Spring-AI 结合自定义 mcp server 实现飞书智能机器人

1. 简介

本文主要介绍基于 spring ai 自定义搭建 mcp 服务端和客户端，主要场景是：

基于本地的mcp服务让飞书机器人跟场景回答不同的问题

实现效果如下

最后附了源码链接.整体代码非常简单，容易上手。

2.概念

2.1 什么是 AI MCP？

MCP（Model Context Protocol） 是一种 标准化协议，用来解决一个长期痛点：

👉 如何让 AI"安全、可控、标准化地"调用外部工具 / 系统能力？

它的核心目标不是"让 AI 更聪明"，而是：

让 AI 能调用真实系统
同时 避免 AI 乱编、乱连、乱访问
并且 工具接入方式统一

2.2 MCP 解决了什么问题？

1️⃣ 传统 Function Call 的问题

以 OpenAI Function Calling / Tool Calling 为例：

工具定义写死在 Prompt 或代码里
每个 AI 框架一套接口
权限 / 生命周期 / 连接管理全靠业务自己写
工具多了以后 极难维护

👉 在真实系统里会变成：

Prompt 很长
Tool 定义重复
不同 AI 模型不可复用

2️⃣ MCP 的解决思路

MCP 把 工具变成一个标准化的 Server：

arduino 复制代码

AI Model
   |
   |  MCP 协议
   |
MCP Client  ────── MCP Server
                   ├─ 查数据库
                   ├─ 调内部系统
                   ├─ 查文件
                   ├─ 调 HTTP API

AI 不直接接触工具实现，只通过 MCP 协议：

发现工具
调用工具
获取结构化结果

3. 工程结构

主要分为2个模块，mcp-server 和 mcp-client, mcp-client里面通过 java -jar 的形式运行 mcp 服务端，在 mcp-client 最终结合 AI 以及飞书机器人的集成实现消息的回复.

4. 相关源码介绍

4.1 mcp 服务端

服务端非常简单，例如保留一个天气的服务，只需要在方法上加入org.springframework.ai.tool.annotation.Tool; 注解即可

java 复制代码

import io.kings1990.mcp.mcpserver.enums.WeatherType;
import io.kings1990.mcp.mcpserver.record.WeatherRequest;
import io.kings1990.mcp.mcpserver.record.WeatherResult;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;

@Service
@Slf4j
public class WeatherService {


    @Tool(name = "getWeather", description = "查询指定城市的天气")
    public WeatherResult getWeather(@ToolParam(description = "请求参数") WeatherRequest req) {
        log.info("MCP Tool getWeather called, city={}", req.city());
        return new WeatherResult(
                req.city(),
                WeatherType.SUNNY,
                "25°C",
                "°C",
                "mcp:getWeather"
        );
    }
}

4.2 mcp客户端

4.2.1让 AI 集成 ToolCallbacks

java 复制代码

@Configuration
public class AiConfig {

    @Bean
    public ChatClient chatClient(ChatClient.Builder builder, List<McpSyncClient> mcpSyncClients) {
        return builder
                .defaultSystem("你是一个AI助手，必须调用工具 kings-spring-ai-mcp-tools 下的方法，如果工具不可用，就明确说明无法调用工具，不要编造。")
                .defaultToolCallbacks(
                        SyncMcpToolCallbackProvider.builder()
                                .mcpClients(mcpSyncClients)
                                .build()
                )
                .build();
    }
}

4.2.2基于飞书机器人的长链接集成，实现消息的自动回复

java 复制代码

import cn.hutool.core.thread.ThreadUtil;
import com.lark.oapi.event.EventDispatcher;
import com.lark.oapi.service.im.ImService;
import com.lark.oapi.service.im.v1.model.P2MessageReceiveV1;
import com.lark.oapi.ws.Client;
import jakarta.annotation.Resource;
import org.springframework.beans.factory.DisposableBean;
import org.springframework.boot.CommandLineRunner;
import org.springframework.stereotype.Component;

@Component
public class LarkWsListener implements CommandLineRunner, DisposableBean {

    @Resource
    private LarkBotService botService;

    @Resource
    private Client.Builder larkWsBuilder;

    @Override
    public void run(String... args) {
        //verificationToken和 encryptionKey 可选，用于验证和解密事件
        EventDispatcher handler = EventDispatcher.newBuilder("", "")
                .onP2MessageReceiveV1(new ImService.P2MessageReceiveV1Handler() {
                    @Override
                    public void handle(P2MessageReceiveV1 event) throws Exception {

                        // 1) messageId 用于 reply
                        String messageId = event.getEvent().getMessage().getMessageId();

                        // 2) content 是 JSON 字符串，需要解析出文本
                        String contentJson = event.getEvent().getMessage().getContent();

                        System.err.println("收到消息: " + contentJson);

                        String userText = LarkMsgParser.extractText(contentJson);

                        ThreadUtil.execAsync(() -> {
                            botService.onUserMessage(messageId, userText);
                        });

                    }
                })
                .build();

        // 建议把 appId/appSecret 放配置文件
        Client wsClient = larkWsBuilder.eventHandler(handler).build();

        wsClient.start();
    }


    @Override
    public void destroy() throws Exception {

    }
}

4.2.3 AI Api-Key 植入

我这边使用 zhipu ai. 这边可以获取api-key.

加入依赖

xml 复制代码

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-zhipuai</artifactId>
</dependency>

并且在配置中配置 api-key

xml 复制代码

spring:
  ai:
    zhipuai:
      api-key: your_api_key_here
      chat:
        options:
          model: glm-4.6

5.启动

直接运行mcp-client 主程序，查看飞书机器人是否注册成功

arduino 复制代码

connected to wss://msg-frontier.feishu.cn/

启动成功后在飞书应用里输入例如北京，等待机器人回复

6.源码

github 仓库. 可以 star 查看后续更新

Fast Request是一个类似于 Postman 的 IDEA 插件。它是一个强大的 restful api 工具包插件，可以根据已有的方法帮助您快速生成 url 和 params。 Restful Fast Request = API调试工具 + API管理工具 + API搜索工具。它有一个漂亮的界面来完成请求、检查服务器响应、存储你的 api 请求和导出 api 请求。插件帮助你在 IDEA 界面内更快更高效得调试你的 API