让大模型具备行动能力，可以说是我们通往 AGI（通用人工智能，指的是具备甚至超越人类水平的人工智能系统） 的必经之路。

从最开始的提示工程到现在的 MCP（模型上下文协议），我们一步步为大模型装上了“手和脚”——可以调用工具、读写文件、执行任务等，并且不断完善。

目前大模型的发展日新月异，模型架构快速迭代、各类 AI 工具与概念层出不穷——Cursor、Codex、Augement、Trae、Qoder 等等等等，面对这些海量信息，真是让人头大。

GitHub MCP Server 是 GitHub 官方提供的 MCP 实现，它封装了仓库、Issue、PR、Workflow 等 API，使模型能够安全地管理仓库与协作流程。

Github MCP Server 仓库地址：https://github.com/github/github-mcp-server

Ollama

Ollama 是一个开源的大语言模型服务工具，旨在简化大模型的本地部署和运行过程。用户只需要输入一行命令（如： ollama run llama3.1 ），即可在本地硬件环境中部署和使用大语言模型。Ollama 还提供了 REST API 接口，下文中会介绍如何使用 Spring AI 集成 Ollama，实现与大模型 API 接口的交互。

一、大语言模型发展历程

大模型技术并不是一蹴而就的，大语言模型发展主要经历了统计语言模型、神经语言模型、预训练语言模型等多个发展阶段。在介绍具体的发展阶段之前，我们先来了解下什么是语言模型（Language Model, LM）。