SpringAI+GitHub-MCP学习记录

最新推荐文章于 2025-05-05 19:04:11 发布
最新推荐文章于 2025-05-05 19:04:11 发布
阅读量821 收藏 27
点赞数 22
文章标签： github 人工智能 ai spring
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/m0_73479109/article/details/147690746
版权

Spring AI 结合 GitHub MCP 学习记录

1.简介

本文档记录了参考MCP-GitHub使用示例使用 Spring AI 框架集成 GitHub 作为 MCP (Model Context Protocol) 工具的过程。通过 MCP，AI 模型可以调用外部工具（如此处的 GitHub API）来获取实时信息或执行操作。

2. Maven 依赖配置 (pom.xml)

首先，我们需要在项目的 pom.xml 文件中添加必要的依赖。

image-20250503212527276

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
		 xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<!-- 父项目，继承 Spring Boot 的默认配置 -->
	<parent>
		<groupId>org.springframework.boot</groupId>
		<artifactId>spring-boot-starter-parent</artifactId>
		<version>3.4.4</version> <!-- Spring Boot 版本 -->
		<relativePath/> <!-- lookup parent from repository -->
	</parent>
	<groupId>com.miku</groupId>
	<artifactId>spring-ai-alibaba-mcp-client</artifactId>
	<version>0.0.1-SNAPSHOT</version> <!-- 项目版本 -->
	<name>spring-ai-alibaba-mcp-client</name> <!-- 项目名称 -->
	<description>spring-ai-alibaba-mcp-client</description> <!-- 项目描述 -->
	<!-- 许可证、开发者、SCM 等信息，当前为空 -->
	<url/>
	<licenses>
		<license/>
	</licenses>
	<developers>
		<developer/>
	</developers>
	<scm>
		<connection/>
		<developerConnection/>
		<tag/>
		<url/>
	</scm>
	<!-- 项目属性，用于管理版本号等 -->
	<properties>
		<java.version>17</java.version> <!-- Java 版本 -->
		<!-- Spring AI 版本 -->
		<spring-ai.version>1.0.0-M6</spring-ai.version>

		<!-- Spring AI Alibaba Starter 版本 -->
		<spring-ai-alibaba.version>1.0.0-M6.1</spring-ai-alibaba.version>

	</properties>
	<!-- 项目依赖 -->
	<dependencies>
		<!-- Spring Boot Web Starter，提供内嵌 Tomcat 和 Spring MVC 等 -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-web</artifactId>
		</dependency>

		<!-- 添加 Spring AI MCP 客户端 Starter 依赖 -->
		<!-- 这个 Starter 提供了 MCP 客户端的核心自动配置和功能 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
		</dependency>

		<!-- 基于 Server-Sent Events （SSE）的 MCP 客户端实现 -->
		<!-- 即使当前配置未使用 SSE，此依赖也提供了 SSE 传输的支持 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId>
		</dependency>

		<!-- Spring Boot DevTools，提供开发时的便利功能，如热部署 -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-devtools</artifactId>
			<scope>runtime</scope> 		<!-- 只在运行时需要 -->
			<optional>true</optional> 	<!-- 可选依赖 -->
		</dependency>
		<!-- Lombok 库，用于简化 Java 代码（如自动生成 getter/setter） -->
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<optional>true</optional> 	<!-- 可选依赖-->
		</dependency>
		<!-- Spring Boot Test Starter，提供测试相关的依赖 -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-test</artifactId>
			<scope>test</scope> 	<!--只在测试时需要-->
		</dependency>

		<!-- Alibaba Cloud AI Starter，提供与阿里云 AI 服务的集成，包括 DashScope -->
		<dependency>
			<groupId>com.alibaba.cloud.ai</groupId>
			<artifactId>spring-ai-alibaba-starter</artifactId>
			<version>${spring-ai-alibaba.version}</version> 	<!-- 使用属性中定义的版本-->
		</dependency>
		<!-- 引入 DashScope 所需依赖 (通常包含在 spring-ai-alibaba-starter 中) -->


		<!-- Spring AI OpenAI Starter -->
		<!-- 提供与 OpenAI API 兼容服务的集成 (如 OpenRouter)。 -->
		<!-- 即使主要使用 DashScope，如果需要通过 OpenAI 兼容接口调用其他模型，也需要此依赖。 -->
		<!-- 注意：同时引入 DashScope 和 OpenAI Starter 可能导致 ChatModel Bean 冲突，需要通过配置或 @Qualifier 解决。 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
			<version>${spring-ai.version}</version> 	<!-- 使用 Spring AI BOM 中定义的版本-->
		</dependency>
		<!--需要在项目中接入具有 OpenAI API 规范的大模型时，只需要引入 spring-ai-openai-spring-boot-starter 即可。-->

	</dependencies>
	<!-- 依赖管理，使用 Spring AI BOM (Bill of Materials) 来统一管理 Spring AI 相关依赖的版本 -->
	<!-- 引入 BOM 可以确保所有 Spring AI 模块使用兼容的版本 -->
	<dependencyManagement>
		<dependencies>
			<dependency>
				<groupId>org.springframework.ai</groupId>
				<artifactId>spring-ai-bom</artifactId>
				<version>${spring-ai.version}</version> 	<!-- 使用属性中定义的 Spring AI 版本-->
				<type>pom</type> 		<!-- BOM 的类型是 pom-->
				<scope>import</scope>	<!-- 导入 BOM 中的依赖管理-->
			</dependency>
		</dependencies>
	</dependencyManagement>

	<!-- 构建配置 -->
	<build>
		<plugins>
			<!-- Maven Compiler Plugin，配置 Java 编译器 -->
			<plugin>
				<groupId>org.apache.maven.plugins</groupId>
				<artifactId>maven-compiler-plugin</artifactId>
				<configuration>
					<annotationProcessorPaths>
						<path>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</path>
					</annotationProcessorPaths>
				</configuration>
			</plugin>
			<!-- Spring Boot Maven Plugin，用于打包可执行的 Spring Boot 应用 -->
			<plugin>
				<groupId>org.springframework.boot</groupId>
				<artifactId>spring-boot-maven-plugin</artifactId>
				<configuration>
					<excludes>
						<exclude>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</exclude>
					</excludes>
				</configuration>
			</plugin>
		</plugins>
	</build>

</project>

关键依赖包括：

  • spring-boot-starter-web : 提供基础的 Web 功能。
  • spring-ai-mcp-client-spring-boot-starter : Spring AI MCP 客户端的核心。
  • spring-ai-mcp-client-webflux-spring-boot-starter : 提供基于 WebFlux (用于 SSE) 的 MCP 客户端支持。
  • spring-ai-alibaba-starter : 用于集成阿里云 DashScope 模型。
  • spring-ai-openai-spring-boot-starter : 用于集成 OpenAI 或兼容 API 的模型（本例中配置了 OpenRouter，但实际未使用）。
  • spring-ai-bom : 统一管理 Spring AI 相关依赖的版本。

3. 应用配置 (application.yml)

接下来是 application.yml 文件，用于配置 Spring Boot 应用、Spring AI 模型以及 MCP 客户端。

image-20250503212603631

# Web 服务器配置
server:
  port: 10003 # 应用程序监听的端口号

# Spring 应用程序配置
spring:
  application:
    name: spring-ai-alibaba-mcp-client # 应用程序的名称

  # Spring AI 配置
  ai:
    chat:
      client:
        enabled: false # 禁用 ChatClient.Builder Bean 的自动配置。
          # 当您需要手动创建 ChatClient.Builder 并指定使用哪个 ChatModel 时（如本例中通过 @Qualifier 指定 DashScope），
        # 通常需要禁用默认的自动配置，以避免 Bean 冲突或确保使用正确的 ChatModel。

    # OpenAI/OpenRouter 配置 (注意：虽然配置了，但 Java 代码中通过 @Qualifier 明确使用了 DashScope)
    openai:
      api-key: ${AI_DeepSeek_API_KEY} # OpenAI 或兼容 OpenAI API 的服务的 API Key。
      # 使用 ${...} 占位符表示从环境变量或外部配置源获取，推荐做法。
      base-url: https://openrouter.ai/api/v1 # OpenAI 或兼容 OpenAI API 的服务的 Base URL。这里配置的是 OpenRouter 的地址。
      chat:
        options:
          model: deepseek/deepseek-r1:free # 指定通过此配置使用的模型 ID。这里是 OpenRouter 上 DeepSeek 的一个免费模型。
        #          model: google/gemini-2.0-flash-thinking-exp:free # 其他可选的 OpenRouter 模型 (注释掉)
        #          model: deepseek/deepseek-chat-v3-0324:free # 其他可选的 OpenRouter 模型 (注释掉)
        #          model: google/gemini-2.0-flash-exp:free # 其他可选的 OpenRouter 模型 (注释掉)

        # Chat 接口路径，与 OpenAI 接口保持一致
        completions-path: /chat/completions # 指定聊天完成接口的路径，通常与 OpenAI API 兼容。

    # Alibaba DashScope 配置 (Java 代码中通过 @Qualifier 明确使用了 DashScopeChatModel)
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY} # 阿里云 DashScope 服务的 API Key。
      # 使用 ${...} 占位符表示从环境变量或外部配置源获取，推荐做法。
      # 注意：根据您使用的 DashScope 版本和区域，可能还需要配置 endpoint 或 region 等属性。
      # 请查阅 spring-ai-alibaba-starter 的官方文档以获取完整的配置选项。

    # MCP (Model Context Protocol) 客户端配置
    mcp:
      client:
        toolcallback:
          enabled: true # 启用 MCP 客户端作为 Spring AI 的 ToolCallbackProvider。
          # 这使得 Spring AI 能够通过 MCP 调用外部工具。

        # Stdio 传输配置 (用于启动外部进程作为 MCP 服务器并通过标准输入/输出通信)
        stdio:
          # 指定 MCP 服务器配置文件路径（推荐）
          # classpath: 指示文件位于类路径下 (通常是 src/main/resources 目录)
          servers-configuration: classpath:/mcp-servers-config.json # 指向定义要启动的 MCP 服务器进程的 JSON 配置文件。

#        # SSE (Server-Sent Events) 传输配置 (用于连接到远程 MCP 服务器，当前注释掉未使用)
#        sse:
#          connections:
#            server1:
#              url: 
#
#            server2:
#              url:

主要配置项：

  • server.port : 应用运行端口。
  • spring.ai.chat.client.enabled: false : 禁用了默认的 ChatClient.Builder 自动配置，因为我们将在代码中手动创建并指定模型。
  • spring.ai.openai.* : 配置了 OpenRouter 的 API Key 和 Base URL（通过环境变量获取），但本例未使用。
  • spring.ai.dashscope.api-key : 配置了 DashScope 的 API Key（通过环境变量获取）。
  • spring.ai.mcp.client.toolcallback.enabled: true : 启用 MCP 作为工具回调提供者。
  • spring.ai.mcp.client.stdio.servers-configuration : 指定了用于 Stdio 传输方式的 MCP 服务器配置文件路径。Stdio 方式意味着 Spring AI 会启动一个本地进程作为 MCP 服务器，并通过标准输入/输出进行通信。
  • spring.ai.mcp.client.sse.* : 注释掉的部分是 SSE 传输方式的配置，用于连接远程运行的 MCP 服务器。

4. MCP 服务器配置 (mcp-servers-config.json)

这个 JSON 文件定义了 Spring AI 如何通过 Stdio 方式启动 GitHub MCP 服务器。

image-20250503212625494

{
  "mcpServers": {
    "github": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "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"
      }
    }
  }
}

配置说明：

  • mcpServers : 定义了一个名为 “github” 的 MCP 服务器。
  • command : 指定启动服务器的命令（在 Windows 上是 cmd ）。
  • args : 传递给命令的参数。这里使用 npx -y @modelcontextprotocol/server-github 来下载并运行官方的 GitHub MCP 服务器。
  • env : 设置启动服务器进程所需的环境变量。 GITHUB_PERSONAL_ACCESS_TOKEN 是必需的，用于授权 MCP 服务器访问 GitHub API。 请注意：直接在配置文件中硬编码 Token 存在安全风险，建议使用更安全的方式（如环境变量或密钥管理服务）传递。

5. Java 应用程序代码 (SpringAiAlibabaMcpClientApplication.java)

这是 Spring Boot 应用程序的主类和入口点。

image-20250503212502262

package com.miku.springaialibabamcpclient;

import org.springframework.ai.chat.client.ChatClient; // 导入 Spring AI 的 ChatClient 类，用于与聊天模型交互
import org.springframework.ai.chat.model.ChatModel; // 导入 Spring AI 的 ChatModel 接口，代表一个聊天模型
import org.springframework.ai.tool.ToolCallbackProvider; // 导入 Spring AI 的 ToolCallbackProvider 接口，用于提供工具回调
import org.springframework.beans.factory.annotation.Qualifier; // 导入 Spring 的 Qualifier 注解，用于指定注入特定名称的 Bean
import org.springframework.boot.CommandLineRunner; // 导入 Spring Boot 的 CommandLineRunner 接口，用于在应用启动后执行特定代码
import org.springframework.boot.SpringApplication; // 导入 Spring Boot 的主应用类
import org.springframework.boot.autoconfigure.SpringBootApplication; // 导入 Spring Boot 的主应用注解，启用自动配置、组件扫描等
import org.springframework.context.ConfigurableApplicationContext; // 导入 Spring 的应用上下文接口，用于管理 Bean 生命周期等
import org.springframework.context.annotation.Bean; // 导入 Spring 的 Bean 注解，用于声明一个 Bean

// @SpringBootApplication 注解标记这是一个 Spring Boot 应用程序
@SpringBootApplication
public class SpringAiAlibabaMcpClientApplication {

	// main 方法是应用程序的入口点
	public static void main(String[] args) {
		// 启动 Spring Boot 应用程序
		SpringApplication.run(SpringAiAlibabaMcpClientApplication.class, args);
	}

	// @Bean 注解将此方法的返回值注册为 Spring 容器中的一个 Bean
	// CommandLineRunner 接口使得这个 Bean 在应用程序启动后会自动执行 run 方法
	@Bean
	public CommandLineRunner predefineQuestions(
			// @Qualifier("dashscopeChatModel") 注解指定注入名称为 "dashscopeChatModel" 的 ChatModel Bean
			// 这个 Bean 通常由 spring-ai-alibaba-starter 自动配置提供，代表阿里云的 DashScope 模型
			@Qualifier("dashscopeChatModel") ChatModel dashscopeChatModel,
			// 注入 ToolCallbackProvider Bean，这个 Bean 通常由 spring-ai-mcp-client-spring-boot-starter 自动配置提供
			// 它负责管理和调用通过 MCP 连接的工具
			ToolCallbackProvider tools,
			// 注入 ConfigurableApplicationContext，用于在任务完成后关闭应用上下文
			ConfigurableApplicationContext context) {

		// 返回一个 CommandLineRunner 实例
		return args -> {
			// 使用 ChatClient.builder() 创建一个 ChatClient 构建器
			// 将注入的 dashscopeChatModel 设置为 ChatClient 使用的聊天模型
			ChatClient.Builder builder = ChatClient.builder(dashscopeChatModel);

			// 使用 defaultTools(tools) 方法将注入的 ToolCallbackProvider (MCP 客户端) 注册到 ChatClient 中
			// 这使得 ChatClient 在需要时能够通过 MCP 调用工具
			var chatClient = builder.defaultTools(tools).build();

			// 定义用户输入的硬编码中文问题
			// 硬编码可以避免配置文件编码问题，但实际应用中通常从外部获取输入
			String userInput = "查询用户16Miku的github仓库每个代码仓库的详细内容？";

			// 打印问题到控制台
			System.out.println("Question" + userInput );

			// 使用 chatClient 发送 prompt (问题)
			// .call() 方法发送请求到配置的 ChatModel (DashScope)
			// 如果模型判断需要使用工具，Spring AI 框架会通过注册的 ToolCallbackProvider (MCP) 调用工具
			// .content() 方法获取 AI 模型返回的文本内容 (可能是直接回答或工具执行结果的总结)
			// 打印 AI 模型返回的回答到控制台
			System.out.println("Answer" + chatClient.prompt(userInput).call().content());

			// 在任务完成后关闭 Spring 应用程序上下文
			// 这对于 CommandLineRunner 类型的单次执行任务很有用，避免应用程序一直运行
			context.close();
		};
	}
}

代码逻辑：

  1. @SpringBootApplication 标记主类。
  2. main 方法启动应用。
  3. predefineQuestions 方法使用 @Bean 和 CommandLineRunner 定义了一个在应用启动后执行的任务。
  4. 通过 @Qualifier(“dashscopeChatModel”) 注入 DashScope 聊天模型。
  5. 注入 ToolCallbackProvider ，它代表了通过 MCP 连接的工具（根据配置是 GitHub MCP Server）。
  6. 创建 ChatClient ，并将 DashScope 模型和 MCP 工具提供者 ( tools ) 关联起来。
  7. 定义一个查询 GitHub 仓库的问题 userInput 。
  8. 调用 chatClient.prompt(userInput).call().content() ：
    • 将问题发送给 DashScope 模型。
    • DashScope 模型理解意图后，决定调用 GitHub 工具。
    • Spring AI 通过 ToolCallbackProvider (MCP 客户端) 将工具调用请求发送给 Stdio 启动的 GitHub MCP 服务器。
    • GitHub MCP 服务器执行查询并将结果返回给 Spring AI。
    • Spring AI 将工具结果再发送给 DashScope 模型。
    • DashScope 模型根据工具结果生成最终的回答。
    • .content() 获取最终回答。
  9. 打印问题和回答。
  10. 关闭应用上下文。

6. 运行结果 (控制台输出)

以下是应用程序运行时的控制台输出日志和最终结果。

img

img



:: Spring Boot ::                (v3.4.4)

2025-05-03T20:48:00.247+08:00  INFO 44960 --- [  restartedMain] .m.s.SpringAiAlibabaMcpClientApplication : Starting SpringAiAlibabaMcpClientApplication using Java 21.0.4 with PID 44960 (A:\study\javaee\Spring AI\spring-ai-alibaba-learn\spring-ai-alibaba-mcp\spring-ai-alibaba-mcp-client\target\classes started by in A:\study\javaee\Spring AI\spring-ai-alibaba-learn\spring-ai-alibaba-mcp)
2025-05-03T20:48:00.248+08:00  INFO 44960 --- [  restartedMain] .m.s.SpringAiAlibabaMcpClientApplication : No active profile set, falling back to 1 default profile: "default"
2025-05-03T20:48:00.459+08:00  INFO 44960 --- [  restartedMain] o.s.b.devtools.restart.ChangeableUrls    : The Class-Path manifest attribute in A:\apache-maven-3.9.6-bin\mvn_resp\org\apache\opennlp\opennlp-tools\2.3.3\opennlp-tools-2.3.3.jar referenced one or more files that do not exist: file:/A:/apache-maven-3.9.6-bin/mvn_resp/org/apache/opennlp/opennlp-tools/2.3.3/slf4j-api-1.7.36.jar
2025-05-03T20:48:00.460+08:00  INFO 44960 --- [  restartedMain] .e.DevToolsPropertyDefaultsPostProcessor : Devtools property defaults active! Set 'spring.devtools.add-properties' to 'false' to disable
2025-05-03T20:48:00.460+08:00  INFO 44960 --- [  restartedMain] .e.DevToolsPropertyDefaultsPostProcessor : For additional web related logging consider setting the 'logging.level.web' property to 'DEBUG'
2025-05-03T20:48:01.509+08:00  WARN 44960 --- [  restartedMain] trationDelegate$BeanPostProcessorChecker : Bean 'com.alibaba.cloud.nacos.NacosConfigAutoConfiguration' of type [com.alibaba.cloud.nacos.NacosConfigAutoConfiguration] is not eligible for getting processed by all BeanPostProcessors (for example: not eligible for auto-proxying). The currently created BeanPostProcessor [nacosAnnotationProcessor] is declared through a non-static factory method on that class; consider declaring it as static instead.
2025-05-03T20:48:01.516+08:00  WARN 44960 --- [  restartedMain] trationDelegate$BeanPostProcessorChecker : Bean 'nacosConfigProperties' of type [com.alibaba.cloud.nacos.NacosConfigProperties] is not eligible for getting processed by all BeanPostProcessors (for example: not eligible for auto-proxying). Is this bean getting eagerly injected/applied to a currently created BeanPostProcessor [nacosAnnotationProcessor]? Check the corresponding BeanPostProcessor declaration and its dependencies/advisors. If this bean does not have to be post-processed, declare it with ROLE_INFRASTRUCTURE.
2025-05-03T20:48:01.588+08:00  INFO 44960 --- [  restartedMain] c.a.n.p.a.s.c.ClientAuthPluginManager    : [ClientAuthPluginManager] Load ClientAuthService com.alibaba.nacos.client.auth.impl.NacosClientAuthServiceImpl success.
2025-05-03T20:48:01.588+08:00  INFO 44960 --- [  restartedMain] c.a.n.p.a.s.c.ClientAuthPluginManager    : [ClientAuthPluginManager] Load ClientAuthService com.alibaba.nacos.client.auth.ram.RamClientAuthServiceImpl success.
2025-05-03T20:48:01.591+08:00  WARN 44960 --- [  restartedMain] trationDelegate$BeanPostProcessorChecker : Bean 'nacosConfigManager' of type [com.alibaba.cloud.nacos.NacosConfigManager] is not eligible for getting processed by all BeanPostProcessors (for example: not eligible for auto-proxying). Is this bean getting eagerly injected/applied to a currently created BeanPostProcessor [nacosAnnotationProcessor]? Check the corresponding BeanPostProcessor declaration and its dependencies/advisors. If this bean does not have to be post-processed, declare it with ROLE_INFRASTRUCTURE.
2025-05-03T20:48:02.025+08:00  INFO 44960 --- [  restartedMain] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat initialized with port 10003 (http)
2025-05-03T20:48:02.039+08:00  INFO 44960 --- [  restartedMain] o.apache.catalina.core.StandardService   : Starting service [Tomcat]
2025-05-03T20:48:02.039+08:00  INFO 44960 --- [  restartedMain] o.apache.catalina.core.StandardEngine    : Starting Servlet engine: [Apache Tomcat/10.1.39]
2025-05-03T20:48:02.108+08:00  INFO 44960 --- [  restartedMain] o.a.c.c.C.[Tomcat].[localhost].[/]       : Initializing Spring embedded WebApplicationContext
2025-05-03T20:48:02.109+08:00  INFO 44960 --- [  restartedMain] w.s.c.ServletWebServerApplicationContext : Root WebApplicationContext: initialization completed in 1648 ms
2025-05-03T20:48:05.764+08:00  INFO 44960 --- [pool-5-thread-1] i.m.c.transport.StdioClientTransport     : STDERR Message received: GitHub MCP Server running on stdio
2025-05-03T20:48:05.811+08:00  INFO 44960 --- [pool-2-thread-1] i.m.client.McpAsyncClient                : Server response with Protocol: 2024-11-05, Capabilities: ServerCapabilities[experimental=null, logging=null, prompts=null, resources=null, tools=ToolCapabilities[listChanged=null]], Info: Implementation[name=github-mcp-server, version=0.6.2] and Instructions null
2025-05-03T20:48:06.333+08:00  INFO 44960 --- [  restartedMain] o.s.b.d.a.OptionalLiveReloadServer       : LiveReload server is running on port 35729
2025-05-03T20:48:06.362+08:00  INFO 44960 --- [  restartedMain] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat started on port 10003 (http) with context path '/'
2025-05-03T20:48:06.370+08:00  INFO 44960 --- [  restartedMain] .m.s.SpringAiAlibabaMcpClientApplication : Started SpringAiAlibabaMcpClientApplication in 6.796 seconds (process running for 7.65)
Question查询用户16Miku的github仓库每个代码仓库的详细内容？
Answer下面是用户 16Miku 的所有公开代码仓库及其详细信息：

1. **MybatisPlus-Learning**
   - 地址：[MybatisPlus-Learning](https://github.com/16Miku/MybatisPlus-Learning)
   - 创建时间：2025-04-12T23:14:33Z
   - 最后更新时间：2025-04-12T23:20:09Z

2. **sky-take-out**
   - 地址：[sky-take-out](https://github.com/16Miku/sky-take-out)
   - 创建时间：2025-04-12T23:24:27Z
   - 最后更新时间：2025-04-12T23:25:26Z

3. **Machine-Learning**
   - 地址：[Machine-Learning](https://github.com/16Miku/Machine-Learning)
   - 描述：机器学习作业记录，包括KNN模型训练、TensorFlow和Keras构建的CNN模型进行水果识别、ITTI算法显著性特征提取等。
   - 创建时间：2025-04-12T21:39:46Z
   - 最后更新时间：2025-04-12T21:45:23Z

4. **RabbitMQ-Learning**
   - 地址：[RabbitMQ-Learning](https://github.com/16Miku/RabbitMQ-Learning)
   - 创建时间：2025-04-12T22:36:39Z
   - 最后更新时间：2025-04-12T22:38:03Z

5. **chat2-spring-ai**
   - 地址：[chat2-spring-ai](https://github.com/16Miku/chat2-spring-ai)
   - 创建时间：2025-04-12T22:09:27Z
   - 最后更新时间：2025-04-27T09:53:06Z

6. **bitstorm-java-project-241010** (私有仓库)

7. **Algorithm-Learning**
   - 地址：[Algorithm-Learning](https://github.com/16Miku/Algorithm-Learning)
   - 描述：算法题学习记录
   - 创建时间：2025-04-28T11:57:27Z
   - 最后更新时间：2025-05-03T03:53:29Z

8. **vanna** (私有仓库)
   - 描述：大数据课程作业：基于vanna大模型和spark数据分析的医院管理系统项目

9. **MCP-Test**
   - 地址：[MCP-Test](https://github.com/16Miku/MCP-Test)
   - 描述：Test repository created by MCP
   - 创建时间：2025-04-15T12:49:14Z
   - 最后更新时间：2025-04-15T17:30:00Z

10. **spring-ai-alibaba-learn**
    - 地址：[spring-ai-alibaba-learn](https://github.com/16Miku/spring-ai-alibaba-learn)
    - 描述：Spring AI Alibaba学习记录
    - 创建时间：2025-04-12T22:15:33Z
    - 最后更新时间：2025-04-18T23:58:02Z

11. **hmall**
    - 地址：[hmall](https://github.com/16Miku/hmall)
    - 描述：黑马程序员SpringCloud微服务开发与实战，java黑马商城项目微服务实战开发（涵盖MybatisPlus、Docker、MQ、ES、Redis高级等）学习记录
    - 创建时间：2025-04-12T22:30:36Z
    - 最后更新时间：2025-04-12T22:32:51Z

12. **Streamlit-For-Yolo**
    - 地址：[Streamlit-For-Yolo](https://github.com/16Miku/Streamlit-For-Yolo)
    - 描述：服创作品
    - 创建时间：2025-04-07T12:40:18Z
    - 最后更新时间：2025-04-28T15:01:23Z

请注意，其中有一些仓库是私有的，因此无法提供它们的详细内容。其他仓库的信息已经列出，包括每个仓库的地址、描述、创建时间和最后更新时间。
2025-05-03T20:49:08.549+08:00  INFO 44960 --- [  restartedMain] o.s.b.w.e.tomcat.GracefulShutdown        : Commencing graceful shutdown. Waiting for active requests to complete
2025-05-03T20:49:08.557+08:00  INFO 44960 --- [tomcat-shutdown] o.s.b.w.e.tomcat.GracefulShutdown        : Graceful shutdown complete
2025-05-03T20:49:08.679+08:00  WARN 44960 --- [onPool-worker-1] i.m.c.transport.StdioClientTransport     : Process terminated with code 1

用AI解读本次运行信息

  1. 应用程序启动成功:

    :: Spring Boot ::                (v3.4.4)
...
2025-05-03T20:48:06.362+08:00  INFO 44960 --- [  restartedMain] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat started on port 10003 (http) with context path '/'
2025-05-03T20:48:06.370+08:00  INFO 44960 --- [  restartedMain] .m.s.SpringAiAlibabaMcpClientApplication : Started SpringAiAlibabaMcpClientApplication in 6.796 seconds (process running for 7.65)

    这部分日志表明 Spring Boot 应用程序上下文和 Tomcat Web 服务器都已成功启动。

  2. MCP 客户端连接成功:

    2025-05-03T20:48:05.764+08:00  INFO 44960 --- [pool-5-thread-1] i.m.c.transport.StdioClientTransport     : STDERR Message received: GitHub MCP Server running on stdio
2025-05-03T20:48:05.811+08:00  INFO 44960 --- [pool-2-thread-1] i.m.client.McpAsyncClient                : Server response with Protocol: 2024-11-05, Capabilities: ..., Info: Implementation[name=github-mcp-server, version=0.6.2] and Instructions null

    这部分日志确认 MCP 客户端成功连接到了通过 Stdio 运行的 “GitHub MCP Server”，并获取了其能力信息。

  3. 应用程序逻辑执行并成功获取 AI 回答:

    Question查询用户16Miku的github仓库每个代码仓库的详细内容？
Answer下面是用户 16Miku 的所有公开代码仓库及其详细信息：
... (详细的仓库列表和信息) ...
请注意，其中有一些仓库是私有的，因此无法提供它们的详细内容。其他仓库的信息已经列出，包括每个仓库的地址、描述、创建时间和最后更新时间。

    这是 最关键的部分！

    • Question... 是您的 CommandLineRunner 打印的输入问题。
    • Answer... 后面跟着的是 AI 模型返回的 实际回答内容。
    • 回答内容详细列出了用户 16Miku 的 GitHub 公开仓库，包括名称、地址、描述、创建时间和更新时间，甚至提到了私有仓库无法提供详细信息。

    这表明：

    • 您的 ChatClient 调用成功了。
    • AI 模型（根据之前的配置，应该是阿里云的 DashScope 模型）接收并理解了问题。
    • AI 模型识别到这个问题需要使用工具（查询 GitHub 仓库）。
    • AI 模型通过 Spring AI 和 MCP 框架，成功调用了 “GitHub MCP Server” 提供的工具。
    • GitHub 工具成功执行，并返回了用户 16Miku 的仓库信息。
    • AI 模型接收到工具的执行结果，并根据结果生成了结构化且相关的自然语言回答。
    • 应用程序成功接收并打印了 AI 模型返回的回答。

  4. 应用程序正常关闭:

    2025-05-03T20:49:08.549+08:00  INFO 44960 --- [  restartedMain] o.s.b.w.e.tomcat.GracefulShutdown        : Commencing graceful shutdown. Waiting for active requests to complete
2025-05-03T20:49:08.557+08:00  INFO 44960 --- [tomcat-shutdown] o.s.b.w.e.tomcat.GracefulShutdown        : Graceful shutdown complete

    这表明 Spring Boot 应用程序本身执行完 CommandLineRunner 中的逻辑后，进行了正常的关闭流程。

  5. MCP 外部进程终止警告:

    2025-05-03T20:49:08.679+08:00  WARN 44960 --- [onPool-worker-1] i.m.c.transport.StdioClientTransport     : Process terminated with code 1

    这个警告与之前出现的一样，表示通过 Stdio 连接的外部 MCP 进程在 Java 应用程序关闭时终止了，退出码为 1。这通常意味着外部进程没有以零退出码干净地退出，但它并没有阻止主应用程序完成其主要任务（调用 AI 并获取回答）。这可能只是 MCP 客户端库或外部进程本身在接收到关闭信号时的行为特性，通常不是一个严重的问题，只要核心功能正常即可。

结论

您的应用程序已经成功地：

  1. 启动了 Spring Boot 容器。
  2. 连接了 MCP 客户端到 GitHub 工具服务器。
  3. 使用 DashScope ChatModel 发送了需要工具调用的聊天请求。
  4. AI 模型成功调用了 GitHub 工具。
  5. 获取了 GitHub 仓库信息。
  6. 生成了基于工具结果的自然语言回答。
  7. 打印了回答。
  8. 正常关闭了应用程序。

至此已经成功地实现了 Spring AI、阿里云 DashScope 模型和 MCP 工具调用的集成。

7. 总结

本文档详细记录了使用 Spring AI 框架集成 GitHub 作为 MCP 工具的完整过程。通过配置 Maven 依赖、 application.yml 文件以及 mcp-servers-config.json ，我们成功地设置了 Spring AI 客户端，使其能够通过 Stdio 方式启动并与 GitHub MCP 服务器进行通信。

Java 应用程序代码演示了如何：

  1. 注入所需的 ChatModel (本例中为 DashScope) 和 ToolCallbackProvider (由 MCP 客户端提供)。
  2. 构建 ChatClient 并关联模型与工具。
  3. 向 AI 模型提出需要调用外部工具（GitHub API）的问题。
  4. Spring AI 框架自动处理工具调用流程：模型识别意图 -> 调用 MCP 客户端 -> MCP 客户端与 GitHub 服务器交互 -> 结果返回模型 -> 模型生成最终答案。
    最终的控制台输出验证了整个流程的成功执行，AI 模型能够利用 GitHub MCP 工具获取所需信息并给出相应的回答。

此示例展示了 Spring AI MCP 的强大功能，它允许 AI 应用方便地扩展其能力，通过标准化的协议与各种外部工具和服务进行交互，从而处理更广泛、更复杂的任务。同时，也需要注意在生产环境中安全地管理 API 密钥和 Token。

16Miku
关注
使用Spring AI和LLM生成Java测试代码
software_test010的博客
10-28 822
AIDocumentLibraryChat项目已扩展至生成测试代码（Java 代码已通过测试）。该项目可为公开的 Github 项目生成测试代码。只需提供要测试的类的网址，该类就会被加载、分析导入，项目中的依赖类也会被加载。这样，LLM 就有机会在为测试生成模拟时考虑导入的源类。可以提供 testUrl，为 LLM 提供一个示例，以便生成测试。我们已使用 Ollama 对granite-code、deepseek-coder-v2和codestral模型进行了测试。
Chat2DB 实现：Spring AI MCP 直连数据库
GZM888888的博客
01-12 3002
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。
基于 MCP 的 AI Agent 应用开发实践
2401_85343303的博客
04-17 885
Model Context Protocol（模型上下文协议）是 Anthropic 在推出的用于 LLM 应用和外部数据源（Resources）或工具（Tools）通信的标准协议，遵循的基础消息格式。可以把 MCP 想象成 AI 应用程序的USB-C 接口规范了应用程序如何为 LLMs 提供上下文。MCPClient：通过 MCP 协议与 Servers 通信，并保持 1:1 连接MCPServers。
2025超强的国人 AI 助手神器！！ Cherry Studio+MCP实现数据库查询超详细流程！
2301_76168381的博客
04-12 1099
MCP（Model Context Protocol）是模型上下文协议，它允许大型语言模型（LLM）通过协议与外部工具或服务交互，动态获取实时数据或执行操作。简单来说，它让模型不再局限于静态知识库，而是能像人类一样调用搜索引擎、访问本地文件、连接API服务，甚至操作第三方软件。
java 使用 spring AI 实战MCP
YXWik的博客
04-02 2520
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。
SpringAI介绍及本地模型使用方法
m0_67390788的博客
02-21 919
Spring在Java语言中一直稳居高位，与AI的洪流碰撞后也产生了一些有趣的”化学反应“，当然你要非要说碰撞属于物理反应也可以，在经历了一系列复杂的反应方程后，Spring家族的新成员——SpringAI，就此诞生。需要注意的是，springai目前仍处于试验阶段，可能会出现许多不稳定因素，希望各位使用者能放平心态面对BUG（或者去issues里发表自己的见解Spring AI 项目为开发 AI 应用程序提供了 Spring 友好的 API 和抽象类。
使用SpringAI快速实现离线本地大模型应用
m0_74825074的博客
12-08 648
大模型(LLM)，Large Language Model作为当前比较热门的技术，最近在年在各行各业中都得到了广泛的应用。在我们目前使用较多的AI产品中，几乎都是使用的互联网(云端)上的AI工具，即：需要先把数据传输给AI平台，由AI平台处理后，再将信息回馈到我们的本地应用。然而在许多领域，由于大模型的数据没有采集到更细化的信息，亦或者出于安全原因某些数据不能对外公开，这时使用离线大模型来实现信息的生成与检索则变得非常重要。很久没用Spring的我，最近看到Spring官网出了Spring AI。
Model Context Protocol (MCP) 模型上下文协议
qq_29434541的博客
04-12 1077
模型上下文协议（MCP）为 LLM 应用提供了一个统一、标准化的接口，使其能够在对话或工作流中随时访问和操作外部数据源与工具。通过 JSON-RPC 2.0 协议、能力协商机制和多种传输层实现，MCP 打破了不同系统间的集成壁垒，简化了多源集成成本。在 Java/Spring 生态中，借助 Spring AI MCP，我们可以轻松地将本地文件系统、数据库、第三方 API 等资源暴露给 LLM，并在 ChatClient 中将其注册为函数回调，实现“智能体”式的交互与自动化操作。
dify MCP工具调用
weixin_55010563的博客
04-16 787
isHeadTeacher | enum | 是否为班主任，"true"或"false" | 可选 | true || teacherId | varchar | 授课教师ID | 外键(teachers.id) | "T001" || healthStatus | enum | 健康状况 | 必填，"良好"或"一般‌"或"较差" | "良好" || courseId | varchar | 课程ID | 外键(courses.id) | "C001" |
AI 编程日报 · 2025 年 5 月 04 日｜GitHub Copilot Agent 模式发布，Ultralytics 优化训练效率
He_r_o的博客
05-04 844
AI 编程日报 · 2025 年 5 月 04 日
Galini AI 技术实现方案及 GitHub 开源库推荐
高效匠人
04-30 865
Galini AI 技术实现方案及 GitHub 开源库推荐
GitHub 趋势日报 (2025年04月30日)
qianmoQ - 关注云计算,关注大数据
05-01 1248
本日报由 TrendForge 系统生成 https://trendforge.devlive.org/
字节跳动在GitHub上有哪些开源项目
interpromotion的博客
04-23 1923
字节跳动（ByteDance）在GitHub上开源了许多项目，涵盖前端、后端、云原生、AI、数据库等多个领域。这些项目体现了字节跳动在技术领域的广泛投入，适合开发者学习或直接应用于生产环境。
Windows11 VS code 安装 Cline 调用 Github MCP 配置过程坑点汇总
王森的博客
05-05 723
为了调研 MCP 在 windows 上如何使用本地的命令执行一些操作而实现自动化的过程，在 B 站视频的指导下，进行相应填坑过程，最终运行起来，并实现 github 自动化编程并提交代码的过程。
Github开通第三方平台OAuth登录及Java对接步骤
北亮的专栏
04-30 546
简述如何接入Github这个全球最大的同性交友网站的OAuth登录和授权。
Redis总结（六）redis持久化
最新发布
2301_81554122的博客
05-05 509
本文将简单介绍redis持久化的两种方式在简单了解了以上两种持久化方式的不同点后，我们开始一个一个的进行了解。
Github 2025-05-02Java开源项目日报 Top9
老孙正经胡说
05-02 656
根据Github Trendings的统计，今日(2025-05-02统计)共有9个项目上榜。
计算机毕业设计--基于深度学习(U-Net与多尺度ViT)的模糊车牌图像清晰化复原算法设计与实现(含Github代码+Web端在线体验链接)
qq_45566099的博客
04-29 2244
本课题构建了一个多阶段车牌模糊图像复原网络，并运用基于车牌图像边缘轮廓的无监督修复方法，能够卓有成效地应对车牌图像在实际交通监控场景中，因运动模糊和部分遮挡所引发的质量下降难题
GitHub修炼法则：第一次提交代码教学(Liunx系统)
Mr_Hanc_Tiskor的博客
04-30 1482
github是广大程序员们必须要掌握的一个技能，万事开头难，如果成功提交了第一次代码，那么后来就会简单很多。网上的相关资料往往都不是从第一次开始，导致很多新手们会在过程中遇到很多权限认证相关的问题，进而被卡住。为了解决这些问题，我整理了这个github第一次提交的教程，希望可以帮助大家掌握github的使用。需要的环境：VS code编辑环境。WMware虚拟机与ubuntu系统。这里我通过将我们本地写的一个项目ChatServer上传到github仓库来带领大家学习github的使用。
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
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