SpringAI轻松构建MCP Client-Server架构

什么是MCP？

MCP 是 Model Context Protocol，模型上下文协议，它是由 Anthropic（Claude 大模型母公司）提出的开放协议，用于大模型连接外部"数据源"的一种协议。

它可以通俗的理解为 Java 界的 Spring Cloud Openfeign，只不过 Openfeign 是用于微服务通讯的，而 MCP 用于大模型通讯的，但它们都是为了通讯获取某项数据的一种机制，如下图所示：

为什么需要MCP？

MCP 存在的意义是它解决了大模型时代最关键的三个问题：数据孤岛、开发低效和生态碎片化等问题。

1.打破数据孤岛，让AI"连接万物"

大模型本身无法直接访问实时数据或本地资源（如数据库、文件系统），传统方式需要手动复制粘贴或定制接口。MCP 通过标准化协议，让大模型像"插USB"一样直接调用外部工具和数据源，例如：

• 查天气时自动调用气象 API，无需手动输入数据。
• 分析企业数据时直接连接内部数据库，避免信息割裂。

2.降低开发成本，一次适配所有场景

在之前每个大模型（如 DeepSeek、ChatGPT）需要为每个工具单独开发接口（Function Calling），导致重复劳动，MCP 通过统一协议：

• 开发者只需写一次 MCP 服务端，所有兼容 MCP 的模型都能调用。
• 用户无需关心技术细节，大模型可直接操作本地文件、设计软件等。

3.提升安全性与互操作性

• 安全性：MCP 内置权限控制和加密机制，比直接开放数据库更安全。
• 生态统一：类似 USB 接口，MCP 让不同厂商的工具能"即插即用"，避免生态分裂。

4.推动AIAgent的进化

MCP 让大模型从"被动应答"变为"主动调用工具"，例如：

• 自动抓取网页新闻补充实时知识。
• 打开 Idea 编写一个"Hello World"的代码。

MCP 的诞生，相当于为AI世界建立了"通用语言"，让模型、数据和工具能高效协作，最终释放大模型的全部潜力。

MCP组成和执行流程

MCP 架构分为以下 3 部分：

• 客户端：大模型应用（如 DeepSeek、ChatGPT）发起请求。
• 服务器：中间层，连接具体工具（如数据库、设计软件）。
• 资源：具体的数据或工具（如 Exce l文件、网页 API）。

运行流程：

• 用户提问。
• 大模型通过 MCP 客户端发送请求。
• MCP 服务器接收指令。
• 调用对应工具（如数据库）执行。
• 返回结果给大模型。
• 生成最终回答。

Spring AI MCP 介绍

Spring AI MCP 是通过 Spring Boot 集成扩展了 MCP 的 Java SDK（开发工具），它同时提供了 Spring Boot 客户端和服务器的启动器，方便使用 Spring AI MCP 快速开发 AI 应用程序。

Spring AI MCP 实战

当前案例中，我们使用 MCP 实现一个天气查询小助手，其中包含的主要角色有：

• MCP Server：MCP 服务提供方，提供天气查询功能。
• MCP Client：MCP 客户端（大模型端）我们对接 DeepSeek LLM 实现对 MCP Server 的调用，从而实现天气预报的查询功能。

具体交互流程如下：

实现 MCP Server 代码编写

MCP Server 主要实现步骤如下：

• 添加 MCP Server 依赖。
• 设置 MCP 配置信息。
• 编写 MCP Server 服务代码。
• 将 MCP Server 进行暴露设置。

关键实现代码如下。

添加 MCP Server 依赖

<dependencies>
  <dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</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>

MCP Server 依赖有三种类型：

• 标准输入/输出 （STDIO） ：spring-ai-starter-mcp-server
• Spring MVC（服务器发送的事件） ：spring-ai-starter-mcp-server-webmvc
• Spring WebFlux（响应式 SSE） ：spring-ai-starter-mcp-server-webflux

设置 MCP 配置信息

MCP Server 包含以下配置信息：

配置项	描述	默认值
enabled	启用/禁用 MCP 服务器	TRUE
stdio	启用/禁用 stdio 传输	FALSE
name	用于标识的服务器名称	mcp-server
version	服务器版本	1.0.0
type	服务器类型 （SYNC/ASYNC）	SYNC
resource-change-notification	启用资源更改通知	TRUE
prompt-change-notification	启用提示更改通知	TRUE
tool-change-notification	启用工具更改通知	TRUE
tool-response-mime-type	（可选）每个工具名称的响应 MIME 类型。例如，将 mime 类型与工具名称相关联spring.ai.mcp.server.tool-response-mime-type.generateImage=image/pngimage/pnggenerateImage()	-
sse-message-endpoint	Web 传输的 SSE 终端节点路径	/mcp/message

其中 MCP Server 又分为以下两种类型。

服务器类型

• 同步服务器：默认服务器类型，它专为应用程序中的简单请求-响应模式而设计。要启用此服务器类型，请在您的配置中设置。 激活后，它会自动处理同步工具规格的配置，spring.ai.mcp.server.type=SYNC。
• 异步服务器： 异步服务器实现使用非阻塞作并针对非阻塞作进行了优化。要启用此服务器类型，请使用配置您的应用程序。此服务器类型会自动设置具有内置 Project Reactor 支持的异步工具规范，spring.ai.mcp.server.type=ASYNC。

编写 MCP Server 服务代码

编写天气预报查询伪代码：

import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;

import java.util.Map;

@Service
publicclass WeatherService {

    @Tool(description = "根据城市名称获取天气预报")
    public String getWeatherByCity(String city) {
        Map<String, String> mockData = Map.of(
            "西安", "晴天",
            "北京", "小雨",
            "上海", "大雨"
        );
        return mockData.getOrDefault(city, "抱歉：未查询到对应城市！");
    }

}

将服务暴露出去

@Bean
public ToolCallbackProvider weatherTools(WeatherService weatherService) {
return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();
}

这样 MCP Server 就编写完成了。

实现 MCP Client 代码编写

MCP Client 主要实现步骤如下：

• 添加 MCP Client 相关依赖。
• 设置配置信息。
• 设置 ChatClient 对象（调用 MCP Server）。
• 编写测试代码调用 MCP Server。

核心实现代码如下：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
publicclass ClientController {

    @Autowired
    private ChatClient chatClient;

    @RequestMapping("/chat")
    public String chat(@RequestParam(value = "msg",defaultValue = "今天天气如何？") String msg) {
        String response = chatClient.prompt()
        .user(msg)
        .call()
        .content();
        System.out.println("响应结果: " + response);
        return response;
    }

}

最终执行结果如下：

因为 MCP Server 只配置了 3 个城市，所以查询结果和预期相符：

小结

到这里使用 Spring AI 就实现了 MCP Client 和 Server 的调用了，可以看出 MCP 的推出只是为了增强大模型的能力的，有了 MCP 协议之后，任何大模型就可以调用任意实现了 MCP Server 的服务了，这样就无线扩充了大模型的能力，为 AI 的发展提供了标准的协议和便利的对接。