别再重复适配了！用MCP给AI配个"万能工具箱"，Java项目接入新能力再也不改代码

搞AI开发的时候，不知道你有没有遇到过这种场景：

一开始用OpenAI写了个查订单的Function Calling，跑得挺好。半年后老板说要换成通义千问，结果发现参数格式全变了，所有工具都得重写一遍。

再过一阵子，业务方说想给AI加个文件系统访问能力，又得从头开发一遍。开发群里天天问：能不能一套工具适配所有模型？

我最近在项目中接触到的一个东西，恰好能解决这个问题------MCP（Model Context Protocol） 。简单说，它就是AI领域的"USB-C接口"。

📌 MCP到底是什么？AI界的"万能插座"

如果你接触过Function Calling，会知道它的运行方式是：你要先定义好几个工具函数，调用AI模型时，把这些工具声明一起发过去，模型判断该用哪个。

但这有个很头疼的限制------工具是静态的 。每次要新增能力，都得改代码、重新部署，不能动态增减。

MCP就是来解决这个问题的。它是一种标准化协议 ，让AI模型和外部工具之间用统一的规范来通信。把MCP想象成USB-C接口------不管你插的是U盘还是硬盘，接口都一样。用了MCP之后，不管用什么AI模型，接入一套MCP Server，模型就能自动发现并使用这些能力。

🛠️ 用Spring Boot + MCP接工具，到底有多省事儿？

直接上代码。目标很简单：让AI能访问公司内部Git仓库，问"帮我看看最近一周有哪些代码提交"，AI自动调用工具，返回结果。

第一步：添加依赖

xml 复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
    <version>1.1.2.0</version>
</dependency>
<!-- MCP Client自动配置包 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-client</artifactId>
</dependency>

第二步：告诉AI要去哪里接工具

在 application.yml 里加一段配置，让应用知道从哪里找MCP服务：

yaml 复制代码

spring:
  ai:
    mcp:
      client:
        toolcallback:
          enabled: true
        stdio:
          servers-configuration: classpath:/mcp-server.json5

然后在 src/main/resources 下创建 mcp-server.json5：

json 复制代码

{
  "mcpServers": {
    "company-git": {
      "command": "npx",
      "args": ["-y", "@mycompany/git-mcp-server"],
      "env": {
        "GIT_API_TOKEN": "${MY_GIT_TOKEN}"
      }
    }
  }
}

这段文件的作用很简单：告诉MCP Client，有个 company-git 服务，用 npx 启动它，运行时注入Git的Token。

第三步：配置ChatClient

java 复制代码

@Configuration
public class AiConfig {
    
    @Bean
    public ChatClient chatClient(ChatModel chatModel,
                                 ToolCallbackProvider toolCallbackProvider) {
        return ChatClient.builder(chatModel)
                .defaultSystem("你是公司内部的智能助理。")
                .defaultTools(toolCallbackProvider)
                .build();
    }
}

第四步：写个Controller测试

java 复制代码

@RestController
public class ChatController {
    
    @Autowired
    private ChatClient chatClient;
    
    @PostMapping("/chat")
    public String chat(@RequestBody String userMessage) {
        return chatClient.prompt()
                .user(userMessage)
                .call()
                .content();
    }
}

然后向接口发一个请求：

text 复制代码

POST /chat
{
    "userMessage": "帮我查一下最近一周有哪些代码提交"
}

AI会自己判断要调用Git MCP Server里的工具，从仓库里拉出提交记录，再把结果整理成你能看懂的人话。

整个过程里，一行工具实现的代码都没写。所有能力都来自MCP Server的自动发现和注册。

🤔 MCP比Function Calling多了什么？

两者不是二选一的关系，它们在AI工具调用的链路中干的是不同的事。

角度	Function Calling	MCP
做什么的	模型自己决定调用哪个工具	模型和工具之间对话的"翻译官"
工具怎么来	代码里硬编码工具声明	独立服务动态提供，工具增减无需改应用代码
一个模型一套工具吗	对，换个模型可能要重写	模型和工具完全解耦，一套MCP Server服务于任何支持MCP的模型

有人形象地总结过：FC是AI的"决策层"，负责选工具、生成参数；MCP是后端与工具间的"执行协议"，统一调用标准。在一个完整的AI Agent架构里，两者可以配合使用，不冲突。

💡 实际开发中的几个坑

1. 启动MCP Server的命令路径

mcp-server.json5 里的 command 字段，如果填 npx 或 python，MCP Client会用它尝试启动子进程。但如果运行Spring Boot的环境里没有全局安装这些命令，就会启动失败。Java开发者普遍更熟悉JVM环境，跨语言启动Python/Node服务时，建议在部署前检查目标环境是否包含所需运行时，或者把MCP Server打成独立可执行文件再配置 command 路径。

2. 环境变量别写死

Token、密钥这类敏感信息，一定要用 "${ENV_NAME}" 的写法传进去，千万不要明文写在配置文件里提交到代码仓库。

3. 超时配置很关键

有的MCP Server执行耗时比较长。可以在 application.yml 里配置合适的 request-timeout：

yaml 复制代码

spring:
  ai:
    mcp:
      client:
        request-timeout: 30s

📌 实战中怎么选：什么时候上MCP，什么时候用FC？

场景	推荐方案	理由
工具不多、业务边界清晰，团队对当前模型调用稳定满意	Function Calling	实现简单直接，没有额外的运维负担
预期工具会持续扩展（如接入第三方API服务、内部多个业务系统），或者准备对接多个大模型厂商	MCP	一次接入，处处可用

两者的关系更像互补而非互相替代。有数据统计，目前63%的企业级AI Agent采用混合架构，核心业务上继续用Function Calling保证性能，创新业务上通过MCP快速探索接入新工具。

这次我们聊的是MCP Client接入已有工具 ，也就是AI应用怎么"消费"别人写好的MCP服务。下一期可以考虑聊聊MCP Server，即如何把业务系统里的接口包装成MCP标准服务，给更多AI应用复用。