MCP详细介绍以及IDE和Spring AI中应用

刘 大 望2026-03-24 8:25

一.MCP的由来

在当今快速发展的 AI 应用生态中，有越来越多这样的应用场景：

  • 某智能助手需要调用高德地图获取位置信息
  • 用户提问时，系统要通过进行联网搜索
  • 企业内部多个 AI 应用都依赖同一个用户权限校验服务、知识库查询工具或者审批流程接口

这个时候问题就来了，Tool Calling (工具调用) 可以使大模型能够突破语言生成的局限，主动调用外部系统完成实际任务。然而，随着工具数量增长和应用场景复杂化，传统的 Tool Calling 实现方式逐渐暴露出一系列工程挑战：

  • 工具接口格式不统一，需为每个服务定制解析逻辑；
  • 模型侧需硬编码工具定义 (如函数名、参数 schema)，缺乏动态发现能力；
  • 多平台兼容性差
  • ......

为了解决这个问题，一个名为模型上下文协议 (Model Context Protocol, MCP) 的标准应运而生。MCP 并不替代 Tool Calling，而是为其提供一个统一、可扩展、跨平台的连接基础设施。

MCP 是 Tool Calling 的 "标准化运行时"可以把两者的关系理解为：

  • Tool Calling 是 "决策行为"：模型决定 "要不要调用工具"、"调哪个工具"、"传什么参数"
  • MCP 是 "通信协议"：规定 "如何描述工具"、"如何发起调用"、"如何传递结果"、"如何管理会话状态"

这就像 Web 应用中的浏览器与 HTTP 协议的关系：

  • 浏览器决定要访问哪个页面 (相当于模型发起 Tool Calling)
  • 而真正完成数据传输的是底层的 HTTP 协议 (相当于 MCP 承载调用过程)

假设你要做一个旅游推荐机器人，它可以：

  • 查天气
  • 查景点信息
  • 预定酒店

这些功能分别由三个不同的团队提供服务。如果每个服务都自己定义一套交互方式 ------ 有的用 REST API，有的用 gRPC，有的返回 XML，有的要求特定 Header 认证...... 如果没有 MCP，你的 AI 应用程序就要写三套调用逻辑，维护三种错误处理机制，非常麻烦。

更糟糕的是，AI 本身并不直接理解 HTTP 请求怎么发、JSON 怎么构造。它只能告诉你："我想查某个用户的地址。" 至于怎么调用接口、传什么参数、如何解析结果，必须有人帮它完成。于是，我们需要一个 "翻译官"+"中介平台"------ 这就是 MCP 诞生的意义。

接下来我们就来聊聊什么是 MCP，它为什么重要，以及它是如何工作的。

二.MCP是什么?

MCP (Model Context Protocol) 是一个开放标准协议，它的目标是让大模型驱动的 AI 应用（比如 Claude、ChatGPT 等）能够像 "插上 USB-C 接口" 一样，轻松连接到外部系统 ------ 包括数据库、文件、工具、软件甚至物理设备。

你可以把它想象成：AI 的 "万能插座" 或 "通用接口"。

以前每个 AI 工具要接入某个服务（如日历、邮箱），都得单独开发一套对接逻辑；现在有了 MCP，就像所有设备都统一用 USB-C 充电一样，只要遵循这个标准，就能即插即用。

三.MCP能做什么

MCP 让 AI 模型不再只是 "聊天机器人"，而是可以：

  • 获取你的私人数据 (在授权前提下)
  • 使用专业工具执行任务
  • 自动完成复杂工作流

案例 1: 企业级数据分析助手

销售经理问："为什么上个月华南区销量下降了？"

  • AI 通过 MCP 同时访问：
    • CRM 系统 (客户跟进记录)
    • ERP 系统 (库存与发货数据)
    • 邮件系统 (内部沟通异常报告)
  • 分析发现：某关键供应商延迟交货导致缺货
  • 自动生成可视化图表 + 改进建议文档

不同角色的核心价值

  • 对于开发者而言，可以不再为每个 AI 应用重复开发插件，只需做一个 MCP Server，多个 AI 都能调用。
  • 对于 AI 应用商而言，可以快速集成海量工具，增强产品竞争力（比如让 ChatGPT 能控制微信）。
  • 对于普通用户而言，可以获得更聪明、更懂你、能办事的 AI 助手，而不是只会回答问题的 "百科机器人"。

更多详尽内容请看MCP官网https://modelcontextprotocol.io/docs/getting-started/intro

四.MCP Java SDK架构

  • Client/Server 层 ：McpClient 处理客户端操作，McpServer 管理服务端协议操作，二者均通过 McpSession 进行通信管理。
  • Session 层 (McpSession) ：通过 DefaultMcpSession 实现管理通信模式及状态。
  • Transport 层 (McpTransport)：处理 JSON-RPC 消息的序列化与反序列化，支持多种传输协议实现。

MCP 三层架构与外卖系统类比

MCP 架构层 功能说明 比喻
Client / Server 谁发起请求？谁处理任务？ 顾客和餐厅厨师
Session 层 管理会话生命周期，确保不丢单、不错乱 订单管理系统（订单号、状态跟踪）
Transport 层 消息怎么传过去？用什么方式送？ 手机消息通道 + 外卖骑手

场景示例：用 AI 助手点外卖

假设你在家用「AI 小助手」帮你点一份牛肉汉堡：你对家里的智能语音助手说："帮我点个麦当劳的牛肉汉堡，加番茄酱，不要洋葱"，这个 AI 助手是用 Java 写的，并使用了 MCP Java SDK 来连接一个「餐厅订单服务」。

第一层：Client/Server ------「谁点餐？谁做饭？」

这一层决定：谁发起请求？谁负责执行？

  • McpClient（客户端） ：你是顾客，AI 是你的「点餐代理」
    • McpClient 就像你的私人助理。
    • 它接收你说的话："点牛肉汉堡"，然后把它转化成标准格式的请求，发给餐厅系统。
    • 它不关心怎么送消息、也不管网络细节，只关心："我要下单"。
  • McpServer（服务端） → 麦当劳厨房 + 订单处理系统
    • McpServer 是麦当劳那边提供的「标准化接单服务」。
    • 它收到请求后，会进行相关处理，比如检查菜单是否存在、库存是否充足、能否定制（比如不要洋葱），然后安排厨师做汉堡。
    • 处理完后，返回结果："订单已创建，预计 25 分钟送达。"

第二层：Session 层 (DefaultMcpSession) ------「订单管理系统」

这一层负责：管理对话过程，确保不丢单、不错乱、能追踪状态。

想象一下，如果你同时点了汉堡、奶茶、薯条，还问了好几次 "做好了吗？"、"骑手出发了吗？"，怎么办？这时候就需要一个「订单管家」来管理全过程：

  • 当你第一次点餐时，它创建一个「会话」（就像打开一个聊天窗口）。
  • 给每个请求分配唯一编号（如 order-1001），防止多个订单混淆。
  • 记录当前状态：初始化中 → 下单成功 → 制作中 → 骑手取餐 → 配送中 → 已送达。
  • 支持异步通信：你可以继续问「奶茶好了吗？」，而不用等汉堡先送到。

第三层：Transport 层 (McpTransport) ------「外卖骑手 + 通信管道」

这一层解决：消息怎么传过去？用什么方式送？

即使你知道要点啥、厨房也知道怎么做，但如果没人送信，一切白搭。McpTransport → 就是「信息快递员」，它的任务是：

  • 把你的点餐请求（Java 对象）变成一串可以传输的数据（JSON-RPC 格式）。
  • 通过某种「运输方式」发送给服务器。
  • 再把服务器的回复原样带回来，还原成 Java 对象。

五.传输协议

MCP Java SDK 支持的传输协议

MCP Java SDK 提供了多种 "通信方式"，让 AI 应用（客户端）能灵活地与各种工具服务（服务器）进行对话。就像你可以用微信、打电话、或者当面喊人来传递消息一样，MCP 支持不同的 "传输方式"------ 这就是所谓的 传输协议 (Transport Protocol)。

目前它支持三种传输方式：

  1. 基于 Stdio 的进程间通信传输协议
    • 通过标准输入 / 输出（stdin 和 stdout）在两个程序之间传消息，高效直接
    • 类比：两个人面对面交谈
  2. 基于 Java HttpClient 的 SSE 客户端传输协议
    • 基于 Java HttpClient 发起 HTTP 请求，并接收服务端持续发送的事件流（SSE）
    • 类比：两个人使用微信聊天，微信持续发消息更新进度
  3. WebFlux SSE 客户端传输协议（用于响应式 HTTP 流式通信）
    • 基于 WebFlux 的非阻塞、响应式编程模型，处理 SSE 流

响应式系统类比

类似开车上班，导航不只是告诉你一次路线，而是全程动态调整：

  • "前方拥堵，建议绕行"
  • "还有 2 公里进入高架"
  • "预计迟到 5 分钟"

而且它能同时监控多个车辆、自动调节信息频率 ------ 这就是 响应式系统 (Reactive System)。

六.MCP使用

1.MCP Server

推荐几个MCP Server网址

https://mcpflow.io/home

https://mcp.so/

这些MCP Server有官方实现 也有个体实现 可以集成的

2.MCP Client

有了 MCP 服务器之后，如何在实际开发或使用中调用这些服务？这就需要借助 MCP 客户端（MCP Client）。

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。不同的客户端对 MCP 协议的支持程度各不相同，有的仅支持基础功能，有的则实现了完整的多模态集成能力，比如资源访问、工具调用、提示工程（Prompts）、采样生成（Sampling）等。

现在市面上有很多类型的 MCP 客户端，比如电脑软件、代码编辑器插件、智能自动化框架等。它们各有侧重：有些适合程序员辅助写代码，有些功能更全面，适合处理复杂任务流程，用户可以根据自己的需求选择合适的客户端。

客户端集成功能有: Resources Prompts Tools Sampling Roots

可能全集成也可能部分集成

客户端：Client Application / Tool，也就是用来连接和使用 MCP 服务器的 "软件" 或 "工具"，比如一个编辑器插件、桌面应用或者开发软件。

核心功能项解释

  • Resources：资源访问能力，指能否读取或列出远程 MCP 服务器提供的文件、数据集、知识库等资源。核心是能不能 "看到" 并使用服务器上的资料，比如项目文档、API 文档，类比为连上一个网盘后，能否浏览里面的文件夹和文件。
  • Prompts ：提示工程支持。允许客户端发送预定义或动态构造的 Prompt 模板给 MCP 服务器，用于引导 AI 输出特定内容，区别于普通的聊天式提示词。例如 /test 自动生成测试代码，这是由 MCP 协议标准化支持的结构化、可复用的提示模板系统。
  • Tools：工具调用能力。表示客户端是否支持调用 MCP 服务器暴露的功能接口。核心是能不能让 AI"动手做事"，不只是回答问题，还能执行操作，比如运行一段代码、搜索网络、调用某个 API 发消息。
  • Sampling：采样生成能力。支持生成多个候选结果（多轮采样），并进行对比、排序或选择最优输出的能力，通常用于提高生成质量或探索多种可能性。核心是能不能让 AI"多想几个答案" 再挑最优解，比如生成 5 种不同的代码实现方式。
  • Roots：权限边界控制能力。定义客户端可访问的资源根目录范围，是一种安全隔离机制，比如限制 AI 只能访问当前项目目录，不能越权读取其他隐私文件。

下面以antigravity(AI IDE工具)中使用为例 其他的IDE也是类似比如cursor qoder trae等等

3.环境准备

在使用 MCP Client 之前, 通常需要先运行一个或多个 MCP Server 实例. 而许多 MCP Server是通过 npx（TS/JS相关） 或 uv （Python相关）命令启动的, 在开始使用前, 必须正确配置相应的运行环境.

在 MCP 生态中，部分 MCP Server 实现是用 TypeScript 或 JavaScript 编写的，需依赖 Node.js 来运行。

npm 与 npx 的区别

  • npm（Node Package Manager）是 Node.js 自带的包管理工具，用于安装和管理 JavaScript 包。
  • npx 是随 npm 5.2.0 及以上版本附带的工具，用于执行 npm 包中的可执行命令，支持临时下载并运行远程包

Python 与现代包管理工具 uv

许多 MCP Server 使用 Python 编写，在 MCP 生态中，uv 被推荐作为首选工具来运行基于 Python 的 MCP Server。

安装必要的软件

组件 用途
Node.js（含 npm 和 npx） 运行基于 JavaScript/TypeScript 的 MCP Server
Python 3.8+ 运行基于 Python 的 MCP Server
uv 高效管理 Python 包与虚拟环境

安装Node.js

链接 https://nodejs.org/zh-cn?spm=a2ty02.30260236.d_text_model_experience.6.58fd74a1PEO7zF

安装流程

  1. 双击安装文件
  2. 按向导提示进行安装
  3. 务必勾选 "Add to PATH" 选项（Windows 用户尤其注意）
  4. 完成安装

验证安装结果

打开终端（Terminal）或命令提示符（Command Prompt），依次输入以下命令：

安装Python解释器

链接 https://www.python.org/downloads/

安装流程

  1. 双击安装文件，按向导提示进行安装
  2. 安装路径避免出现中文
  3. 务必勾选 "Add to PATH" 选项（Windows 用户尤其注意）
  4. 务必勾选 pip 选项，安装 Python 包管理工具
  5. 完成安装

具体安装流程参考 https://www.cnblogs.com/ljbguanli/p/19002797

Python 安装验证

打开终端（Terminal）或命令提示符（Command Prompt），依次运行以下命令：

4.在antigravity中使用MCP

在官网下载antigravity https://antigravity.google/

下载之后登录(梯子要开tun模式才能登录以及使用)

以调用百度地图 mcp为例

登录之后聊天框右上角有个mcp servers

点击之后 再点击Manage Mcp Servers

在弹出来的页面中点击view raw config

有一个mcp_config.json文件 在这个文件中就可以配置各种MCP Server

先去https://lbsyun.baidu.com/apiconsole/key 上申请一个API key

点击创建应用就可以创建了

在MCP社区中找到百度地图相关的MCP Server

https://mcpflow.io/home?mcp=59586624-3c14-495a-8545-e323eb9d4554&tab=detail

选择node.js环境集成

配置mcp_config.json文件 填入API-KEY

复制代码 
{
  "mcpServers": {

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

  }
}

配置好之后保存并且刷新

出现这个代表成功

效果演示

根据查询天气的这个Tool来演示

提示词

查询当前北京的天气以及未来三天的天气情况

可以看到会调用baidu-map来查询

5.Spring AI 接入 MCP服务

5.1.搭建项目

a) 先创建maven项目

b) 添加依赖

复制代码 
 <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>
    </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>

未接入MCP结果

5.2.以百度地图为例 接⼊MCP Server

a) 添加依赖

复制代码 
         <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-client</artifactId>
        </dependency>

b) 添加yml文件配置

复制代码 
spring:
  ai:
    dashscope:
      api-key: ${DASH_SCOPE_API_KEY}
    mcp:
      client:
        request-timeout: 60000
        stdio:
          servers-configuration: classpath:/mcp/mcp-servers-config.json

c) 根据路径创建json文件

d) 添加MCP 配置

复制代码 
{
  "mcpServers": {
    "baidu-map": {
      "command": "npx.cmd",
      "args": [
        "-y",
        "@baidumap/mcp-server-baidu-map"
      ],
      "env": {
        "BAIDU_MAP_API_KEY": "在百度地图申请的AK"
      }
    }
  }
}

e) 工具绑定到ChatClient上

复制代码 
public ChatController(DashScopeChatModel dashScopeChatModel, ToolCallbackProvider toolCallbackProvider) {
        this.client = ChatClient.builder(dashScopeChatModel)
                .defaultToolCallbacks(toolCallbackProvider)
                .build();
    }

spring会自动的将json文件配置的mcp server中的工具绑定到ChatClient上

f) 重启测试

以下浏览器天气搜索出来的 可以看到可以正确调用百度地图的weather tool工具 结果正确

相关推荐
宝耶2 小时前
Java面试题5：List、Set、Map 的区别？各自有哪些实现类？
java·开发语言·list
Cosmoshhhyyy2 小时前
《Effective Java》解读第44条：坚持使用标准的函数接口
java·开发语言
无她022 小时前
AI为什么能“触类旁通”？万字拆解词嵌入（Embeddings）的底层逻辑
人工智能
广州赛远2 小时前
埃夫特ER6L码垛机器人防护服等级解析：避开选型误区与性能陷阱
网络·人工智能
Cx330❀2 小时前
Linux System V标准简介
大数据·linux·运维·服务器·人工智能
毕设源码-朱学姐2 小时前
【开题答辩全过程】以 基于springBoot的考试成绩管理系统为例，包含答辩的问题和答案
java·spring boot·后端
TG_yunshuguoji2 小时前
阿里云渠道商：百炼模型调优实战 5 步完成高效训练
人工智能·机器学习·阿里云·云计算
Zero2 小时前
机器学习线性代数--(9)叉积
人工智能·线性代数·机器学习
jing-ya2 小时前
day 60 图论part11
java·数据结构·算法·图论
热门推荐
01GitHub 镜像站点02Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南03围棋-html版本04小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）05班级宠物园部署指南06OpenClaw 使用和管理 MCP 完全指南07“wsl --install -d Ubuntu-22.04”下载慢，中国地区离线安装 Ubuntu 22.04 WSL方法（亲测2025年5月6日）08UV安装并设置国内源09AI 编程三剑客：Spec-Kit、OpenSpec、Superpowers 深度对比与实战指南10OpenClaw Control UI安全上下文访问配置