当前位置： 首页 > ai >正文

第八章.干货干货！！！SpringAI手撸MCP服务

ai 2025/7/13 3:03:45

前言

根据我们前面学习的知识我们知道，针对系统中不同的业务场景我们可以开发不同的tools来实现大模型调用，如果我们有多个AI应用都要实现相同的功能，那么可能就会在多个应用中定义重复的tools,导致一些重复的工作量，那么我们可以不可以吧通用的tools进行统一抽取（MCP-Server），然后AI应用通过某种协议（MCP-协议）去链接以达到复用的目的（有点像中台的感觉），如下使用百度地图举例
在这里插入图片描述
所以最近有一个东西非常火：MCP

什么是MCP

MCP ： Model Context Protocol (MCP) ，它是一个开放协议，它使 LLM 应用与外部数据源和工具之间的无缝集成成为可能。无论你是构建 AI 驱动的 IDE、改善 chat 交互，还是构建自定义的 AI 工作流，MCP 提供了一种标准化的方式，将 LLM 与它们所需的上下文连接起来。
在这里插入图片描述
通过MCP我们可以直接连接三方的MCP服务，这里介绍一个平台

  • https://mcp.composio.dev：MCP 聚合平台地址
  • https://mcp.so/ ： mcpso
  • https://bailian.console.aliyun.com/?tab=mcp#/mcp-market ： 阿里百炼
  • https://smithery.ai
  • https://mcpservers.org
  • https://mcps.live

在这里插入图片描述
本篇文章我们暂时不对接三方的MCP服务，而是自己开发MCP服务完成对接。

MCP服务端

1.导入依赖

这里我们采用SpringAI来开发MCP服务，因为目前Langchain4j并没有提供对MCP-Server的支持，创建 mcp-server 工程导入以下依赖

  • SpringAI我们采用 1.0.0.M7版本
  • SpringBoot采用3.4.4
  • spring-ai-bom : SpringAI的依赖清单
  • spring-ai-starter-mcp-server-webmvc ：MCP 服务，它支持 sse , stdio , WebFlux 三种传输模式支持，具体参考：https://docs.spring.io/spring-ai/reference/1.0/api/mcp/mcp-server-boot-starter-docs.html
  • repositories ：指定依赖下载的仓库，否则MCP可能下载不下来
<properties><maven.compiler.source>21</maven.compiler.source><maven.compiler.target>21</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><spring-ai.version>1.0.0-M7</spring-ai.version></properties><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.4.4</version></parent><dependencyManagement><dependencies><!-- Spring AI BOM --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M7</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server-webmvc</artifactId></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.26</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build><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><id>central-portal-snapshots</id><name>Central Portal Snapshots</name><url>https://central.sonatype.com/repository/maven-snapshots/</url><releases><enabled>false</enabled></releases><snapshots><enabled>true</enabled></snapshots></repository></repositories>

2.对MCP Server做配置

所有属性都以 为前缀spring.ai.mcp.server：具体的配置项自行看官网
在这里插入图片描述


spring.main.banner-mode=off
# logging.pattern.console=# spring.ai.mcp.server.stdio=false
# mcp服务名-比较重要，客户端要用
spring.ai.mcp.server.name=my-weather-server
# 版本
spring.ai.mcp.server.version=0.0.1
spring.ai.mcp.server.stdio=false
# 同步异步
spring.ai.mcp.server.type=sync

同步/异步服务器类型

  • 同步服务器- 使用 实现的默认服务器类型McpSyncServer。它专为应用程序中简单的请求-响应模式而设计。要启用此服务器类型，spring.ai.mcp.server.type=SYNC请在配置中进行设置。激活后，它会自动处理同步工具规范的配置。

  • 异步服务器- 异步服务器实现使用McpAsyncServer并针对非阻塞操作进行了优化。要启用此服务器类型，请使用 配置您的应用程序spring.ai.mcp.server.type=ASYNC。此服务器类型会自动设置异步工具规范，并内置 Project Reactor 支持。

传输方式选择 ：MCP 服务器支持三种传输机制，每种机制都有其专用的启动器：

  • 标准输入/输出 (STDIO) -spring-ai-starter-mcp-server

  • Spring MVC（服务器发送事件） -spring-ai-starter-mcp-server-webmvc

  • Spring WebFlux（反应式 SSE）spring-ai-starter-mcp-server-webflux

3.定义天气查询Tools

这里还是以百度地图-天气查询为例定义tools,改代码之前写过

@Service
@Slf4j
public class McpWeatherTool {HashMap<String,Integer> code = new HashMap<>(){{put("成都",510100);}};@Tool(name="getWeatcher",description = "获取城市天气信息")public String getWeatcher(@ToolParam(description = "城市",required = true)String city){String url = "https://api.map.baidu.com/weather/v1/?district_id="+code.get(city)+"&data_type=all&ak=你的key";log.info("查询天气url = {}",url);return HttpUtil.get(url);}@Tool(name="searchGoods",description = "搜索商品价格")public String search(@ToolParam(description = "商品",required = true)String goods){return "五毛钱";}}

4.定义工具提供者

这里我们需要定义一个 ToolCallbackProvider ，把MCP服务暴露出去，通过 toolObjects 来绑定tools。当服务器启动起来，客户端通过sse，或者stdio等方式链接到服务器，执行Tool供应商提供的工具

@Configuration
public class MCPServerConfig {@Beanpublic ToolCallbackProvider weatherTools(McpWeatherTool mcpWeatherTool){return MethodToolCallbackProvider.builder().toolObjects(mcpWeatherTool).build();}}

然后就是 编写启动类把项目启动起来。

5.服务端测试

@SpringBootTest(classes = MCPServerStart.class)
public class McpTest {@Testpublic void sseTest(){HttpClientSseClientTransport httpClientSseClientTransport =HttpClientSseClientTransport.builder("http://localhost:8080").build();McpSyncClient mcpSyncClient = McpClient.sync(httpClientSseClientTransport).build();mcpSyncClient.initialize();McpSchema.CallToolResult callToolResult = mcpSyncClient.callTool(new McpSchema.CallToolRequest("getWeatcher", Map.of("city","成都")));System.out.println(callToolResult);try {Thread.sleep(2000);} catch (InterruptedException e) {throw new RuntimeException(e);}}@Testpublic void stdioTest(){System.out.println(new File(".").getAbsolutePath());//需要先把项目package打包成jarvar stdioParams = ServerParameters.builder("java").args("-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none","-Dlogging.pattern.console=", "-jar","target/springai-mcp-1.0-SNAPSHOT.jar").build();McpSyncClient mcpSyncClient = McpClient.sync(new StdioClientTransport(stdioParams)).build();mcpSyncClient.initialize();// 发起请求McpSchema.CallToolResult callToolResult = mcpSyncClient.callTool(new McpSchema.CallToolRequest("getWeatcher", Map.of("city","成都")));System.out.println(callToolResult);}
}

MCP客户端

1.导入基础依赖

创建SpringBoot工程，导入依赖，客户端我们采用 <artifactId>spring-ai-starter-mcp-client</artifactId> 依赖，同时我们需要接入一个大模型，这里我使用的是 zhipuai 智普AI，其他的大模型也是可以的。

<properties><maven.compiler.source>21</maven.compiler.source><maven.compiler.target>21</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><spring-ai.version>1.0.0-M7</spring-ai.version></properties><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.4.4</version></parent><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><dependencies><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency><!--<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-client-webflux</artifactId></dependency>--><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.26</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-client</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-zhipuai-spring-boot-starter</artifactId><version>1.0.0-M6</version></dependency></dependencies><repositories><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><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></repositories>

2.配置MCP客户端

主要是配置zhipu大模型（https://bigmodel.cn/ 注册账号，创建APIKEY），以及mcp客户端的配置

server:port: 8100  #端口tomcat:uri-encoding: UTF-8   #服务编码
spring:application:name: mcp-clientai:zhipuai:api-key: 你的keychat:options:model: glm-4-plusmcp:client:sse:connections:my-weather-server:		#MCP服务器名字url: http://localhost:8080 #MCP服务器地址toolcallback:enabled: true #开启tool调用#stdio:#servers-configuration: classpath:mcp-servers-config.json

配置中处理提供了通过 sse方式去链接McpServer， 还提供了stdio方式，该方式需要指定一个mcp的配置文件json, mcp-servers-config.json 内容如下

{"mcpServers": {"brave-search": {"command": "java","args": ["-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none","-Dlogging.pattern.console=", "-jar","E:/code_space/ai/springai-mcp/target/springai-mcp-1.0-SNAPSHOT.jar"],"env": {}}
}

3.配置ChatClient客户端

这里我们通过 ChatClient.Builder 构建一个客户端，同时指定大模型的提示词，以及指定tools提供商

@Configuration
public class MCPClientConfig {@Beanpublic ChatClient chatClient(ChatClient.Builder builder,ToolCallbackProvider tools){return builder.defaultSystem("""你是一个AI助手，请分析用户的问题，做出不同的处理，你现在拥有以下能力1.如果用户的提问包含城市和天气，就为用户查询指定城市的天气2.如果用户的提问包含商品，就为用户查询商品信息""").defaultTools(tools).build();}}

4.编写Controller

这里就比较简单了，注入ChatClient向大模型提问即可

@RestController
@RequestMapping("/ai")
@RequiredArgsConstructor
public class AiController {@Resourceprivate  ChatClient chatClient;@GetMapping("/chat")public Flux<String> fcChat(@RequestParam("prompt") String userInput) {Flux<String> flux = chatClient.prompt(userInput).stream().content();return flux;}
}

5.启动测试

访问controller,向他询问天气情况，查看结果
在这里插入图片描述

换一个问题

在这里插入图片描述

总结

该文章我们讲解了如何使用SpringAI开发完整的Mcp服务端和客户端，通过这种方式我们可以把tools抽取到统一服务中，然后借助大模型通过MCP协议去链接服务器，达到一个tools复用的目的。当然MCP的功能远不止于此。如果文章对你有所帮助请三连。

http://www.xdnf.cn/news/1839.html

相关文章：

  • C++ 的 trivially relocatable
  • 解决ssh拉取服务器数据，要多次输入密码的问题
  • PyTorch 实现食物图像分类实战：从数据处理到模型训练
  • 植物合成生物学：上帝之手，万物皆可合
  • 【MQ篇】RabbitMQ的消费者确认机制实战！
  • 【金仓数据库征文】金仓数据库：开启未来技术脑洞，探索数据库无限可能
  • 脚本批量启动Node服务器
  • 【金仓数据库征文】_AI 赋能数据库运维：金仓KES的智能化未来
  • 复杂地形越野机器人导航新突破！VERTIFORMER：数据高效多任务Transformer助力越野机器人移动导航
  • 计算机组成原理第二章 数据的表示和运算——2.1数制与编码
  • HTMLcss实现网站抽奖
  • Ubuntu 下 Nginx 1.28.0 源码编译安装与 systemd 管理全流程指南
  • 本地使用Ollama部署DeepSeek
  • 30天通过软考高项-第三天
  • redis 数据类型新手练习系列——string类型
  • 【Java并发】【LinkedBlockingQueue】适合初学体质的LinkedBlockingQueue入门
  • 计算机组成原理-408考点-数的表示
  • 全面解析 MCP（Model Context Protocol）：AI 大模型的“万能连接器”
  • 通讯录完善版本（详细讲解+源码）
  • 基于归纳共形预测的大型视觉-语言模型中预测集的**数据驱动校准**
  • 使用 硅基流动+Doris+DeepSeek搭建RAG知识库（保姆级教程）
  • XBIT以创新技术引领币圈十大APP，开启数字货币交易新时代
  • SpringBoot 学习
  • 基于STM32的大棚温度环境调控系统设计方案
  • 2015-2023 各省 GDP 数据，用QuickBI 进行数据可视化——堆叠图！
  • 基于HTML+CSS实现的动态导航引导页技术解析
  • 聚客AI手把手实战：用LlamaIndex+代码实现亿级数据的智能问答系统
  • 【C++指南】告别C字符串陷阱：如何实现封装string？
  • 深入浅出Sentinel：分布式系统的流量防卫兵
  • 5.3 Dify：低代码平台，适用于企业快速部署合规AI应用