MCP客户端是AI与外部世界交互的桥梁。在AI系统中,大模型虽然具备强大的认知能力,却常常受限于数据孤岛问题,无法直接访问外部工具和数据源。MCP协议应运而生,作为标准化接口解决这一核心挑战。该协议采用客户端-服务端架构,将AI模型的智能计算能力与外部系统的专业功能解耦,形成可扩展的协作生态。MCP客户端作为架构的关键组件,使得AI应用能够像使用"万能遥控器"一样,通过MCP客户端安全调用各类专业工具,而无需关心底层实现细节。其设计充分体现了AI系统与外部环境交互的三个基本原则:
- 标准化:通过统一协议消除工具集成中的适配成本。
- 安全性:在保持模型隔离的同时实现受控的外部访问。
- 灵活性:支持多样化的传输机制和运行时环境。
MCP客户端是MCP架构中的关键组件,负责与MCP服务端进行交互,以利用MCP服务端提供的工具、资源及能力。MCP客户端实现协议的客户端部分,通过遵循MCP协议的结构化方式,发送请求并接收来自MCP服务端的响应。MCP客户端能够在不同的环境中灵活运行,利用MCP服务端提供的多种传输机制,确保与MCP服务端的稳定、高效通信。通过与MCP服务端的协同工作,MCP客户端能够扩展AI模型的功能,实现与外部工具和资源的无缝集成。
- 核心职责包括:
- 协议版本协商 :确保与服务器的兼容性。
- 能力协商 :确定可用功能(如工具支持范围)。
- 消息传输与JSON-RPC通信 :实现结构化数据交互。
- 工具发现与执行 :动态识别并调用外部工具。
- 资源访问与管理 :协调模型与外部数据源的交互。
- 提示系统交互 :支持与模型提示(Prompt)系统的集成。
- 可选功能 :
- 根管理(Roots Management)。
- 采样支持(如模型输出概率控制)。
- 同步与异步操作模式。
- 传输选项 :
- 基于标准输入/输出的传输(适用于进程间通信)。
- 基于Java HttpClient的SSE客户端传输(支持事件流)。
- 基于WebFlux的SSE客户端传输(用于响应式HTTP流处理)。
MCP客户端简单示例
-
项目依赖
xml<dependencies> <!-- SpringBootStarterWeb依赖包 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> <version>3.4.5</version> </dependency> <!-- JavaxServlet依赖包 --> <dependency> <groupId>javax.servlet</groupId> <artifactId>javax.servlet-api</artifactId> <version>4.0.1</version> <scope>provided</scope> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId> <version>1.0.0-M6</version> </dependency> <!-- SpringAI依赖包 --> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-spring-boot-autoconfigure</artifactId> <version>1.0.0-M6</version> </dependency> </dependencies>
-
项目配置
- 这里主要配置MCP服务端的SSE连接。
yamlspring: profiles: active: dev application: name: ai-demo-mcp-client main: allow-bean-definition-overriding: true ai: mcp: client: enabled: true name: ai-demo-mcp-client type: sync version: 1.0.0 sse: connections: ai-demo-platform-mcp-server: url: http://localhost:10102 server: port: 10103
-
项目代码
- Spring AI中通过SyncMcpToolCallback适配MCP工具到统一接口。通过SyncMcpToolCallbackProvider将McpSyncClient列表转换为Spring AI标准的ToolCallback数组。SyncMcpToolCallbackProvider作为适配器,实现了MCP协议工具到Spring AI工具接口的桥接。
- ToolCallback中通过ToolDefinition实现MCP协议的能力声明,返回工具的结构化定义。ToolDefinition获取工具的名称(name)、描述(description)和输入模式(inputSchema)等。所有工具通过统一的call()方法执行,符合MCP的JSON-RPC规范。
java@RestController("aiDemoClient") @RequestMapping("ai/demo/client") public class AiDemoClientRest { private static final Map<String, ToolCallback> TOOL_CACHE = new HashMap<>(); public AiDemoClientRest(List<McpSyncClient> mcpSyncClientList) { SyncMcpToolCallbackProvider syncMcpToolCallbackProvider = new SyncMcpToolCallbackProvider(mcpSyncClientList); ToolCallback[] toolCallbacks = syncMcpToolCallbackProvider.getToolCallbacks(); for (ToolCallback toolCallback : toolCallbacks) { TOOL_CACHE.put(toolCallback.getToolDefinition().name(), toolCallback); } StringBuilder stringBuilder = new StringBuilder(); TOOL_CACHE.values().forEach(toolCallback -> { ToolDefinition toolDefinition = toolCallback.getToolDefinition(); stringBuilder.append(String.format("name %s desc %s input %s", toolDefinition.name(), toolDefinition.description(), toolDefinition.inputSchema())).append("\n"); }); System.out.println(stringBuilder); } @GetMapping("001") public String demo001() { return TOOL_CACHE.get("addInteger").call("{\"arg0\":2,\"arg1\":6}"); } @GetMapping("002") public String demo002() { return TOOL_CACHE.get("addDouble").call("{\"arg0\":2.0,\"arg1\":6.0}"); } }
-
通过上述配置和代码,即可与MCP服务器交互。