开发自定义MCP Server并部署

前言

如果对MCP从未了解过请看上篇文章《MCP详细介绍以及IDE和Spring AI中应用》

一.基于Stdio传输协议开发MCP Server

1.搭建项目

1.1创建父模块(父子工程管理)

删除一些不需要的文件比如src

1.2引入依赖版本管理

复制代码

    <properties>
        <maven.compiler.source>你的jdk版本</maven.compiler.source>
        <maven.compiler.target>你的jdk版本</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <spring-ai.version>1.0.1</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>

1.3创建子模块

1.4完善配置pom文件

复制代码

    <dependencies>
        <!--mcp-server  -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server</artifactId>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
        </dependency>
    </dependencies>
    
    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <version>3.5.3</version>
            </plugin>
        </plugins>
    </build>

目前不需要先配置yml文件

1.5建立包路径和启动类

2.开发MCP Server

以开发获取用户信息的MCP Server为例

2.1定义用户实体

复制代码

import lombok.Data;

@Data
@AllArgsConstructor
public class UserInfo {

    public String name;

    public Integer age;

    public String sex;

    public String address;

}

2.2定义工具

为了简化方便直接在内存中放入用户信息了(实际业务中可以连接数据库等第三方组件)

复制代码

import com.lyw.mcp.enity.UserInfo;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;

import java.util.HashMap;
import java.util.Map;

@Service
public class UserService {

    //存储用户信息
    static Map<String, UserInfo> userInfoMap = new HashMap<>();

    static {
        userInfoMap.put("zhangsan", new UserInfo("zhangsan", 15, "男", "北京"));
        userInfoMap.put("lisi", new UserInfo("lisi", 16, "男", "上海"));
        userInfoMap.put("wangwu", new UserInfo("wangwu", 17, "男", "广州"));
        userInfoMap.put("zhaoliu", new UserInfo("zhaoliu", 18, "女", "深圳"));
        userInfoMap.put("sunqi", new UserInfo("sunqi", 19, "女", "香港"));
        userInfoMap.put("zhaoba", new UserInfo("zhaoba", 20, "女", "澳门"));
    }

    @Tool(description = "获取用户信息")
    public String getUserInfo(@ToolParam(description = "用户名称") String name){
        if (userInfoMap.containsKey(name)) {
            return userInfoMap.get(name).toString();
        }

        return "用户信息不存在";
    }

}

2.3暴漏工具

复制代码

import com.lyw.mcp.service.UserService;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ToolsConfig {

    @Bean
    public ToolCallbackProvider getToolCallbackProvider(UserService userService) {
        return MethodToolCallbackProvider.builder()
                .toolObjects(userService) //注入工具对象
                .build();
    }
    
}

2.4添加配置文件yml

复制代码

spring:
  ai:
    mcp:
      server:
        name: user-info          # MCP Server 名称标识
        version: 0.0.1           # MCP Server 版本号
main:
  web-application-type: none     # 禁用Web容器(Tomcat)
  banner-mode: off               # 关闭Spring Boot启动横幅

2.5打jar包

3.客户端调用

以antigravity为例(cursor, trae, qoder等其他IDE同理)

如有不懂antigravity下载登录以及使用MCP Server的请看上篇文章

3.1mcpjson文件的配置

复制代码

{
  "mcpServers": {
    "user-info": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",
        "-Dlogging.pattern.console=",
        "-jar",
        "你的jar包路径(windows用户注意路径用\\)"
      ]
    }
  }
}

刷新之后就可以看到user-info服务了

3.2结果演示

3.3Spring AI调用MCP服务

基础的项目搭建以及引入依赖配置配置文件测试代码编写等请看上篇文章《MCP详细介绍以及IDE和Spring AI中应用》中的六.MCP使用中5.Spring AI 接入 MCP服务

在上述开发完的代码基础上只需在mcp-servers-config.json文件中配置上述mcpjson中的代码

3.4启动服务测试结果

二.基于SSE传输协议开发MCP Server

1.搭建项目

1.1创建模块

1.2引入依赖

复制代码

 <dependencies>
        <!--mcp-server  -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <version>3.5.3</version>
            </plugin>
        </plugins>
    </build>

1.3配置文件

复制代码

server:
  port: 9090

spring:
  ai:
    mcp:
      server:
        name: user-info          # MCP Server 名称标识
        version: 0.0.1           # MCP Server 版本号

2.项目迁移

把上述Stdio的代码完全可以迁移过来本项目

3.启动项目简单连接测试

访问此URL http://127.0.0.1:9090/sse

出现以结果代表成功

4.客户端调用

还是以antigravity和Spring AI 为例

4.1在antigravity中调用mcp server

在mcp_json文件中配置以下代码(可以删除或者注释掉刚才配置的代码)

复制代码

 "user-info": {
      "url": "http://127.0.0.1:9090/sse"
    }

刷新出现以下结果就添加成功

4.2antigravity中MCP 调用测试

保证后端服务不要关闭

4.3Spring AI的方式调用MCP服务

还是再在上述stdio的项目(mcp-client-demo)基础上修改配置yml文件

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
        sse:
          connections:
            user-info:
              url: http://127.0.0.1:9090/sse

4.4启动并且测试服务

三.补充

复制代码

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

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

上述两个依赖上者仅支持stdio 下者同时支持stdio和sse

此外还有一个starter依赖如下

复制代码

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

支持sse和stdio(但需要额外配置如下介绍)

但如果用户在使用 spring-boot-starter-web构建的项目中添加 spring-ai-starter-mcp-server-webflux，就会导致 MCP 端点（例如 /sse）无法正常工作。如下图

这是因为项目中同时存在 org.springframework.web.servlet.DispatcherServlet 和 org.springframework.web.reactive.DispatcherHandler，Spring Boot 默认优先考虑前者。

可以通过设置 spring.main.web-application-type=reactive 来解决

复制代码

spring:
  ai:
    mcp:
      server:
        name: user-info
        version: 0.0.1
  main:
    web-application-type: reactive #添加此配置

BUG具体介绍请参考以下链接

https://github.com/spring-projects/spring-ai/pull/3511

其他更多详细的关于spring ai关于mcp的介绍以及使用参考以下链接

https://docs.spring.io/spring-ai/reference/1.0/api/mcp/mcp-overview.html

四.MCP部署

1.部署方式

MCP 支持多种传输方式，而不同的协议决定了不同的部署策略.

本地部署：适合于 Stdio 传输方式 (进程间通信)
远程部署：适合于 SSE, WebFlux SSE 传输方式 (基于 SSE 协议的通信)

sse也支持本地但是没必要 sse是通过http client调用的部署远程更为合适

2.本地部署

本地部署其实就是我们上面案例中的部署方式，把 MCP Server 的代码进行打包，然后将其部署在主项目可以访问的路径。

比如把项目打包成 jar 包，然后把 jar 包上传到 MCP Client 能访问的路径，在配置文件中写清楚怎么启动它（比如用 java -jar xxx.jar 命令），主项目就能通过标准输入输出（stdio）跟它通信了。

这种方式比较简单粗暴，适合小项目，或者 demo 等不需要复杂的网络接口，也不用搞什么微服务，直接本地跑起来就行。

但问题来了：如果你有 5 个、10 个这样的 MCP 服务，是不是每个都得单独打包、上传、配一遍？那为什么不直接在主项目里多写几个工具调用，非要使用 MCP 的方式呢？

所以这种方式，虽然简单，但不够灵活，扩展性差，管理起来会比较麻烦。

3.远程部署

MCP服务远程部署与部署后端项目的流程是一样的，需要在服务器上部署服务。部署完成后就可以通过http调用。

作为 Java 开发者，更推荐使用远程部署，将MCP Server 注册为服务。

比如使用Nacos、Consul或者Eureka将 MCP Server 注册为微服务，然后由 API Gateway 统一暴露接口。

4.提交到平台

MCP服务部署好之后，还可以提交到各种MCP开源社区，让其他人也能使用你的MCP服务。

每个平台的提交规则不同，按各个平台要求操作即可。

大多数的MCP Server都是由python, ts/js开发的

比如 https://mcp.so

五.MCP推荐

1.Playwright

Playwright MCP Server 是一个基于 Playwright 构建的 Model Context Protocol 服务实现，它作为 AI 模型与浏览器自动化之间的桥梁，使大语言模型能够通过标准化协议直接操作网页内容。

Playwright 是一个由 Microsoft 开发的自动化测试工具，它可以：

控制浏览器（Chrome、Firefox、Safari）

自动点击、输入、截图、爬取网页

模拟真实用户操作

参考链接：https://github.com/microsoft/playwright-mcp

这个一般的AI IDE都会有内置的浏览器子代理 像antigravity有browser_subagent 共工具

1.1安装 Playwright MCP Server

复制代码

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": [
        "@playwright/mcp@latest"
      ]
    }
  }
}

2.Fetch

MCP Fetch 是一个网页内容抓取服务器，使大型语言模型能够：

从互联网检索网页内容

将 HTML 转换为易读的 Markdown 格式

分块读取长网页

参考链接：https://github.com/modelcontextprotocol/servers/tree/main/src/fetch

2.1安装

复制代码

"mcpServers": {
  "fetch": {
    "command": "uvx",
    "args": ["mcp-server-fetch"]
  }
}

上述两个MCP Server都能在MCP社区搜索到

2.2使用两个MCP Server

提示词

打开浏览器搜索https://livecodebench.github.io/gso.html这个链接然后将内容转化为markdown格式保存到我的桌面上

结果

更多好用的MCP Server可以去MCP 社区也可以通过短视频搜索的方式推荐好用的MCP 总之建议使用官方的使用个人MCP Server之前要确定没有恶意代码