Tools（提供者）对象 ToolProvider。

构建 AiService。

执行 MCP Server 调用。

具体实现代码如下：

@Mapping("/chat")

public String chat(String question) {

// 1.创建传输协议

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.创建 MCP 客户端

McpClient mcpClient = new DefaultMcpClient.Builder()

.transport(transport)

.build();

// 3.创建 Tools（提供者）对象

ToolProvider toolProvider = McpToolProvider.builder()

.mcpClients(List.of(mcpClient))

.build();

// 4.构建 AiService

ToolsAiService aiService = AiServices.builder(ToolsAiService.class)

.chatLanguageModel(chatModel)

.toolProvider(toolProvider)

.build();

// 5.调用 MCP Server

return aiService.chat(question);

}

除了 LangChain4j 的使用复杂之外，源代码量很大，LangChain4j 的文档也不全，要么是没有关键实现代码案例、要么是干脆文档写的都是错的，LangChain4j 的坑比较多，最后只能通过看最新的源码才能解决和使用相关功能，所以 LangChain4j 学习和使用成本是非常高的。

三、小结

如果是简单功能、开发周期又紧可以使用 Solon AI；如果功能复杂，且定制型要求比较多，可以使用功能和灵活度更高的 LangChain4j。但使用 LangChain4j 这就意味着你需要忍受 LangChain4j 不够简洁的写法，以及学习和使用成本比较高的问题。