Spring AI之模型上下文协议（MCP）

最新推荐文章于 2025-05-02 19:46:12 发布
最新推荐文章于 2025-05-02 19:46:12 发布
阅读量2.3k 收藏 16
点赞数 36
分类专栏： Spring AI 文章标签： spring 人工智能 java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/alyenc/article/details/146968671
版权

文章目录


模型上下文协议（MCP）是一种标准化协议，支持AI模型通过结构化方式与外部工具及资源进行交互。该协议支持多种传输机制，以在不同环境中提供灵活性。
MCP Java SDK
MCP Java SDK提供了模型上下文协议的Java实现，通过同步和异步通信模式，支持与AI模型及工具的标准化交互。
Java MCP实现遵循三层架构：
在这里插入图片描述

  • 客户端/服务器层（Client/Server Layer）：McpClient负责处理客户端操作，而McpServer管理服务端协议操作。两者均通过McpSession进行通信管理。
  • 会话层（McpSession）：通过DefaultMcpSession的实现，管理通信模式与状态。
  • 传输层（McpTransport）：负责JSON-RPC消息的序列化与反序列化，并支持多种传输协议实现（如HTTP、SSE）。

MCP客户端

MCP客户端是MCP架构中的核心组件，负责与MCP服务器建立并管理连接。该客户端实现协议的客户端部分，具体处理以下功能：

  1. 协议版本协商 ：确保与服务器的兼容性；
  2. 能力协商 ：确定可用功能（如工具支持范围）；
  3. 消息传输与JSON-RPC通信 ：实现结构化数据交互；
  4. 工具发现与执行 ：动态识别并调用外部工具；
  5. 资源访问与管理 ：协调模型与外部数据源的交互；
  6. 提示系统交互 ：支持与模型提示（Prompt）系统的集成。

可选功能 ：

  • 根管理（Roots Management）
  • 采样支持（如模型输出概率控制）
  • 同步与异步操作模式

传输选项 ：

  • 基于标准输入/输出的传输（适用于进程间通信）；
  • 基于Java HttpClient的SSE客户端传输（支持事件流）；
  • 基于WebFlux的SSE客户端传输（用于响应式HTTP流处理）。
    在这里插入图片描述

MCP服务器

MCP服务器是MCP架构中的基础组件，负责为客户端提供工具、资源及能力支持。该服务器实现协议的服务端部分，核心职责包括：

  1. 服务端协议操作实现 ：处理协议交互逻辑；
  2. 工具暴露与发现 ：通过标准化接口提供可调用的外部工具（如函数/API）；
  3. 基于URI的资源管理 ：支持文件、数据库等本地资源的安全访问；
  4. 提示模板提供与处理 ：管理预定义的Prompt模板并动态注入上下文；
  5. 能力协商 ：与客户端协商支持的功能范围（如同步/异步模式）；
  6. 结构化日志与通知 ：记录操作日志并推送状态变更事件；
  7. 多客户端并发管理 ：支持高并发连接与会话隔离；
  8. 同步与异步API支持 ：适配不同场景的调用需求。

传输实现 ：

  • 基于标准输入/输出的传输（适用于进程间通信）；
  • 基于Servlet的SSE服务端传输（支持事件流HTTP响应）；
  • 基于WebFlux的响应式SSE传输（用于异步HTTP流式处理）；
  • 基于WebMVC的Servlet SSE传输（兼容传统HTTP流式交互）

对于使用底层MCP客户端/服务器API的详细实现指南，请参考MCP Java SDK文档。若需通过Spring Boot简化配置，可使用以下介绍的MCP Boot启动器。
在这里插入图片描述
Spring AI MCP集成
Spring AI通过以下Spring Boot启动器提供MCP集成支持：

客户端启动器

  • spring-ai-mcp-client-spring-boot-starter：核心启动器，提供基于标准输入/输出（STDIO）和HTTP的SSE传输支持；
  • spring-ai-mcp-client-webflux-spring-boot-starter：基于WebFlux的响应式SSE传输实现。

服务端启动器

  • spring-ai-mcp-server-spring-boot-starter：核心服务端启动器，支持STDIO传输；
  • spring-ai-mcp-server-webmvc-spring-boot-starter：基于Spring MVC的SSE传输实现（兼容传统Servlet环境）；
  • spring-ai-mcp-server-webflux-spring-boot-starter：基于WebFlux的响应式SSE传输实现（支持异步流式处理）\n

MCP Client Boot Starter

Spring AI MCP（模型上下文协议）客户端启动器为Spring Boot应用程序中的MCP客户端功能提供自动配置支持，包含同步和异步客户端实现，并支持多种传输选项。
MCP客户端启动器提供以下功能 ：

  1. 多客户端实例管理 ：支持同时维护多个客户端实例以适配不同场景；
  2. 自动客户端初始化 （若启用）：通过Spring Boot自动装配机制加载默认配置；
  3. 多种命名传输支持 ：允许通过名称区分STDIO、HTTP或WebFlux等传输协议；
  4. 与Spring AI工具执行框架集成 ：无缝衔接工具调用与Prompt处理流程；
  5. 完善的生命周期管理 ：应用上下文关闭时自动清理会话与资源；
  6. 通过自定义器实现客户端可定制性 ：允许通过McpClientCustomizer接口扩展配置逻辑

Starters

标准MCP客户端
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
</dependency>

标准starter通过STDIO（进程内）和/或SSE（远程）传输协议同时连接到一个或多个MCP服务器。其中SSE连接采用基于HttpClient的传输实现。每建立一个到MCP服务器的连接，即会创建一个新的MCP客户端实例。开发者可选择使用同步（SYNC）或异步（ASYNC）模式的MCP客户端（注意：同一应用中不可混合使用同步与异步客户端）。对于生产环境部署，建议采用基于WebFlux的SSE连接，并搭配spring-ai-mcp-client-webflux-spring-boot-starter启动器以实现响应式流式处理。

WebFlux MCP客户端

WebFlux starter提供与标准starter类似的功能，但采用基于WebFlux的SSE传输实现。

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

配置属性

通用属性

通用属性以 spring.ai.mcp.client 为前缀：

属性描述默认值
enabled启用/禁用MCP客户端true
nameMCP客户端实例名称（用于兼容性检查）spring-ai-mcp-client
versionMCP客户端实例版本1.0.0
initialized是否在创建时初始化客户端true
request-timeoutMCP客户端请求的超时时间20s
type客户端类型（SYNC或ASYNC）。所有客户端必须统一为同步或异步，不可混合SYNC
root-change-notification为所有客户端启用/禁用根变更通知true
STDIO传输属性

标准输入/输出（Stdio）传输属性以 spring.ai.mcp.client.stdio 为前缀：

属性描述默认值
servers-configuration包含MCP服务器配置的JSON格式资源文件路径-
connections命名Stdio连接的配置映射-
connections.[name].command启动MCP服务器的命令-
connections.[name].args命令参数列表-
connections.[name].env服务器进程的环境变量映射-

示例配置：

spring:
  ai:
    mcp:
      client:
        stdio:
          root-change-notification: true
          connections:
            server1:
              command: /path/to/server
              args:
                - --port=8080
                - --mode=production
              env:
                API_KEY: your-api-key
                DEBUG: "true"

通过外部JSON文件配置Stdio连接 （支持Claude Desktop格式）：

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

Claude Desktop格式示例 ：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/username/Desktop",
        "/Users/username/Downloads"
      ]
    }
  }
}

注意：当前Claude Desktop格式仅支持STDIO连接类型

SSE传输属性

服务器发送事件（SSE）传输属性以 spring.ai.mcp.client.sse 为前缀：

属性描述
connections命名SSE连接的配置映射
connections.[name].url与MCP服务器通信的SSE端点URL

示例配置 ：

spring:
  ai:
    mcp:
      client:
        sse:
          connections:
            server1:
              url: http://localhost:8080
            server2:
              url: http://otherserver:8081

注意：配置属性通过@ConfigurationProperties绑定实现，支持多环境适配。

功能特性

同步/异步客户端类型

启动器支持两种客户端类型：

  • 同步（Synchronous） ：默认类型，适用于传统请求-响应模式的阻塞操作；
  • 异步（Asynchronous） ：适用于非阻塞响应式应用，通过spring.ai.mcp.client.type=ASYNC配置。
客户端定制化

自动配置通过回调接口提供丰富的客户端规格定制能力，涵盖请求超时、事件处理及消息处理等行为。

支持以下配置选项：

  1. 请求配置 ：设置自定义请求超时时间；
  2. 自定义采样处理器 ：标准化服务器通过客户端请求LLM采样（补全或生成）的流程，客户端可控制模型访问权限，无需服务器提供API密钥；
  3. 文件系统（Roots）访问 ：客户端向服务器暴露文件系统根目录，定义服务器可操作的目录范围，并支持根目录变更通知；
  4. 事件处理器 ：客户端监听服务器事件：
    • 工具变更通知 ：可用工具列表变化时触发（如新增或移除工具）；
    • 资源变更通知 ：可用资源列表变化时触发；
    • 提示（Prompt）变更通知 ：可用提示模板列表变化时触发；
  5. 日志处理器 ：服务器向客户端发送结构化日志，客户端可设置最低日志级别控制输出

根据应用需求，可实现McpSyncClientCustomizer（同步客户端）或McpAsyncClientCustomizer（异步客户端）接口进行定制。

同步客户端定制化示例
@Component
public class CustomMcpSyncClientCustomizer implements McpSyncClientCustomizer {
    @Override
    public void customize(String serverConfigurationName, McpClient.SyncSpec spec) {
        // 自定义请求超时配置
        spec.requestTimeout(Duration.ofSeconds(30));

        // 设置服务器可访问的文件系统根目录
        spec.roots(roots);

        // 自定义采样处理器（处理模型生成请求）
        spec.sampling((CreateMessageRequest messageRequest) -> {
            // 实现采样逻辑
            CreateMessageResult result = ...
            return result;
        });

        // 工具变更监听器
        spec.toolsChangeConsumer((List<McpSchema.Tool> tools) -> {
            // 处理工具列表变更
        });

        // 资源变更监听器
        spec.resourcesChangeConsumer((List<McpSchema.Resource> resources) -> {
            // 处理资源列表变更
        });

        // 提示模板变更监听器
        spec.promptsChangeConsumer((List<McpSchema.Prompt> prompts) -> {
            // 处理提示模板变更
        });

        // 日志消息监听器
        spec.loggingConsumer((McpSchema.LoggingMessageNotification log) -> {
            // 处理服务器日志
        });
    }
}
  • serverConfigurationName：当前定制器适用的服务器配置名称；
  • 自动配置会检测应用上下文中的定制器并自动应用
传输支持

自动配置支持多种传输协议：

  • 标准输入/输出（Stdio） ：通过spring-ai-mcp-client-spring-boot-starter激活；
  • SSE HTTP ：通过spring-ai-mcp-client-spring-boot-starter激活；
  • SSE WebFlux ：通过spring-ai-starter-mcp-client-webflux激活，适用于响应式流处理。
与Spring AI集成

启动器自动配置工具回调，与Spring AI的工具执行框架集成，支持将MCP工具纳入AI交互流程

使用示例

  1. 添加启动器依赖 ：在项目中引入对应的MCP客户端启动器（如spring-ai-mcp-client-spring-boot-starter或spring-ai-mcp-client-webflux-spring-boot-starter）。
  2. 配置客户端 ：在application.yml中定义MCP客户端参数：
spring:
  ai:
    mcp:
      client:
        enabled: true                # 启用客户端
        name: my-mcp-client          # 客户端实例名称
        version: 1.0.0               # 客户端版本
        request-timeout: 30s         # 请求超时时间
        type: SYNC                   # 客户端类型（SYNC或ASYNC）
        # SSE传输配置（远程连接）
        sse:
          connections:
            server1:
              url: http://localhost:8080  # SSE服务器端点
            server2:
              url: http://otherserver:8081
        # Stdio传输配置（本地进程通信）
        stdio:
          root-change-notification: false  # 禁用根目录变更通知
          connections:
            server1:
              command: /path/to/server     # 启动服务器的命令
              args:
                - --port=8080
                - --mode=production
              env:
                API_KEY: your-api-key     # 环境变量
                DEBUG: "true"
  1. 注入客户端实例 ：
// 同步客户端注入（type=SYNC时使用）
@Autowired
private List<McpSyncClient> mcpSyncClients;  

// 异步客户端注入（type=ASYNC时使用）
@Autowired
private List<McpAsyncClient> mcpAsyncClients;
  1. 工具回调集成 ：
  2. 通过ToolCallbackProvider获取所有注册的MCP工具回调，用于与Spring AI工具框架集成：
@Autowired
private SyncMcpToolCallbackProvider toolCallbackProvider;

// 获取工具回调列表
ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();

注意：配置中的stdio部分支持与本地进程通信，而sse部分用于远程服务器交互。工具回调机制允许模型直接调用外部API或文件系统，如查询天气或读取本地文件

示例应用

  1. Brave Wet Search Chatbot\n基于模型上下文协议（MCP）实现的聊天机器人，通过集成Web搜索服务器（如Brave Search）处理用户查询并返回搜索结果。
  2. Default MCP Client Starter\n演示如何使用基础启动器spring-ai-mcp-client-spring-boot-starter快速配置MCP客户端，支持同步请求与SSE传输。
  3. WebFlux MCP Client Starter\n展示如何通过spring-ai-mcp-client-webflux-spring-boot-starter实现响应式流式处理，适用于高并发或异步交互场景。

MCP Server Boot Starter

Spring AI MCP（模型上下文协议）服务器启动器为Spring Boot应用程序提供MCP服务器的自动配置支持，实现与Spring Boot自动配置系统的无缝集成。
MCP服务器启动器的核心功能包括 ：

  1. 自动配置MCP服务器组件 ：包括协议处理、工具暴露与资源管理；
  2. 支持同步与异步操作模式 ：适配不同场景的请求处理需求（通过type参数配置）；
  3. 多传输层选项 ：支持STDIO（进程内通信）、基于Servlet的SSE及WebFlux的响应式SSE传输；
  4. 灵活的工具、资源与提示注册 ：允许动态注册文件系统访问、数据库工具或Prompt模板；
  5. 变更通知能力 ：支持向客户端推送工具、资源或提示模板的变更事件

Starters

标准MCP服务器

使用以下以来实现完整标准MCP服务器功能支持（基于STDIO传输）

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId>
</dependency>

适用场景：

  • 适合命令行工具与桌面应用；
  • 无需额外Web依赖（基于标准输入/输出协议）。

自动配置功能：\n此启动器激活McpServerAutoConfiguration自动配置，负责以下核心功能：

  1. 基础服务器组件配置：包括协议处理器与传输层初始化；
  2. 工具、资源与提示注册管理：自动将Spring Bean中的工具（@Tool注解标记）和资源暴露给客户端；
  3. 服务器能力与变更通知管理：支持动态推送工具、资源或提示模板的变更事件；
  4. 同步与异步实现支持：提供SYNC和ASYNC两种模式适配不同交互需

注：STDIO传输模式通过进程内通信实现低延迟交互，适用于本地开发或嵌入式场景

WebMVC Server Transport

使用以下以来实现完整webmvc MCP服务器功能支持（基于Spring MVC的SSE传输及可选STDIO传输）

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
</dependency>

Starter使用McpWebMvcServerAutoConfiguration和 McpServerAutoConfiguration实现自动配置：

  1. 基于HTTP的传输：通过WebMvcSseServerTransport实现Spring MVC的SSE传输；
  2. 自动配置的SSE端点：提供标准化事件流接口（如/mcp/sse），支持客户端通过text/event-stream协议通信；
  3. 可选STDIO传输：通过配置spring.ai.mcp.server.stdio=true启用进程内通信；
  4. 依赖集成：包含spring-boot-starter-web和mcp-spring-webmvc依赖，简化Web层集成
WebFlux Server Transport

使用以下以来实现完整webflux MCP服务器功能支持（基于Spring WebFlux的SSE传输及可选STDIO传输）

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

Starter使用McpWebFluxServerAutoConfiguration和McpServerAutoConfiguration实现自动配置：

  1. 响应式传输层：通过WebFluxSseServerTransport实现基于Spring WebFlux的响应式SSE传输；
  2. 自动配置的响应式SSE端点：提供非阻塞事件流接口（如/mcp/sse），支持客户端通过text/event-stream协议进行流式交互；
  3. 可选STDIO传输：通过配置spring.ai.mcp.server.stdio=true启用进程内通信；
  4. 依赖集成：包含spring-boot-starter-webflux和mcp-spring-webflux依赖，简化响应式编程模型集成。

配置属性

所有属性均以 spring.ai.mcp.server 为前缀：

属性描述默认值
enabled启用/禁用MCP服务器true
stdio启用/禁用STDIO传输false
name服务器标识名称mcp-server
version服务器版本1.0.0
type服务器类型（SYNC/ASYNC）SYNC
resource-change-notification启用资源变更通知true
tool-change-notification启用工具变更通知true
prompt-change-notification启用提示模板变更通知true
sse-message-endpointWeb传输的SSE端点路径/mcp/message

同步/异步服务器类型

  • 同步服务器 ：默认类型，基于McpSyncServer实现，适用于传统的请求-响应模式。通过配置spring.ai.mcp.server.type=SYNC启用，自动处理同步工具注册。
  • 异步服务器 ：基于McpAsyncServer实现，支持非阻塞操作，通过spring.ai.mcp.server.type=ASYNC启用，并集成Project Reactor实现响应式处理

传输选项

MCP服务器支持三种传输机制，每种对应独立的启动器：

  1. 标准输入/输出（STDIO）：通过spring-ai-mcp-server-spring-boot-starter实现进程内通信；
  2. Spring MVC（SSE）：通过spring-ai-mcp-server-webmvc-spring-boot-starter提供基于Servlet的SSE传输；
  3. Spring WebFlux（响应式SSE）：通过spring-ai-mcp-server-webflux-spring-boot-starter实现异步流式处理。

功能与能力

MCP服务器启动器允许服务器向客户端暴露工具、资源和提示模板，并根据服务器类型自动转换同步/异步注册。

工具（Tools）
  • 支持工具变更通知；
  • 通过Spring Bean自动注册工具，示例如下：
@Bean
public ToolCallbackProvider myTools(...) {
    List<ToolCallback> tools = ... // 定义工具列表
    return ToolCallbackProvider.from(tools); // 自动转换为同步/异步注册
}

或使用底层API：

@Bean
public List<McpServerFeatures.SyncToolRegistration> myTools(...) {
    List<McpServerFeatures.SyncToolRegistration> tools = ... // 同步工具注册
    return tools;
}
资源管理（Resources）
  • 支持静态/动态资源注册与变更通知；
  • 通过Spring Bean自动注册资源，示例如下：
@Bean
public List<McpServerFeatures.SyncResourceRegistration> myResources() {
    var systemInfoResource = new McpSchema.Resource(...); // 定义资源
    var resourceRegistration = new McpServerFeatures.SyncResourceRegistration(
        systemInfoResource, 
        request -> { /* 处理资源请求 */ }
    );
    return List.of(resourceRegistration); // 自动适配同步/异步
}
提示词管理（Prompts）
  • 支持模板版本控制与变更通知；
  • 通过Spring Bean自动注册提示模板，示例如下：
@Bean
public List<McpServerFeatures.SyncPromptRegistration> myPrompts() {
    var prompt = new McpSchema.Prompt(...); // 定义提示模板
    var promptRegistration = new McpServerFeatures.SyncPromptRegistration(
        prompt, 
        getPromptRequest -> { /* 生成提示内容 */ }
    );
    return List.of(promptRegistration); // 自动适配同步/异步
}
根变更监听（Root Change Consumers）
  • 当根目录变更时，支持向客户端发送通知；
  • 通过Spring Bean注册监听器，示例如下：
@Bean
public Consumer<List<McpSchema.Root>> rootsChangeConsumer() {
    return roots -> {
        logger.info("根目录变更: {}", roots); // 处理根目录变更逻辑
    };
}

使用示例

标准STDIO服务器配置
# 使用spring-ai-mcp-server-spring-boot-starter（标准场景）
spring:
  ai:
    mcp:
      server:
        name: stdio-mcp-server     # 服务器名称
        version: 1.0.0             # 服务器版本
        type: SYNC                 # 同步模式（默认）[[6]][[10]]
WebMVC服务器配置
# 使用spring-ai-mcp-server-webmvc-spring-boot-starter（基于Servlet的SSE传输）
spring:
  ai:
    mcp:
      server:
        name: webmvc-mcp-server    # 服务器名称
        version: 1.0.0             # 服务器版本
        type: SYNC                 # 同步模式
        sse-message-endpoint: /mcp/messages  # SSE消息端点路径
WebFlux服务器配置
# 使用spring-ai-mcp-server-webflux-spring-boot-starter（响应式SSE传输）
spring:
  ai:
    mcp:
      server:
        name: webflux-mcp-server  # 服务器名称
        version: 1.0.0            # 服务器版本
        type: ASYNC               # 异步模式（推荐用于响应式应用）
        sse-message-endpoint: /mcp/messages  # SSE消息端点路径
创建包含MCP服务器的Spring Boot应用
@Service
public class WeatherService {

    @Tool(description = "通过城市名称获取天气信息")  // 标记为MCP工具
    public String getWeather(String cityName) {
        // 工具实现逻辑（如调用天气API）
    }
}

@SpringBootApplication
public class McpServerApplication {

    private static final Logger logger = LoggerFactory.getLogger(McpServerApplication.class);

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

    @Bean
    public ToolCallbackProvider weatherTools(WeatherService weatherService) {
        // 将WeatherService中的@Tool方法注册为MCP工具
        return MethodToolCallbackProvider.builder()
                .toolObjects(weatherService)
                .build();
    }
}

自动配置说明 ：

  • Spring Boot自动将ToolCallbackProvider注册为MCP工具，支持多Bean合并；
  • 工具方法需通过@Tool注解标记，并遵循参数与返回值规范；
  • 异步服务器（ASYNC）需搭配响应式传输（如WebFlux）以实现非阻塞处理

MCP Utilities

MCP工具实用程序为Spring AI应用集成模型上下文协议（MCP）提供基础支持，实现Spring AI工具系统与MCP服务器间的无缝通信，支持同步与异步操作。这些工具通常用于编程式配置MCP客户端/服务器及交互。若需简化配置，建议使用Spring Boot启动器。

工具回调适配器（Tool Callback Adapter）

功能：将MCP工具适配为Spring AI工具接口，支持同步与异步执行。

同步示例：

McpSyncClient mcpClient = // 获取MCP客户端
Tool mcpTool = // 获取MCP工具定义
ToolCallback callback = new SyncMcpToolCallback(mcpClient, mcpTool); // 同步适配器

// 通过Spring AI接口使用工具
ToolDefinition definition = callback.getToolDefinition(); // 获取工具定义
String result = callback.call("{\"param\": \"value\"}"); // 调用工具

异步示例：

McpAsyncClient mcpClient = // 获取MCP客户端
Tool mcpTool = // 获取MCP工具定义
ToolCallback callback = new AsyncMcpToolCallback(mcpClient, mcpTool);

// 通过Spring AI接口使用工具
ToolDefinition definition = callback.getToolDefinition();
String result = callback.call("{\"param\": \"value\"}");
工具回调提供者（Tool Callback Providers）

功能：从MCP客户端发现并提供工具。

同步示例：

//单客户端示例：
McpSyncClient mcpClient = // 获取MCP客户端
ToolCallbackProvider provider = new SyncMcpToolCallbackProvider(mcpClient); // 同步提供者

// 获取所有可用工具
ToolCallback[] tools = provider.getToolCallbacks(); // 返回工具回调列表

//多客户端示例
List<McpSyncClient> clients = // 获取客户端列表
List<ToolCallback> callbacks = SyncMcpToolCallbackProvider.syncToolCallbacks(clients); // 合并多客户端工具

异步示例：

//单客户端示例：
McpAsyncClient mcpClient = // 获取MCP客户端
ToolCallbackProvider provider = new AsyncMcpToolCallbackProvider(mcpClient);

// 获取所有可用工具
ToolCallback[] tools = provider.getToolCallbacks();

//多客户端示例
List<McpAsyncClient> clients = // obtain list of clients
Flux<ToolCallback> callbacks = AsyncMcpToolCallbackProvider.asyncToolCallbacks(clients);
McpToolUtils工具类

功能 ：工具回调与MCP工具注册的转换。

  1. 工具回调转工具注册：

同步示例：

List<ToolCallback> toolCallbacks = // 获取工具回调列表
List<SyncToolRegistration> syncToolRegs = McpToolUtils.toSyncToolRegistration(toolCallbacks); // 转换为同步注册

// 通过McpServer.SyncSpec注册工具
McpServer.SyncSpec syncSpec = ...
syncSpec.tools(syncToolRegs); // 注册到服务器

异步示例：

List<ToolCallback> toolCallbacks = // obtain tool callbacks
List<AsyncToolRegistration> asyncToolRegs = McpToolUtils.toAsyncToolRegistration(toolCallbacks);

// 通过McpServer.AsyncSpec注册工具
McpServer.AsyncSpec asyncSpec = ...
asyncSpec.tools(asyncToolRegs);
  1. 从MCP客户端获取工具回调：

同步示例：

List<McpSyncClient> syncClients = // 获取同步客户端列表
List<ToolCallback> syncCallbacks = McpToolUtils.getToolCallbacksFromSyncClients(syncClients); // 自动提取工具

异步示例：

List<McpAsyncClient> asyncClients = // 获取同步客户端列表
List<ToolCallback> asyncCallbacks = McpToolUtils.getToolCallbacksFromAsyncClients(asyncClients);
原生镜像支持

McpHints类 ：为MCP模式类提供GraalVM原生镜像反射提示，自动注册必要反射配置，确保原生编译兼容性

大模型系列——正式推出 Spring AI MCP：用于 MCP（模型上下文协议）的 Java SDK
2401_84052244的博客
02-27 9097
我们很高兴推出 Spring AI MCP，它是模型上下文协议（Model Context Protocol，）的强大 Java SDK 实现。Spring AI生态系统的这一新成员为 Java 平台带来了标准化的 AI 模型集成能力。
MCP 架构设计深度剖析：使用 Spring AI + MCP 四步教你实现 Agent 智能体开发.pdf
04-11
MCP 架构设计深度剖析：使用 Spring AI + MCP 四步教你实现 Agent 智能体开发.pdf
Spring AI 1.0.0 M6新特性MCP
qq1071643762的博客
03-11 5180
本文用于了解MCP的的使用
Spring AI+MCP强强联合：三步打造智能体开发王炸组合！
2401_84204207的博客
04-06 3413
注意，它连接的不是物理设备，而是AI模型和外部的数据源、工具等。有了MCP，AI模型就能更方便地获取外部的信息，完成更多的任务。比如，通过MCP，AI模型可以操作电脑读写文件，或者模拟浏览器操作等。
Chat2DB 实现：Spring AI MCP 直连数据库
GZM888888的博客
01-12 2977
Spring AI MCP 为模型上下文协议提供 Java 和 Spring 框架集成。它使 Spring AI 应用程序能够通过标准化的接口与不同的数据源和工具进行交互，支持同步和异步通信模式。Spring AI 应用程序：使用 Spring AI 框架构建想要通过 MCP 访问数据的生成式 AI 应用程序。Spring MCP 客户端：MCP 协议的 Spring AI 实现，与服务器保持 1:1 连接。MCP 服务器：轻量级程序，每个程序都通过标准化的模型上下文协议公开特定的功能。本地数据源。
MCP!都用上Spring AI MCP！
zxy0000zxy的博客
04-15 439
2. 配置MCP 具体MCP服务可由python、nodejs、java等语言实现，只要后续与Spring AI对接即可 公用MCP服务可找：https://smithery.ai/，https://glama.ai/mcp/servers ① 配置json ② 引入json 比如引入一个文件处理MCP服务，可在AI对话过程中，读取、设置、操作我的文件信息 MCP服务地址：https://www.npmjs.com/package/@modelcontextprotocol/server-filesy
Spring AI 智能体通过 MCP 集成本地文件数据
阿里巴巴云原生的博客
02-05 3271
MCP 作为一款开放协议，直接规范了应用程序如何向LLM提供上下文。MCP 就像是面向 AI 应用程序的 USB-C 端口，正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一个将 AI 模型连接到不同数据源和工具的标准化方法。
Spring AI Alibaba MCP(Model Context Protocol)模型上下文协议 让AI操作本地文件系统示例
Inherentmind的博客
02-24 3335
模型上下文协议，规范应用程序如何向LLM提供上下文，实际上是通过统一的方式（JSON-RPC消息格式），将MCP Server （数据/工具提供者）和MCP Client进行通信MCP Server多数是基于TypeScript/Python开发的，Spring AI提供了Java和Spring的集成，分模块架构: Spring AI应用，例如ChatClient： Spring AI下的MCP客户端MCP Server： MCP服务： 本地数据源： 远程服务。
SpringAI之模型上下文协议（MCP）
最新发布
loser.with.m的博客
05-02 702
模型上下文协议 （MCP） 是一种标准化协议，使 AI 模型能够以结构化方式与外部工具和资源交互。
正式推出 Spring AI MCP：用于 MCP（模型上下文协议）的 Java SDK
03-22
Spring AI MCP 是一种基于 Model Context Protocol (MCP) 的 Java 实现，旨在简化模型上下文协议的应用开发过程。通过该 SDK，开发者可以轻松构建支持 MCP 协议的服务端和客户端应用程序[^1]。 #### 核心功能 - **...
大模型入门实战：通过 HuggingFace 调用 Llama3
python12345_的博客
01-10 1453
至此，我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型，并获取了模型的回答。但是如果你的需求只是简单地调用模型，而无需进行微调或复杂的部署，可以尝试使用 Ollama。它不仅操作更加便捷，还提供了开箱即用的 RESTful 接口，适合快速集成到生产环境中。下一篇，我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。
SpringAI+MCP协议 实战
造梦先森Kai的专栏
04-06 1653
尽管Python最近成为了编程语言的首选，但是Java在人工智能领域的地位同样不可撼动，得益于强大的Spring框架。随着人工智能技术的快速发展，我们正处于一个创新不断涌现的时代。从智能语音助手到复杂的自然语言处理系统，人工智能已经成为了现代生活和工作中不可或缺的一部分。在这样的背景下，Spring AI 项目迎来了发展的机遇。尽管该项目汲取了Python项目如LangChain和LlamaIndex的灵感，但Spring AI并不是简单的移植。
Spring AI 实现 MCP 多通道提供者实践指南
lingding_cn的专栏
04-19 1015
本文深入探讨了MCP(多通道提供者)的核心概念及其在Spring AI中的实现方法，重点对比分析了SSE和STDIO两种不同的通信方式，并提供了详细的代码实现示例。文章适合想要了解和使用Spring AI框架进行大语言模型应用开发的读者参考。
java 使用 spring AI 实战MCP
YXWik的博客
04-02 2407
全称 Model Context Protocol 是一种专为人工智能模型设计的通信协议，于2024年11月由Anthropic推出的开放标准。它旨在解决复杂AI系统中多个模型或组件之间的协同、状态管理和资源优化问题，以及AI应用与外部数据源和工具集成中的挑战。MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。
Spring AI MCP 架构详解
laopeng301的专栏
03-30 1537
MCP 是一种开放协议，它对应用程序向大语言模型（LLMs）提供上下文信息的方式进行了标准化。可以把 MCP 想象成人工智能应用程序的 USB-C 接口。就像 USB-C 为将设备连接到各种外围设备和配件提供了一种标准化方式一样，MCP 将人工智能模型连接到不同的数据源和工具提供了一种标准化方式。MCP 可帮助你在 LLM 之上构建智能体和复杂的工作流。MCP协议官网。
对话即服务：Spring Boot整合MCP让你的CRUD系统秒变AI助手
主力语言:Golang + Java
03-20 3171
随着人工智能的飞速发展，大语言模型(LLM)正在革命性地重塑用户与软件的交互范式。想象一下这样的场景：用户无需钻研复杂的API文档或者在繁琐的表单间来回切换，只需通过自然语言直接与系统对话——“帮我查找所有2023年出版的图书”、“创建一个新用户叫张三，邮箱是zhangsan@example.com”。这种直观、流畅的交互方式不仅能显著降低新用户的学习曲线，更能大幅削减B端系统的培训成本和实施周期，让企业应用变得更为简单和高效。这正是协议在应用层面所带来的价值体现。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

NtK11KGXVkk

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值