第18章-MCP

第 18 章：MCP

使用 Model Context Protocol 标准化连接外部工具、资源和 Prompt，让 AI 应用与能力提供方解耦。

前言

Tool Calling 解决单个应用如何把 Java 能力提供给模型。能力越来越多、由不同进程或团队维护时，需要统一的发现和调用协议。MCP 定义了 Client 与 Server 之间交换能力的标准方式。

一、MCP 是什么

MCP 是面向 AI 应用上下文和工具连接的协议。它规定双方如何初始化、协商能力、列出工具或资源、发起调用并返回结果。

AI Application → MCP Client ⇄ MCP Server → Tools / Resources / Prompts

协议统一的是通信方式，不负责判断业务结果是否正确。

二、为什么需要 MCP

• 工具实现与 AI 应用解耦；
• 不同语言和进程可以按协议互通；
• Client 可以动态发现 Server 能力；
• 同一 MCP Server 可以服务多个 AI 应用；
• 工具、资源和 Prompt 有统一描述方式。

如果能力只在一个简单应用内部使用，直接 Tool Calling 可能更简单。MCP 不是所有项目的必选项。

三、MCP Client

Client 负责：

• 建立和维护连接；
• 初始化并协商协议能力；
• 获取工具、资源和 Prompt 列表；
• 发送调用请求；
• 把返回结果交给 ChatClient 或 Agent。

在 Spring AI 中，MCP Client 暴露的工具可以适配为模型可调用的 ToolCallback。

四、MCP Server

Server 负责把真实能力按协议暴露出来：

工具描述 / 参数 Schema
    ↓
接收调用请求
    ↓
认证、校验、执行
    ↓
标准化返回结果

Server 仍然必须执行权限、参数和业务校验，不能因为请求来自 MCP Client 就默认可信。

五、Tools、Resources 与 Prompts

能力	作用
Tools	可执行操作或查询
Resources	可读取的数据或内容
Prompts	可复用的提示模板

不是所有 Server 都必须实现全部能力。Client 应以协商结果为准。

六、传输方式

MCP 可以使用本地进程标准输入输出或基于网络的传输。选择取决于部署方式：

• 本地 stdio：适合桌面工具和同机子进程；
• 网络传输：适合远程共享服务，但需要更严格的认证、TLS 和访问控制。

不要把仅绑定本机的 Server 无保护地暴露到公网。

七、Spring AI 中的基本接入思路

配置 MCP Client
    ↓
连接一个或多个 Server
    ↓
发现 ToolCallback
    ↓
注册给 ChatClient
    ↓
模型选择并调用工具

Starter、配置属性和具体 API 会随版本变化，项目必须使用同一版本的官方示例，不能混用早期实验接口。

八、MCP 与普通 Tool Calling 的关系

Tool Calling 是模型与工具之间的交互机制；MCP 是应用发现和连接外部能力的协议。MCP Server 暴露的工具最终仍可进入 Tool Calling 流程。

Tool Calling：模型如何提出工具调用
MCP：工具从哪里发现、怎样跨进程调用

九、连接多个 Server

多个 Server 可能出现同名工具。应用应设置命名空间、白名单或显式映射，避免模型选错。

只向模型暴露当前业务需要的能力，不要把所有已连接 Server 的工具无条件注册。

十、安全边界

• 审核 Server 来源和代码；
• 限制文件、网络和命令权限；
• 使用认证和加密传输；
• 工具按最小权限运行；
• 高风险操作要求用户确认；
• 记录调用人、参数摘要和结果；
• 对返回资源执行大小和内容限制；
• 防范工具描述和资源中的 Prompt Injection。

MCP 提高连接便利性，也扩大了攻击面。

十一、失败与可用性

需要处理连接失败、能力列表变化、Server 超时、工具执行失败和协议版本差异。远程能力不应拖垮整个 AI 服务，应设置超时、隔离和降级策略。

十二、从 API 进入源码

MCP Client AutoConfiguration
    ↓
Client Session / Transport
    ↓ listTools()
MCP Tool Callback Provider
    ↓
ChatClient tools

阅读时关注连接生命周期、能力刷新、工具名映射、参数 Schema 和异常转换。

十三、常见误区

• MCP 是新的大模型：它是连接协议。
• 使用 MCP 后不需要 Tool Calling：MCP 工具仍通过模型工具调用机制使用。
• 已连接 Server 的工具都安全：Server 是外部信任边界。
• MCP 自动解决权限：认证授权仍属于应用和 Server。
• 工具越多 Agent 越强：过多能力会增加误选和安全风险。

十四、本章总结

MCP 把 AI 应用与能力提供方解耦，统一工具、资源和 Prompt 的发现与调用。生产使用的核心不是"连上 Server"，而是能力治理、最小权限和稳定性。

完整源码

源码地址：待补充
对应章节：chapter-18-mcp

参考资料

• Spring AI MCP 官方文档
• Model Context Protocol

下一章：Agent

下一章将组合模型、工具、Memory 和执行循环，理解 Agent 如何围绕目标持续决策与行动。