Spring AI (5) : MCP 深度实战：从工具抽取到鉴权，SSE 与 STDIO

目录：

• [一、为什么需要 MCP？](#一、为什么需要 MCP？)
• [二、MCP 的两种通信方式](#二、MCP 的两种通信方式)
• [三、STDIO 方式详解](#三、STDIO 方式详解)
• • [1. MCP Server（服务端）](#1. MCP Server（服务端）)
  • • [① 使用现成的公共 MCP Server](#① 使用现成的公共 MCP Server)
    • [② 自定义 STDIO MCP Server](#② 自定义 STDIO MCP Server)
  • [2. MCP Client（客户端）调用 STDIO](#2. MCP Client（客户端）调用 STDIO)

一、为什么需要 MCP？

在 AI 应用爆发式增长的今天，我们常常面临两个痛点：

1. 服务商想开放工具：比如高德地图提供位置查询、百度提供联网搜索，但每个服务商都有自己的 API 格式，调用方式千差万别。
2. 企业内部多应用共享工具：多个智能应用都想使用同一套内部工具（如订单查询、用户画像），如果每个应用各自接入，重复造轮子且维护成本极高。

解决方案很简单：把 Tools 单独抽取出来，由应用程序统一读取外部 Tools。

但问题随之而来------怎么读？怎么解析？

如果每个提供商各用一套规则，想象一下对接几十个不同 API 的混乱场面......

于是 MCP（Model Context Protocol） 应运而生。

MCP 指定了 标准通信规则，以 JSON‑RPC 2.0 格式进行交互，彻底统一了 Tools 的暴露与调用方式。

二、MCP 的两种通信方式

MCP 官方提供了两种主流传输方式：

三、STDIO 方式详解

1. MCP Server（服务端）

① 使用现成的公共 MCP Server

网上已有大量现成的 MCP 服务，例如：

• MCP Server 聚合站 提供了百度地图、文件系统、天气查询等众多 MCP Server。

② 自定义 STDIO MCP Server

下面我们用 Spring AI 创建一个自定义的 STDIO MCP Server。

第一步：添加依赖（pom.xml）

<!-- MCP Server 依赖 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-server</artifactId>
</dependency>

<!-- Spring AI BOM 管理 -->
<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>

<!-- 打包插件（用于生成可执行 jar） -->
<build>
    <plugins>
        <plugin>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-maven-plugin</artifactId>
            <executions>
                <execution>
                    <goals>
                        <goal>repackage</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

第二步：编写 Tool 服务

@Service
public class UserToolService {

    Map<String, Double> userScore = Map.of(
        "xushu", 99.0,
        "zhangsan", 2.0,
        "lisi", 3.0
    );

    @Tool(description = "获取用户分数")
    public String getScore(String username) {
        if (userScore.containsKey(username)) {
            return userScore.get(username).toString();
        }
        return "未检索到当前用户 " + username;
    }
}

第三步：暴露 Tool

@Bean
public ToolCallbackProvider weatherTools(UserToolService userToolService) {
    return MethodToolCallbackProvider.builder()
            .toolObjects(userToolService)
            .build();
}

第四步：配置文件（application.yml）

spring:
  main:
    banner-mode: off   # 必须关闭横幅，否则影响 STDIO 通信
  ai:
    mcp:
      server:
        name: my-weather-server
        version: 0.0.1

⚠️ 注意：必须禁用横幅和控制台日志，否则会污染标准输入输出流，导致 MCP 通信失败。

第五步：打包

执行 mvn package，在 target/ 下生成可执行 jar 包。

2. MCP Client（客户端）调用 STDIO

第一步：依赖

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

第二步：配置 application.yml

spring:
  ai:
    mcp:
      client:
        request-timeout: 60000
        stdio:
          servers-configuration: classpath:/mcp-servers-config.json
          connections:
            server1:
              command: /path/to/server
              args:
                - --port=8080
                - --mode=production
              env:
                API_KEY: your-api-key
                DEBUG: "true"

第三步：mcp-servers-config.json（放在 resources 下）

{
    "mcpServers": {
        "baidu-map": {
            "command": "cmd",
            "args": ["/c", "npx", "-y", "@baidumap/mcp-server-baidu-map"],
            "env": {
                "BAIDU_MAP_API_KEY": "你的百度地图Key"
            }
        },
        "mcp-server-weather": {
            "command": "java",
            "args": [
                "-Dspring.ai.mcp.server.stdio=true",
                "-Dlogging.pattern.console=",
                "-jar",
                "D:\\xxx\\target\\mcp-stdio-server.jar"
            ]
        }
    }
}

第四步：绑定到 ChatClient

@RestController
public class OpenAiController {

    private final ChatClient chatClient;

    public OpenAiController(DashScopeChatModel dashScopeChatModel,
                            ToolCallbackProvider mcpTools) {
        this.chatClient = ChatClient.builder(dashScopeChatModel)
                .defaultToolCallbacks(mcpTools)
                .build();
    }

    @GetMapping(value = "/ai/generateStream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> generateStream(@RequestParam String message) {
        return chatClient.prompt()
                .user(message)
                .stream()
                .content();
    }
}

待完善。。。。。。