人工智能（九）- Spring AI MCP客户端开发

人工智能（八）- Spring AI 开发MCP Server（Streamable HTTP）完整开发与测试

一、MCP 客户端

上一篇我们开发了MCP Server，现在来开发MCP Client。

通过 MCP Client 向服务器请求工具列表，服务器返回所有工具的详细信息，客户端可直接用于 function calling。

步骤一：引入pom 依赖

xml 复制代码

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

步骤二：开发 McpClient

java 复制代码

package org.devpotato.client;

import io.modelcontextprotocol.client.McpClient;
import io.modelcontextprotocol.client.McpSyncClient;
import io.modelcontextprotocol.client.transport.HttpClientStreamableHttpTransport;
import io.modelcontextprotocol.spec.McpSchema;

import java.time.Duration;
import java.util.HashMap;

public class McpClient {

    public static void main(String[] args) {
        // 创建Streamable HTTP Client
        McpSyncClient httpClient = createStreamableHttpClient();

        McpSchema.ListToolsResult toolsResult = httpClient.listTools();
        System.out.println("工具列表: " + toolsResult);

        McpSchema.CallToolRequest request = McpSchema.CallToolRequest.builder()
                .name("getWeather")
                .arguments(new HashMap<>() {{
                    put("city", "西安");
                }})
                .build();

        McpSchema.CallToolResult result = httpClient.callTool(request);
        System.out.println("工具列表调用结果: " + result);
    }

    /**
     * 创建Streamable HTTP类型的Client
     */
    private static McpSyncClient createStreamableHttpClient() {
        HttpClientStreamableHttpTransport transport = HttpClientStreamableHttpTransport
                .builder("http://localhost:8080")
                .endpoint("/mcp")
                .build();

        McpSyncClient client = McpClient.sync(transport)
                .clientInfo(new McpSchema.Implementation("http-client", "1.0.0"))
                .requestTimeout(Duration.ofSeconds(60))
                .build();

        client.initialize();

        return client;
    }
}

运行结果

csharp 复制代码

工具列表调用结果: CallToolResult[content=[TextContent[annotations=null, text="城市: 西安, 温度: 25°C, 天气: 晴", meta=null]], isError=false, structuredContent=null, meta=null]

二、MCP SDK 与 OpenAI SDK 协作流程

MCP SDK 与 OpenAI SDK 协作流程：

客户端用 MCP SDK 连接服务器，获取工具列表。
客户端用 OpenAI SDK 把用户输入和工具列表发给大模型。
大模型（通过 OpenAI SDK）决定是否需要调用工具。
如果需要，客户端用 MCP SDK 远程调用服务端工具，拿到结果。
客户端再用 OpenAI SDK 把工具结果发给大模型，生成最终回复。

随着MCP协议的普及，越来越多的AI IDE和平台支持作为MCP客户端，极大提升了工具集成和用户体验。现代AI IDE如Cursor、Claude Desktop等为开发者和非开发者都带来了全新的交互体验。

除了Cursor，Claude Desktop、Windsurf、LibreChat、MCP Inspector等也都可以作为MCP客户端。它们支持自动发现和调用MCP服务器上的工具，适合不同的团队协作和AI工作流场景。未来还会有更多AI IDE和平台支持MCP协议，MCP工具生态将更加繁荣。