SpringAI快速搭建mcp sse client & server服务

长路 ㅤ   2026-02-22 13:47

文章目录

前言

博主介绍：✌目前全网粉丝4W+，csdn博客专家、Java领域优质创作者，博客之星、阿里云平台优质作者、专注于Java后端技术领域。

涵盖技术内容：Java后端、大数据、算法、分布式微服务、中间件、前端、运维等。

博主所有博客文件目录索引：博客目录索引(持续更新)

CSDN搜索：长路

视频平台：b站-Coder长路

目标

搭建基于java的在线sse的mcp服务能够结合智能体完成mcp tools工具调用

快速构建基于Spring AI的MCP SSE Server服务（webflux）

官方文档

spring ai官方文档：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-server-boot-starter-docs.html

github仓库：https://github.com/spring-projects/spring-ai-examples/tree/main/model-context-protocol/weather/starter-webflux-server

提示：一定要仔细阅读readme，非常的详细。

详细构建步骤

引入依赖pom

xml 复制代码 
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.1.0-SNAPSHOT</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

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

1、配置启动器 & 默认配置文件

McpServerApplication.java：

java 复制代码 
@SpringBootApplication
public class McpServerApplication {

    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }

}

application.yml：

yaml 复制代码 
# Using spring-ai-starter-mcp-server-webmvc
spring:
  application:
    name: mcp-server
  main:
    web-application-type: reactive
    banner-mode: off
  ai:
    mcp:
      server:
        name: mcp-server-sse
        version: 1.0.0
        type: ASYNC
        stdio: false
        sse: true
        sse-endpoint: /sse
        capabilities:
          tool: true
          resource: true
          prompt: true
          completion: true
server:
  port: 8080

2、实现tools工具

java 复制代码 
@Service
public class UserService {
  
    @Tool(description = "获取用户信息，根据指定用户名")
    public String getUserInfo(String username) {
        if ("changlu".equals(username)) {
            return "changlu 18岁";
        }else if ("manman".equals(username)) {
            String info = "基本信息\n" +
                    "姓名：[manman]\n" +
                    "花名：[花名]\n" +
                    "职位：[职位]\n" +
                    "所属企业：[企业名称]\n" +
                    "岗位职级：[职级]\n" +
                    "工号：[工号]\n" +
                    "入职时间：[入职时间]\n" +
                    "专业背景\n" +
                    "[花名]先生目前就职于国内知名云计算服务提供商[企业名称]，担任[职位]一职，隶属于公司核心的产品技术部门。作为平台开发团队的一员，他专注于开发平台相关技术的研发工作，具备扎实的[职位]能力。\n" +
                    "技术岗位详情\n" +
                    "所属部门：[部门]\n" +
                    "直接上级：[上级姓名]\n" +
                    "工作地点：[工作地点]\n" +
                    "专业联系方式\n" +
                    "企业邮箱：[邮箱]\n" +
                    "联系电话：[电话号码]\n" +
                    "职业特点\n" +
                    "[花名]先生拥有"[职业感悟]"的职业感悟，体现了其从初级开发者逐步成长为专业技术人员的职业历程。作为[企业名称]的技术团队成员，他在云计算平台开发领域积累了丰富的实践经验，能够胜任企业级[职位]工作。\n" +
                    "备注：以上信息基于可公开的职场资料整理，专业沟通建议通过企业邮箱进行。";
            return info;
        }
        return "查无此人";
    }


    public static void main(String[] args) {
        UserService client = new UserService();
        System.out.println(client.getUserInfo("manman"));
    }

}

3、实现配置类ToolCallbackProvider

java 复制代码 
@Configuration
public class McpServerConfig {

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

}

测试：s单测验证是否可连接mcp服务 & 执行tool方法

首先我们把mcp服务启动：

单测有一个clientsse测试，示范了如何使用Client来去连接mcp服务，同时去获取tools列表以及去远程调用tools工具：

SampleClient.java：

java 复制代码 
public class SampleClient {

	private final McpClientTransport transport;

	public SampleClient(McpClientTransport transport) {
		this.transport = transport;
	}

	public void run() {

		var client = McpClient.sync(this.transport).build();

		client.initialize();

		client.ping();

		// List and demonstrate tools
		ListToolsResult toolsList = client.listTools();
		System.out.println("Available Tools = " + toolsList);

		CallToolResult callToolResult = client.callTool(new CallToolRequest("getUserInfo",
				Map.of("username", "changlu")));
		System.out.println(callToolResult);

	}

}

ClientSse.java：这里直接指定连接的服务ip及端口号即可，默认sseEndPoint为/sse

java 复制代码 
public class ClientSse {

	public static void main(String[] args) {
		var transport = new WebFluxSseClientTransport(WebClient.builder().baseUrl("http://localhost:8080"));
		new SampleClient(transport).run();
	}

}

接着我们直接运行单测，拉取tools，和请求tool服务方法处理：

cherrystudio测试使用

准备工作

1）配置一个mcp-server在设置中

2）选择sse模式，并设置sse的url路径地址

测试验证：

进入聊天界面，选择mcp服务：

之后，选择一个大模型，正常聊天询问具有tools相关的问题即可，大模型就会自主去发起让client调用tools工具：

效果如下：

快速构建基于Spring AI的MCP sse Client

官方文档

官方文档：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-client-boot-starter-docs.html

官方案例demo：https://github.com/spring-projects/spring-ai-examples/tree/main/model-context-protocol/client-starter/starter-webflux-client

提示：一定要仔细阅读readme，非常的详细。

详细构建步骤

1、引入pom依赖

xml 复制代码 
<properties>
    <maven.compiler.source>17</maven.compiler.source>
    <maven.compiler.target>17</maven.compiler.target>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <spring-ai.version>1.1.0-SNAPSHOT</spring-ai.version>
</properties>

<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.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-client-webflux</artifactId>
    </dependency>

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

</dependencies>

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

<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client参数 & sse参数（配置deepseek模型）

这里我们主配置文件为application.properties：这里我们选择使用了deepseek模型（与openai保持一致的协议实现）

properties 复制代码 
spring.application.name=mcp
# 如果这是一个 纯客户端应用（不需要 HTTP 服务），在 application.properties 中明确禁用 Web：
spring.main.web-application-type=none
spring.profiles.active=sse

ai.user.input=What tools are available?

# 大模型
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.api-key=${DEEP_SEEK_API_KEY}
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.chat.options.temperature=0.9

logging.level.io.modelcontextprotocol.client=WARN
logging.level.io.modelcontextprotocol.spec=WARN

# 开启mcp
# Enable the mcp client tool-callback auto-configuration
spring.ai.mcp.client.toolcallback.enabled=true

application-sse.yaml：这里指向了我们之前配置的sse server服务端口

yaml 复制代码 
spring:
  ai:
    mcp:
      client:
        sse:
          connections:
            server1:
              url: http://localhost:8080
#            server2:
#              url: http://otherserver:8081
#              sse-endpoint: /custom-sse

3、启动器类McpClientApplication.java

java 复制代码 
@SpringBootApplication
public class McpClientApplication {

    public static void main(String[] args) {
        SpringApplication.run(McpClientApplication.class, args);
    }

    @Value("${ai.user.input}")
    private String userInput;

    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {

        return args -> {

            var chatClient = chatClientBuilder
                    .defaultToolCallbacks(tools)
                    .build();

            System.out.println("\n>>> QUESTION: " + userInput);
            System.out.println("\n>>> ASSISTANT: " + chatClient.prompt(userInput).call().content());
            System.out.println("=====");
            System.out.println(chatClient.prompt("请获取manman的信息").call().content());
//            context.close();
        };
    }

}

测试验证

直接启动client服务：

同时还测试了主动结合我的问题去询问ai大模型，并同时主动去调用tools工具完成问题回答。

改造为web服务并提供chat聊天功能

1、pom依赖引入web stater依赖

xml 复制代码 
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

2、配置文件普通配置

application.properties：

properties 复制代码 
#spring.main.web-application-type=none
server.port=8081

3、配置类实现ChatClient初始化

java 复制代码 
@Configuration
public class ChatClientConfig {

    @Bean
    public ChatClient chatClient(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools) {
        ChatClient chatClient = chatClientBuilder.defaultToolCallbacks(tools)
                .build();
        return chatClient;
    }

}

4、实现chat控制器（流式回答接口）

java 复制代码 
@RestController
public class ChatController {

    @Autowired
    private ChatClient chatClient;

    // 流式响应
    @GetMapping(value = "/chat/stream",produces="text/html;charset=UTF-8")
    public Flux<String> chatStream(@RequestParam(value = "msg") String message) {
        return chatClient.prompt().user(message).stream().content();
    }

}

测试验证

启动server服务，同时再启动client服务：

测试一下：http://localhost:8081/chat/stream?msg=我想知道manman的信息

这个回答就是结合我们之前sse的服务来实现的。

扩展

spring ai alibaba

资料获取

大家点赞、收藏、关注、评论啦~

精彩专栏推荐订阅：在下方专栏👇🏻

更多博客与资料可查看👇🏻获取联系方式👇🏻，🍅文末获取开发资源及更多资源博客获取🍅

相关推荐
政安晨9 天前
政安晨【人工智能项目随笔】Model Context Protocol（MCP）开发与资源完整指南
人工智能·mcp·模型上下文协议·mcp协议·mcp服务·ai模型上下文通信·mcp资源
Light6013 天前
MCP：AI智能体时代的“USB-C接口“，微调终结者还是效率革命？
工具调用·ai智能体·mcp协议·企业ai·上下文管理·微调替代·标准化接口
紫小米1 个月前
MCP协议与实践
python·llm·mcp协议
明阳～2 个月前
AI世界的Type-C接口：MCP协议解析
llm·agent·a2a协议·mcp协议
Light603 个月前
MCP协议：CAD设计的“AI大脑”革命——从图纸到智能决策的全链路跃迁
人工智能·工业4.0·mcp协议·cad智能化·ai设计自动化
小码农叔叔7 个月前
Spring AI MCP 技术从使用到项目实战深度解析
spring ai mcp使用·spring ai mcp详解·spring ai mcp·spring ai mcp技术·spring ai mcp总结·spring ai mcp开发
学客汇7 个月前
MCP + LLM + Agent 8大架构：Agent能力、系统架构及技术实践
生成式ai·ai agent·智能体·mcp协议
Xxtaoaooo7 个月前
MCP协议全景解析：从工业总线到AI智能体的连接革命
大数据·人工智能·mcp协议·mcp解析·工业mcp
摘星编程7 个月前
MCP协议深度解析：客户端-服务器架构的技术创新
网络协议·技术创新·系统架构设计·mcp协议·客户端服务器架构
热门推荐
01GitHub 镜像站点02AI Agent 平台横评：ZeroClaw vs OpenClaw vs Nanobot03Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services04如何解决 OpenClaw “Pairing required” 报错：两种官方解决方案详解05全面体验 Grok API 中转站（2025 · Grok 4 系列最新版）06MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法07openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南08配置 OpenClaw 使用 Ollama 本地模型09Tripo AI：构建游戏就绪的3D资产10【OpenClaw 本地实战 Ep.3】突破瓶颈：强制修改 openclaw.json 解锁 32k 上下文记忆