Spring AI 实战：如何使用 MCP Server 搭建 MCP 天气查询服务

@SmartSi2026-05-03 8:44

想象一下，你正在开发一个智能出行助手。用户问："我明天去北京出差，需要带伞吗？" 大模型本身没有实时数据，它的知识截止于训练日期，无法知道明天的天气预报。这时候，你的 AI 需要一个 工具（Tool） 来获取实时天气。

但传统的函数调用方式是碎片化的：每个框架有自己的定义格式，每个模型有自己的调用规范。MCP（Model Context Protocol） 的出现改变了这一切。它就像 AI 世界的"USB-C"接口，为模型与外部工具、数据源之间的通信提供了统一标准。

本文将带你使用 Spring AI 框架和免费的 wttr.in 天气服务，从零搭建一个 MCP（Model Context Protocol）天气服务，让大模型具备实时查询天气的能力。

1. 什么是 MCP？

MCP（Model Context Protocol）是 Anthropic 提出的一种开放协议，它定义了 AI 模型与外部世界交互的标准方式。通俗地说：大模型本身只拥有训练数据中的知识，它不知道今天的天气、无法查询你的数据库、不能调用你的内部 API。MCP 就是解决这个问题的"桥梁"------它让模型能够发现并使用外部工具（Tools），就像人用手去操作工具一样。

在 Spring AI 的世界里，MCP 分为两个角色：

角色 职责 对应依赖
MCP Server 暴露工具（Tool），供模型调用 spring-ai-starter-mcp-server-webflux
MCP Client 连接 Server，让模型发现和使用工具 spring-ai-starter-mcp-client

本文我们先聚焦 Server 端------把天气查询能力封装成一个 MCP 服务。

MCP 请详细阅读MCP 入门：什么是 MCP 模型上下文协议

2. wttr.in：命令行时代的天气神器

wttr.in 是一个面向开发者的免费天气服务。你可以在终端里如下使用：

bash 复制代码 
curl wttr.in/北京

它会返回一张精美的 ASCII 艺术天气图：

它同时也提供 JSON 输出模式，方便程序解析：

bash 复制代码 
curl "https://wttr.in/北京?format=j1&lang=zh"

返回的结构化数据如下（简化）：

json 复制代码 
{
  "current_condition": [
    {
      "FeelsLikeC": "24",
      "FeelsLikeF": "75",
      "cloudcover": "0",
      "humidity": "36",
      "lang_zh": [
        {
          "value": "局部多云"
        }
      ],
      "localObsDateTime": "2026-05-01 11:19 AM",
      "observation_time": "03:19 AM",
      "precipInches": "0.0",
      "precipMM": "0.0",
      "pressure": "1011",
      "pressureInches": "30",
      "temp_C": "25",
      "temp_F": "78",
      "uvIndex": "6",
      "visibility": "10",
      "visibilityMiles": "6",
      "weatherCode": "116",
      "weatherDesc": [
        {
          "value": "Partly cloudy"
        }
      ],
      "weatherIconUrl": [
        {
          "value": "https://cdn.worldweatheronline.com/images/wsymbols01_png_64/wsymbol_0002_sunny_intervals.png"
        }
      ],
      "winddir16Point": "E",
      "winddirDegree": "97",
      "windspeedKmph": "13",
      "windspeedMiles": "8"
    }
  ],
  "nearest_area": [...],
  "weather": [...]
}

关键字段说明：

字段 类型 含义
temp_C / temp_F string 实际温度，摄氏度 / 华氏度
FeelsLikeC / FeelsLikeF string 体感温度，摄氏度 / 华氏度（综合湿度、风速等因素）
humidity string 相对湿度，百分比（如 "36" 表示 36%）
cloudcover string 云量覆盖百分比（"0" 表示无云， "100" 表示完全遮蔽）
pressure / pressureInches string 大气压，毫巴（hPa）/ 英寸汞柱
precipMM / precipInches string 降水量，毫米 / 英寸（当前观测时段的累计降水）
visibility / visibilityMiles string 能见度，公里 / 英里
uvIndex string 紫外线指数（"0-2" 低，"3-5" 中等，"6-7" 高，"8-10" 很高，"11+" 极高）
weatherCode string 天气状况数字编码（WWO 标准代码，如 "113" 晴朗、"116" 局部多云）
weatherDesc array 英文天气描述文本，如 "Sunny"、"Partly cloudy"
lang_zh array 本地化中文天气描述，如 "晴朗"、"局部多云"
weatherIconUrl array 天气图标 URL，可直接用于前端展示
windspeedKmph / windspeedMiles string 风速，公里/小时(英里/小时)
winddir16Point string 风向，16 方位表示（如 N、NE、E、SSW）
winddirDegree string 风向，角度表示（"0" 为正北，"90" 为正东）
localObsDateTime string 本地观测时间（带时区）
observation_time string 观测 UTC 时间

注意 ：current_condition 是一个数组，weatherDesc 也是数组，取值时记得取第一个元素。

3. 项目搭建

3.1 依赖管理

3.1.1 Spring Boot 依赖管理

Spring Boot 本身提供 BOM（spring-boot-dependencies）管理 Boot 生态，通常由父 POM 管理：

xml 复制代码 
<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.5.14</version>
    <relativePath/>
</parent>
3.1.2 Spring AI 依赖管理

Spring AI 也提供 BOM 来管理 Spring AI 生态，声明了 Spring AI 指定所有依赖的推荐版本：

xml 复制代码 
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.1.5</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

统一管理 Spring AI 生态下所有组件的版本，你在 dependencies 中引入具体模块时无需再写版本号。

Spring AI 是一个多模块项目，包含：spring-ai-core、spring-ai-openai、spring-ai-mcp-server-webmvc 等。这些模块之间有严格的版本兼容关系。如果没有 BOM，你需要手动确保每个模块版本一致，容易出错。

3.1.3 添加依赖

添加 Spring Boot Web 和 Spring AI MCP 等相关依赖：

xml 复制代码 
<dependencies>
    <!-- Spring Boot 模块：WebFlux 响应式 Web 服务器 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-webflux</artifactId>
    </dependency>

    <!-- Spring AI 模块：版本由 BOM 管理 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
    </dependency>

    <!-- Lombok -->
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <scope>provided</scope>
    </dependency>
</dependencies>

Spring AI MCP Server 提供多种传输模式：STDIO （标准输入输出，适合本地进程通信）和 SSE （Server-Sent Events，适合远程服务）。本文选择 WebFlux SSE 模式 ，基于响应式编程，性能更好。你也可以选择 WebMvc SSE 模式，基于 Servlet，如果你更熟悉传统 Spring MVC 可以选这个。

完整 POM 如下所示：

xml 复制代码 
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <!-- 第一层：Spring Boot 父 POM，管理 Boot 生态 -->
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.5.14</version>
        <relativePath/>
    </parent>

    <artifactId>starter-webflux-server</artifactId>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <java.version>17</java.version>
        <spring-ai.version>1.1.5</spring-ai.version>
    </properties>

    <!-- 第二层：导入 Spring AI BOM，管理 AI 生态 -->
    <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>
        <!-- Spring Boot 模块：WebFlux 响应式 Web 服务器 -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-webflux</artifactId>
        </dependency>

        <!-- Spring AI 模块：版本由 BOM 管理 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
        </dependency>

        <!-- Lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <scope>provided</scope>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <annotationProcessorPaths>
                        <path>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </path>
                    </annotationProcessorPaths>
                </configuration>
            </plugin>

            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

3.2 配置文件

在 application.yml 中配置 MCP Server 配置：

复制代码 
server:
  port: 8888

spring:
  ai:
    mcp:
      server:
        enabled: true
        name: weather-mcp-webflux-server
        version: 1.0.0
        sse-endpoint: /sse
        sse-message-endpoint: /mcp/message
        capabilities:
          tool: true

配置说明：

属性 含义
sse-endpoint SSE 连接端点，Client 通过此端点建立事件流(观察客户端连接配置)
sse-message-endpoint 消息收发端点，Client 向 Server 发送工具调用请求
capabilities.tool 声明本 Server 支持 Tool 能力

3.3 ChatClient 配置

ChatClient 是 Spring AI 的对话入口。这里不需要额外配置 MCP 工具，工具由 MCP Client 自动发现，并在 Controller 层动态注入：

java 复制代码 
@Configuration
public class ChatConfig {
    // 远程 OpenAI 兼容协议大模型：百练
    @Bean
    public ChatClient chatClient(OpenAiChatModel chatModel) {
        return ChatClient.builder(chatModel)
                .build();
    }
}

3.4 启动类

java 复制代码 
@SpringBootApplication
public class McpServerApplication {
    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }
}

4. 把天气查询封装成 MCP Tool

MCP Server 的核心是 Tool（工具） 。Spring AI 用 @Tool 注解把任意 Java 方法暴露为 MCP 工具。

4.1 数据模型

根据 wttr.in 的 JSON 结构，定义三个 POJO：

java 复制代码 
@Data
@JsonIgnoreProperties(ignoreUnknown = true)
public class Weather {
    @JsonProperty(value = "current_condition")
    private List<CurrentCondition> currentConditions;
}

@Data
@JsonIgnoreProperties(ignoreUnknown = true)
public class CurrentCondition {
    @JsonProperty(value = "FeelsLikeC")
    private String feelsLikeC;
    private String humidity;
    private String localObsDateTime;
    private String precipMM;
    private String pressure;
    @JsonProperty(value = "temp_C")
    private String tempC;
    private String uvIndex;
    private String visibility;
    @JsonProperty(value = "lang_zh")
    private List<WeatherLangZh> langZh;
    private String winddir16Point;
    private String windspeedKmph;
}

@Data
public class WeatherLangZh {
    private String value;
}

@JsonIgnoreProperties(ignoreUnknown = true) 确保 wttr.in 返回的冗余字段不会导致反序列化失败。

4.2 WeatherService ------ MCP Tool 的核心实现

WeatherService 是 MCP Tool 的核心实现：

java 复制代码 
@Service
public class WeatherService {
    private static final String BASE_URL = "https://wttr.in";
    private final RestClient restClient;

    public WeatherService() {
        this.restClient = RestClient.builder()
                .baseUrl(BASE_URL)
                .defaultHeader("Accept", "application/json")
                .defaultHeader("User-Agent", "WeatherApiClient/1.0 (your@email.com)")
                .build();
    }

    //  Tool
    @Tool(name = "get_weather", description = "获取指定中国城市的当前天气信息。输入为城市中文名（如 北京、上海、杭州）返回包含温度、湿度、天气状况、风速等信息的格式化字符串。")
    public String getWeatherByCity(@ToolParam(description = "获取天气预报的城市", required = true) String cityName) {
        // wttr.in 返回 JSON 内容但 Content-Type 是 text/plain，
        // 先用 String 接收，再手动用 ObjectMapper 解析为 Weather
        String response = restClient.get()
                .uri("/{city_name}?format=j1&lang=zh", cityName)
                .retrieve()
                .body(String.class);

        Weather weather;
        try {
            ObjectMapper mapper = new ObjectMapper();
            weather = mapper.readValue(response, Weather.class);
        } catch (Exception e) {
            throw new RuntimeException("解析天气数据失败: " + e.getMessage(), e);
        }

        List<CurrentCondition> conditions = weather.getCurrentConditions();
        if (conditions == null || conditions.isEmpty()) {
            return null;
        }
        CurrentCondition condition = conditions.get(0);
        String result = String.format("""
                    城市: %s
                    天气情况: %s
                    气压: %s（mb）
                    温度: %s°C (Feels like: %s°C)
                    湿度: %s%%
                    降水量:%s (mm)
                    风速: %s km/h (%s)
                    能见度: %s 公里
                    紫外线指数: %s
                    观测时间: %s
                    """,
                cityName,
                condition.getLangZh().get(0).getValue(),
                condition.getPressure(),
                condition.getTempC(),
                condition.getFeelsLikeC(),
                condition.getHumidity(),
                condition.getPrecipMM(),
                condition.getWindspeedKmph(),
                condition.getWinddir16Point(),
                condition.getVisibility(),
                condition.getUvIndex(),
                condition.getLocalObsDateTime()
        );
        return result;
    }
}

代码要点解析：

  • @Tool 注解 ：这是 Spring AI 暴露 MCP Tool 的关键。name 是工具标识，description 会被大模型读取，直接影响模型"是否调用"以及"如何调用"这个工具。描述一定要清晰、包含示例。
  • @ToolParam ：标注工具参数，description 帮助模型理解参数含义，required 标记是否必填。
  • wttr.in 的特殊处理：它返回 JSON 内容但 Content-Type 声明为 text/plain，所以先用 String.class 接收响应体，再用 ObjectMapper 手动反序列化。

@Tool 的 description 非常重要------它直接决定了大模型会不会调用你的工具。描述越清晰、越具体，模型判断越准确。

4.3 主应用类注册 Tool

在主应用类中通过 MethodToolCallbackProvider 将 WeatherService 中的 @Tool 方法注册为 MCP 工具：

java 复制代码 
@SpringBootApplication
public class McpServerApplication {

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

    @Bean
    public MethodToolCallbackProvider weatherTools(WeatherService weatherService) {
        return MethodToolCallbackProvider.builder()
                .toolObjects(weatherService)
                .build();
    }
}

MethodToolCallbackProvider 会自动扫描 weatherService 中所有标记了 @Tool 的方法，并将其暴露给 MCP Client。

5. 运行与验证

5.1 启动服务

直接运行 McpServerApplication 类或者使用如下命令启动 MCP Server：

bash 复制代码 
./mvnw spring-boot:run

服务启动后，MCP Server 会暴露两个端点：

  • http://localhost:8888/sse ------ SSE 事件流端点
  • http://localhost:8888/mcp/message ------ 消息交互端点

5.2 验证 SSE 端点

运行如下命令验证 SSE 端点：

复制代码 
smarsi:~ smartsi$ curl http://localhost:8888/sse
event:endpoint
data:/mcp/message?sessionId=7edea68f-b612-4136-8e23-493c25f958c7

如果返回类似上述以 event:endpoint 开头的 SSE 流，说明 MCP Server 正常运行。

5.3 验证 Tool 调用

可以用 MCP Inspector 或任意支持 MCP Client 的工具连接 http://localhost:8888/sse，测试 get_weather 工具。输入参数 cityName = 北京，预期返回格式化的天气信息。在这使用 postman 测试：

6. 下一步：接入 MCP Client

本文完成的 MCP Server 可以独立运行，任何支持 MCP 协议的 Client 都可以连接它。下一篇文章将介绍如何在 Spring AI 应用中通过 MCP Client 连接这个天气服务，让大模型在对话中自动调用 get_weather 工具回答天气相关问题。

7. 总结

环节 关键动作
协议层 MCP 统一了模型与工具的交互标准
服务端 Spring AI @Tool + MethodToolCallbackProvider 暴露 Java 方法为 MCP Tool
传输层 WebFlux SSE 提供高性能的远程通信能力
数据源 wttr.in 免费、免认证，适合快速原型

通过本文，你已经拥有了一个可独立部署、可被任何 MCP Client 发现的天气查询服务。

完整代码：starter-webflux-server

相关推荐
海兰1 小时前
【开篇】Spring AI、OpenClaw 和Hermes
java·人工智能·spring·spring ai
qcx231 小时前
拆解 Warp AI Agent（五）：跨生态联邦——10 种 Skill + MCP + 多 Harness 互操作设计
人工智能·rust·ai agent·skill·warp·mcp·harness
无糖可乐没有灵魂6 小时前
AI Agent结构图例和工作流程描述
ai·llm·prompt·agent·mcp·skills
Joseph Cooper18 小时前
AI Agent 落地入门：从模型、工具到 Skills 与 MCP 的分工
人工智能·ai·agent·claude·skill·mcp
行者-全栈开发19 小时前
Spring AI + GPT-4 实战：API Key 安全管理与企业级集成方案（避坑指南）
openai api·错误处理·密钥管理·spring ai·企业级开发·请求封装·api 安全
@SmartSi21 小时前
Spring AI 实战：如何使用 MCP Client 接入 MCP 天气查询服务
spring ai·mcp
少许极端21 小时前
AI修炼记2-MCP
人工智能·ai·mcp
Zhencode21 小时前
Python创建MCP服务
python·mcp
热门推荐
01要裂开了！ChatGPT要手机号验证了？注册Codex要求验证电话号码怎么办？2026年登陆Codex要手机号验证的解决办法02GitHub 镜像站点03【AI】2026 年具身智能模型和世界模型总结04裂开！ChatGPT 居然开始要手机号验证，附详细解决方法05Codex 接入 DeepSeek API 完整配置文档062026年AI前瞻：量子AI、具身智能与科学发现的新纪元07零基础教你claude code 接入 deepseek V408在Windows 11上安装Docker的踩坑记录09实测可用｜小米 MiMo 百万亿 Token 免费领，开发者速冲102026年4月AI大事件深度解读：大模型竞争进入“深水区“