Spring AI 2.1 RC2 : des décisions typées, un serveur MCP sans état et des ruptures côté Anthropic

Spring AI est la bibliothèque qui permet aux applications Java construites avec Spring Boot d'appeler des modèles de langage, des bases vectorielles et des serveurs MCP. Pour un outil métier déjà écrit en Java, c'est une façon d'ajouter de l'IA sans changer de socle technique. La version 2.1.0-RC2 a été annoncée le 9 novembre 2026, un peu plus de deux semaines après la RC1 du 23 octobre. La version finale est la prochaine étape, sans date communiquée.

DecisionModel : une réponse exploitable par du code

Demander à un modèle de classer une demande ou de filtrer un contenu, puis analyser sa réponse en texte libre, est fragile. La nouvelle API DecisionModel renvoie un résultat typé, accompagné de probabilités. Trois formes de questions :

• YesNoQuestion : la probabilité que la réponse soit oui ;
• ChoiceQuestion : l'option retenue parmi une liste ;
• ScoreQuestion : un niveau sur une échelle ordonnée.

Trois implémentations sont fournies : OpenAI, Ollama (en local, sans clé d'API, avec le modèle d1-omni:600m par défaut) et System One.

Trois composants s'appuient dessus : un outil qui réordonne les documents trouvés par une recherche documentaire, un filtre qui écarte les documents hors sujet, contradictoires ou porteurs d'une injection de prompt, et un index d'outils capable de conclure qu'aucun outil ne convient. Le billet prévient que ces modèles ne sont pas déterministes : c'est à l'application de fixer ses seuils de confiance. Le filtre laisse passer les documents par défaut en cas d'échec, et peut être réglé pour bloquer.

Un serveur MCP conforme à la spécification 2026-07-28

Spring AI sait maintenant exposer un serveur MCP « moderne », c'est-à-dire sans session, comme le prévoit la dernière version du protocole. L'activation tient en une propriété :

spring.ai.mcp.server.protocol=MODERN

Seule l'API synchrone est prise en charge, la combinaison avec type=ASYNC fait échouer le démarrage, et la brique sous-jacente, le SDK Java MCP 2.2, est encore en version intermédiaire (2.2.0-M2).

Les autres ajouts

• Les arguments des appels d'outils arrivent au fil de l'eau, ce qui permet d'afficher un appel pendant que le modèle l'écrit. Fournisseurs couverts : Anthropic, OpenAI, Amazon Bedrock Converse et DeepSeek.
• Cinq bases vectorielles de plus acceptent des vecteurs déjà calculés : Neo4j, MongoDB Atlas, Typesense, MariaDB et Chroma. Avec pgvector, Qdrant, Redis, Elasticsearch et OpenSearch, cela fait dix.

Les ruptures à vérifier

La plupart concernent Anthropic, dont le SDK Java passe de la version 2.72.0 à la 3.4.0 :

• Paramètres d'échantillonnage. La nouvelle version de l'API Anthropic rejette temperature, topP et topK. Spring AI les ignore en journalisant un avertissement : retirez-les de votre configuration.
• Authentification. La clé est envoyée dans l'en-tête Authorization: Bearer au lieu de X-Api-Key. À contrôler si un proxy ou une passerelle filtre vos appels.
• Comptage des jetons. Pour Anthropic et Bedrock Converse, les jetons d'entrée incluent désormais les lectures et écritures du cache. Si vos tableaux de bord les ajoutaient à la main, ils compteront double.
• Typesense. La dimension des vecteurs n'a plus de valeur par défaut à 1536.

La RC1 avait déjà déprécié l'ancienne mémoire de conversation (ChatMemory et ses dépôts), remplacée par une « mémoire de session », avec un retrait prévu en 3.0.0.

Notre lecture

Une version candidate n'a pas sa place en production, et celle-ci s'appuie sur Spring Boot 4.2.0-RC2, lui-même non final. En revanche, c'est le bon moment pour un essai sur une branche. Les équipes qui utilisent Claude via Spring AI ont intérêt à anticiper : nettoyer les paramètres d'échantillonnage et vérifier le suivi des coûts prend peu de temps et évite une surprise le jour de la version finale. DecisionModel répond à un besoin fréquent en PME, comme trier des demandes entrantes ou valider un document avant traitement. Le plus simple pour l'évaluer est l'implémentation Ollama, sur un poste local et avec vos propres exemples, avant de fixer un seuil.