MCP协议火了，但到底怎么用？我花了一个周末用Java接入了5个MCP Server

最近半年技术圈最火的概念，MCP绝对算一个。

但说实话，我一开始是没搞明白的。看了几篇介绍文章，满屏的"JSON-RPC 2.0"、"stdio transport"、"SSE transport"------每个字都认识，连起来就是不知道在说啥。

后来我发现，绝大多数讲MCP的文章都有个问题：要么太底层，一上来就讲协议规范；要么太概念，满篇比喻但没一行能跑的代码。

这篇文章我换个方式------不讲虚的，直接说我周末做了什么：用Java接了5个MCP Server，跑通了完整的调用链路。过程写下来，你跟着做一遍就懂了。

先用最土的话说清楚MCP是啥

你用Claude或者Cursor的时候，有没有想过一个问题：AI怎么知道你本地有哪些文件？怎么知道你的GitHub仓库长啥样？怎么连上你的数据库的？

答案就是MCP------Model Context Protocol。

你可以把它理解成"AI的USB接口"。以前你想让AI连一个新工具（比如GitHub），得写专门的集成代码。换一个AI工具，又得重写一遍。N个AI乘以M个工具，就是N×M份集成代码。

MCP干的事就是把这变成N+M：每个工具写一个MCP Server，每个AI实现一个MCP Client，大家用同一套协议通信。写一次，到处用。

打个更直白的比方------你手机以前充电，每个品牌一个接口。现在全是Type-C了。MCP就是AI工具界的Type-C。

截至2026年中，社区已经有5800多个公开的MCP Server了，覆盖数据库、GitHub、Slack、文件系统等等。基本上你能想到的常见工具都有现成的Server。

我接了哪5个MCP Server

周末挑了5个比较实用的：

filesystem --- 让AI能读写本地文件
github --- 让AI能看你的仓库、提Issue
postgres --- 让AI能查PostgreSQL数据库
fetch --- 让AI能抓取网页内容
memory --- 让AI有长期记忆

目标是什么？搭一个本地AI助手，能帮我读代码、查数据库、看GitHub Issue、搜网页，还能记住之前的对话上下文。

环境准备

MCP Server目前大多是Node.js写的（Python的也有），但Client端------也就是调用方------Java完全没问题。Spring AI 1.0已经原生支持MCP了。

先建项目：

xml 复制代码

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

然后是MCP Server的安装。大部分MCP Server通过npx就能跑，不需要全局安装：

bash 复制代码

# 这些不需要手动安装，MCP Client会通过npx自动拉起
# filesystem server
npx -y @modelcontextprotocol/server-filesystem /path/to/your/project

# github server（需要GITHUB_TOKEN环境变量）
npx -y @modelcontextprotocol/server-github

# postgres server
npx -y @modelcontextprotocol/server-postgres postgresql://user:pass@localhost:5432/mydb

# fetch server
npx -y @modelcontextprotocol/server-fetch

# memory server
npx -y @modelcontextprotocol/server-memory

配置Spring AI连接MCP Server

Spring AI 1.0对MCP的支持是通过配置文件管理的，这点很方便。在application.yml里：

yaml 复制代码

spring:
  ai:
    mcp:
      client:
        stdio:
          servers-configuration: classpath:mcp-servers.json

然后建一个mcp-servers.json：

json 复制代码

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/juanmao/projects"],
      "env": {}
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}"
      }
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost:5432/mydb"],
      "env": {}
    },
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"],
      "env": {}
    },
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"],
      "env": {}
    }
  }
}

Spring AI启动时会自动拉起这些Server进程，通过stdio和它们通信。你不需要手动管理这些进程的生命周期。

写一个能调用所有MCP工具的AI助手

配置好之后，代码其实很简单。Spring AI会自动把MCP Server暴露的工具注册为Function：

java 复制代码

@Service
public class McpAssistantService {

    private final ChatClient chatClient;

    public McpAssistantService(ChatClient.Builder builder,
                                ToolCallbackProvider mcpToolProvider) {
        // 把所有MCP工具都注册到ChatClient
        this.chatClient = builder
            .defaultTools(mcpToolProvider)
            .defaultSystem("""
                你是一个开发助手，可以使用以下工具：
                - 文件读写：读取和搜索本地文件
                - GitHub：查看仓库、Issue、PR
                - 数据库：查询PostgreSQL
                - 网页抓取：获取网页内容
                - 记忆：记住和回忆信息
                回答时要简洁，使用工具时说明你在做什么。
                """)
            .build();
    }

    public String ask(String question) {
        return chatClient.prompt()
            .user(question)
            .call()
            .content();
    }
}

就这样，没有一行手动写工具调用的代码。Spring AI + MCP帮你把工具发现、参数构造、结果解析全搞定了。

实际效果

举几个真实场景：

场景1：让AI读你的项目代码

css 复制代码

我问："看一下我projects目录下的order-service项目，main方法在哪？入口做了什么？"

AI的执行过程：
1. 调用filesystem的list_directory工具，浏览目录结构
2. 调用filesystem的read_file工具，读取主类
3. 分析代码内容，总结入口逻辑

AI回答："你的order-service入口在src/main/java/.../OrderServiceApplication.java，
        主要做了三件事：1. 初始化Spring Boot上下文 2. 加载配置文件 3. 启动定时任务..."

场景2：让AI查数据库

sql 复制代码

我问："查一下users表最近7天注册的用户有多少，列出他们的用户名"

AI的执行过程：
1. 调用postgres的query工具，执行 SHOW TABLES 确认表结构
2. 执行 SELECT username, created_at FROM users WHERE created_at > NOW() - INTERVAL '7 days'
3. 格式化返回结果

AI回答："最近7天注册的用户共23人，包括：zhang_san, li_si, wang_wu..."

场景3：让AI看GitHub Issue

ini 复制代码

我问："我的仓库juanmao/order-service有哪些open的issue？帮我总结一下"

AI的执行过程：
1. 调用github的list_issues工具
2. 遍历每个issue的内容
3. 总结归纳

AI回答："你有3个open issue：
  #12 - 订单创建接口偶发超时（3天前）
  #15 - 批量导出时内存溢出（1天前，标记为bug）
  #18 - 希望增加订单导出Excel功能（2小时前，标记为feature）"

这个体验说实话挺震撼的。以前这些事情你要开三四个工具来回切，现在一句话AI全给你搞定了。

踩的坑

坑1：MCP Server启动失败不会有明显的错误提示。 我一开始配github server的时候，Token写错了，Server进程直接退出了，Spring AI那边只是报了个"connection closed"的错。后来发现可以加--debug参数看Server的日志：

json 复制代码

{
  "github": {
    "command": "npx",
    "args": ["-y", "@modelcontextprotocol/server-github", "--debug"],
    "env": {
      "GITHUB_PERSONAL_ACCESS_TOKEN": "your_token"
    }
  }
}

坑2：stdio transport不支持多Client同时连接。 Spring AI的MCP Client通过stdio和Server通信，一个Server进程只能被一个Client连接。如果你同时跑了两个Spring Boot实例，第二个会连不上。解决方案是改用SSE transport（HTTP方式），但需要额外配Server端。

坑3：工具太多会让大模型"选择困难"。 5个MCP Server加起来可能有二三十个工具（每个Server暴露多个工具）。工具描述全塞进context，token消耗不小，而且模型有时候会选错工具。解决方案是按场景分组，只注册当前任务需要的工具：

java 复制代码

// 只用filesystem和github
public String analyzeCode(String question) {
    return chatClient.prompt()
        .user(question)
        .tools(mcpToolProvider, "filesystem", "github")  // 按名称过滤
        .call()
        .content();
}

不过Spring AI 1.0目前这个按名称过滤的API还不太稳定，有时会报错。我目前的做法是给不同场景的ChatClient配不同的工具集。

一些思考

MCP这个东西，说大不大说小不小。从技术上看，它就是个标准化的工具调用协议，JSON-RPC那一套，没什么花哨的。但从生态上看，它解决了一个真实的痛点------AI工具集成的碎片化问题。

我的判断是：MCP会像REST API一样成为基础设施。以后你写一个新工具，默认会提供一个MCP Server，就像现在默认提供REST接口一样。

对Java开发者来说，好消息是Spring AI已经原生支持MCP了。你不需要学Node.js，不需要理解JSON-RPC的底层细节，配个JSON文件就能用。这大概就是框架层的价值------把复杂的东西封装好，让你专注业务逻辑。

如果你也在折腾MCP，或者对Spring AI的AI Agent方向感兴趣，留言聊聊。这个领域迭代速度太快了，一个人折腾不如一群人折腾。

《卷毛的技术笔记》，一个9年Java开发的真实技术笔记。