【AI Agent 全栈开发】MCP

🚀 欢迎来到我的CSDN博客：Optimistic _ chen ✨ 一名热爱技术与分享的全栈开发者，在这里记录成长，专注分享编程技术与实战经验，助力你的技术成长之路，与你共同进步！

🚀我的专栏推荐：

🚀我的承诺： ✅ 文章配套代码：每篇技术文章都提供完整的可运行代码示例

✅ 持续更新：专栏内容定期更新，紧跟技术趋势

✅ 答疑交流：欢迎在文章评论区留言讨论，我会及时回复（支持互粉）

🚀 关注我，解锁更多技术干货！ ⏳ 每天进步一点点，未来惊艳所有人！✍️ 持续更新中，记得⭐收藏关注⭐不迷路 ✨

📌 标签:#技术博客  #编程学习  #Java  #C语言  #算法  #程序员

文章目录

• 前言
• 什么是MCP
• MCP Java SDK架构
• • Transport传输协议
  • MCP server
  • MCP Client
• MCP使用
• 自定义MCP Server
• • 使用Stdio自定义MCP Server
  • 使用SSE自定义MCP Server
• 完结撒花！🎉

前言

当今快速发展的AI应用生态中，我们从优化提示词到使用Tool Calling突破大模型语言生成的界限，完成调用外部系统的实际任务。但是随着工具数量的增长和应用场景的复杂化，传统的Tool Calling实现方式暴露出一系列挑战：

• 工具接口格式不统一
• 模型需硬编码工具定义
• …

为了解决这些问题，一个新的概念——MCP出现了。

什么是MCP

MCP(Model Context Protocol)模型上下文协议：事实上，MCP并不是代替Tool Calling的产物，而是为其提供一个统一、可扩展、跨平台的连接基础设施。

简单来说，MCP是Tool Calling的管理者。

• Tool Calling：模型决定要不要调用工具，调哪个工具，
• MCP：规定如何描述工具，如何发起调用，如何传递结果

有了MCP，AI只需要学习一种格式，MCP Server 负责翻译。

MCP Java SDK架构

MCP Java SDK提供MCP的Java实现,⽀持通过同步和异步通信模式与AI模型及⼯具进⾏标准化交互。

• Client/Server分别表示请求的发起者和请求的接收者（顾客和后厨）
• Session表示管理会话生命周期（订单管理系统）
• Transport表示消息传递的方式（手机订餐+骑手送餐）

Transport传输协议

MCP Java SDK提供了多种"通信⽅式",让AI应⽤(客⼾端)能灵活地与各种⼯具服务(服务器)进⾏对话 目前支持三种传输方式：

MCP server

作为MCP协议的具体服务端实现，是对外提供特定功能的服务程序，我们可以直接去MCP Server社区去查找调用你想要的功能，社区中活跃着大量技术爱好者，致力于为MCP用户提供交流、资源共享等服务。

• GitHub MCP Registry： htttps://github.com/mcp/registry
• MCP Flow：https://mcpflow.io/home
• 火山引擎 MCP 广场： www.volcengine.com/mcp-marketplace

MCP Client

有了MCP 服务端后，如何在代码中调用这些服务，这就需要借助MCP 客户端。

作为MCP客户端是连接本地开发环境或应用与远程MCP服务器之间的桥梁，不同客户端对MCP协议的支持程度各不相同，⽤⼾可以根据⾃⼰的需求选择合适的客⼾端。

MCP使用

在使⽤MCPClient之前,通常需要先运⾏⼀个或多个MCPServer实例.⽽许多MCPServer是通过npx或uv命令启动的，在开始使⽤前,必须正确配置相应的运⾏环境。 准备一个MCP Server：可以到各大网站获取相应的配置

{
"mcpServers": {
"baidu-map": {
"command": "npx",
"args": [
"-y",
"@baidumap/mcp-server-baidu-map"
],
"env": {
"BAIDU_MAP_API_KEY": "xxx"
}
}
}
}

准备好MCP Server，这里通过Cursor来展示MCP的使用：

除了上述的客户端之外，我们也可以通过Spring AI代码来接入这些资源 首先，采用SpringAI-Alibaba来调用AI服务，引入依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<parent>
<artifactId>spring-ai-project</artifactId>
<groupId>org.example</groupId>
<version>1.0-SNAPSHOT</version>
</parent>
<modelVersion>4.0.0</modelVersion>

<artifactId>mcp-client-demo</artifactId>

<properties>
<maven.compiler.source>17</maven.compiler.source>
<maven.compiler.target>17</maven.compiler.target>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
</dependency>
<dependency>
<groupId>org.springframework</groupId>
<artifactId>spring-webflux</artifactId>
</dependency>
<!– mcp client–>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-client</artifactId>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-bom</artifactId>
<version>1.0.0.2</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>

</project>

配置文件application

spring:
ai:
dashscope:
api-key: ${DASHSCOPE_API_KEY}
mcp:
client:
request-timeout: 60000
stdio:
servers-configuration: classpath:/mcp/mcp–servers–config.json

同时引入百度地图的配置：mcp/mcp-servers-config.json

{
"mcpServers": {
"baidu-map": {
"command": "npx.cmd",
"args": ["-y", "@baidumap/mcp-server-baidu-map"],
"env": {
"BAIDU_MAP_API_KEY": "nLpm876DutMXGl6gEwzJksuya0gbfk0B"
}
}
}
}

在controller添加该工具

@RestController
@RequestMapping("/chat")
public class ChatController {
private ChatClient chatClient;

public ChatController(DashScopeChatModel chatModel, ToolCallbackProvider toolCallbackProvider) {
this.chatClient = ChatClient.builder(chatModel)
.defaultToolCallbacks(toolCallbackProvider)
.build();
}
@RequestMapping("/generate")
public String generate(String message){
return chatClient.prompt()
.user(message)
.call()
.content();
}
}

ToolCallbackProvider 是 Spring AI 中用于向 AI 模型注册和提供可用工具（MCP Server 的工具）的核心接口。所以，之后只要有MCP配置进来，ToolCallbackProvider 就可以调用，完美解决了Tool Calling中各个工具接口不同的情况，实现动态工具组合。

自定义MCP Server

我们知道MCP有两种通信方式：Stdio 和 Streamable HTTP 前面提到的两个协议是Stdio 和 SSE，但是在 2025年3月26日的协议更新后，官方已用更强大的 Streamable HTTP 取代 SSE（解决了SSE连接容易断开的痛点）

controller/ChatController

package com.zc.mcp.controller;

import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/chat")
public class ChatController {
private ChatClient chatClient;

public ChatController(DashScopeChatModel chatModel, ToolCallbackProvider toolCallbackProvider) {
this.chatClient = ChatClient.builder(chatModel)
.defaultToolCallbacks(toolCallbackProvider)
.build();
}
@RequestMapping("/generate")
public String generate(String message){
return chatClient.prompt()
.user(message)
.call()
.content();
}
}

application.yml

spring:
ai:
dashscope:
api-key: ${DASHSCOPE_API_KEY}
mcp:
client:
request-timeout: 60000
stdio:
servers-configuration: classpath:/mcp/mcp–servers–config.json

/mcp/mcp-servers-config.json

{
"mcpServers": {
"stdio-server": {
"command": "java",
"args": [
"-Dfile.encoding=UTF-8",
"-Dspring.ai.mcp.server.stdio=true",
"-Dlogging.pattern.console=",
"-jar",
"E:\\\\springAI\\\\mcp\\\\mcp-stdio-server\\\\target\\\\mcp-stdio-server-1.0-SNAPSHOT.jar"
]
}
}
}

使用Stdio自定义MCP Server

Service/WeatherService

package com.zc.mcp.service;

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;

@Service
@Slf4j
public class WeatherService {

private final Map<String, WeatherInfo> weatherCache = new ConcurrentHashMap<>();

public WeatherService() {
// 初始化天气数据
weatherCache.put("北京", new WeatherInfo("晴转多云", "22~28", "南风2级", "78"));
weatherCache.put("上海", new WeatherInfo("小雨", "18~24", "东风3级", "52"));
weatherCache.put("广州", new WeatherInfo("晴朗", "25~33", "微风", "45"));
weatherCache.put("深圳", new WeatherInfo("多云", "24~30", "东北风2级", "60"));
}

@Tool(description = "查询指定城市的天气信息，返回天气状况、温度范围、风力、空气质量")
public String queryWeather(
@ToolParam(description = "城市名称，如：北京、上海、广州、深圳") String city) {

log.info("[HTTP MCP] queryWeather 调用，城市: {}", city);

if (!weatherCache.containsKey(city)) {
return String.format("未找到「%s」的天气信息，支持的城市：%s",
city, weatherCache.keySet());
}

WeatherInfo info = weatherCache.get(city);
return String.format("""
🌍 %s天气报告
─────────────────
☁️ 天气：%s
🌡️ 温度：%s°C
💨 风力：%s
🏭 AQI：%s
─────────────────
🕐 更新时间：%s
""",
city, info.weather, info.temp, info.wind, info.aqi,
LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"))
);
}

record WeatherInfo(String weather, String temp, String wind, String aqi) {}
}

config/ToolConfig

package com.zc.mcp.config;

import com.zc.mcp.service.WeatherService;
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;

@Configuration
public class ToolConfig {
@Bean
public ToolCallbackProvider getWeather(WeatherService weatherService){
return MethodToolCallbackProvider.builder()
.toolObjects(weatherService)
.build();
}
}

application.yml

spring:
ai:
mcp:
server:
name: stdio–server
version: 0.0.1
main:
web-application-type: none
banner-mode: off

生成jar包

使用SSE自定义MCP Server

注意：使用SSE传输策略时，依赖的主要选择是取决于你是作为客户端还是服务端，以及是使用传统的同步SSE还是WebFlux响应式SSE。

在Web项目中添加spring-ai-starter-mcp-server webflux依赖会导致MCP端点（/sse）失效，这是因为项目中同时存在org.springframework.web.servlet.DispatcherServlet和org.springframework.web.reactive.DispatcherHandler。根本原因是：当DispatcherServlet（Servlet）和DispatcherHandler（Reactive）共存时，Spring Boot会默认优先使用Servlet堆栈启动Web服务。这样应用将以传统的Tomcat（或Jetty/Undertow）服务器运行，而非WebFlux所需的Netty服务器，导致专属于WebFlux的/sse端点无法正常工作。

可以通过在配置文件中设置解决：

server:
port: 8081
spring:
ai:
mcp:
server:
name: sse–server
version: 0.0.1
main:
web-application-type: reactive

SSE的pom.xml文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<parent>
<artifactId>mcp</artifactId>
<groupId>org.example</groupId>
<version>1.0-SNAPSHOT</version>
</parent>
<modelVersion>4.0.0</modelVersion>

<artifactId>mcp-sse</artifactId>

<properties>
<maven.compiler.source>17</maven.compiler.source>
<maven.compiler.target>17</maven.compiler.target>
</properties>

<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
</repository>
</repositories>
<dependencies>
<!– Web 容器支持 –>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>

<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
</dependencies>

<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>

service实现工具的业务逻辑，config将工具暴露给MCP Server.(代码和Stdio类似) config 中的 MethodToolCallbackProvider 就像一个"扫描器"，把 @Tool 方法收集起来"交"给MCP Server.

SSE定义MCP Server后，启动项目，在Cursor中配置好服务后，就能直接使用了。

{
"mcpServers": {
"sse–server":{
"url":"http://127.0.0.1:8081/sse"
}
}
}

想要在SpringAI中作为MCP Client调用该工具，注意controller的细节

@RestController
@RequestMapping("/chat")
public class ChatController {

private final ChatClient chatClient;

@Autowired
public ChatController(DashScopeChatModel chatModel,
SyncMcpToolCallbackProvider mcpToolProvider) {
// DashScopeChatModel chatModel：阿里云通义千问的模型实例，负责实际调用大模型 API
// SyncMcpToolCallbackProvider mcpToolProvider：MCP 工具提供者，负责将远程 MCP Server 的工具转换成 Spring AI 可用的工具
this.chatClient = ChatClient.builder(chatModel)//告诉 ChatClient 使用哪个大模型
.defaultToolCallbacks(mcpToolProvider.getToolCallbacks()) // 把从 MCP 工具提供者中获取所有远程工具设置为 ChatClient 的默认工具
.build();
}

@RequestMapping("/generate")
public String generate(String message) {
return chatClient.prompt()
.user(message)
.call()
.content();
}
}

完结撒花！🎉

如果这篇博客对你有帮助，不妨点个赞支持一下吧！👍 你的鼓励是我创作的最大动力～

✨ 想获取更多干货？ 欢迎关注我的专栏 → optimistic_chen 📌 收藏本文，下次需要时不迷路！

我们下期再见！💫 持续更新中……

悄悄说：点击主页有更多精彩内容哦～ 😊 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7471a32ba1fc4954b6ae528ef5b66475.png