快速掌握MCP——Spring AI MCP包教包会

水中加点糖

已于 2025-04-03 21:25:10 修改

阅读量3.9k

点赞数 16

分类专栏： AI javaweb入门学习文章标签：人工智能 java mcp spring ai mcp inspector 智能体开发 ai

于 2025-04-03 21:12:59 首次发布

本文链接：https://blog.csdn.net/puhaiyang/article/details/146988730

版权

javaweb入门学习同时被 2 个专栏收录

35 篇文章

订阅专栏

1 篇文章

订阅专栏

最近几个月AI的发展非常快，各种大模型、智能体、AI名词和技术和框架层出不穷，作为一个业余小红书博主的我最近总刷到MCP这个关键字，看着有点高级我也来学习一下。

1.SpringAI与functionCall简单回顾

前几个月我曾写过两篇关于SpringAI的基础入门文章：

在这两篇文章中，对于私有领域数据的处理使用的是RAG和FunctionCall技术来实现的。

而如今再打开SpringAI的官网，Function Calling部分已被标记为Deprecated(已废弃)，当前已被更具有范式的Tool Calling取代。
spring-ai

快速回顾可参考开源的playground-flight-booking(航班预定)项目：https://github.com/tzolov/playground-flight-bookin

项目截图：
flight-booking

2.MCP简介

MCP

MCP的全称为：Model Context Protocol，是一个开源的协议，可以让大模型应用更方便的集成各种数据源和工具，经典举例为：使用Type-C接口适配各种电器，使用统一的接口为大模型应用提供各种工具。

MCP官网中将MCP主要分为：MCP Hosts、MCP Clients、MCP Servers、Local Data Sources、Remote Services这几个部分。详细定义：MCP General architecture
mcp-architecture

同时，MCP官网还提供了多种语言的SDK，python、java、c#、typescript等都有。

在本文中所使用到的框架为spring-ai，其中的mcp部分也是基于MCP官网的mcp-java-sdk开发的。

在SpringAI中，它将MCP包装成了2个starter，MCP Client和MCP Server，单看概念有些空洞，本文用几个例子快速体验一把。

3.MCP Client

MCP Client是MCP Server的调用者，常与AI智能体结合在一起。

在mcp官网的介绍中mcp client和mcp server是1:1连接关系，在spring-ai中的MCP client可以理解为mcp host和mcp client的结合体，简单理解就是一个客户端，调用MCP SERVER用的。

3.1 第三方MCP服务

MCP SERVER可以是自己开发的，也可以是网上能访问到的公有MCP SERVER。

为了快速体验到MCP，这里直接使用网上的一个MCP Server调用一下。

网上的MCP服务可以从MCP Server仓库https://mcp.so/servers 搜索，截图如下：
mcp.so

3.2 单MCP体验(filesystem)

先体验一个简单的mcp服务：filesystem

单独启动此MCP服务的命令如下(后面跟的是允许访问的目录)：

npx -y @modelcontextprotocol/server-filesystem E:\tmp\github\springai-demo\target

npx-mcp

如无npx命令，就用node.js安装一下npx：npm install -g npx

据说在命令行中使用json-rpc文本可以与stdio的mcp服务交互，但我实测没有反应暂时不管了。

我们把它改造为spring-ai的mcp-client方式调用此mcp，主要代码为：

@SpringBootApplication
public class Application {

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

	@Bean
	public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,
			McpSyncClient mcpClient, ConfigurableApplicationContext context) {
		return args -> {
			var chatClient = chatClientBuilder
					.defaultTools(new SyncMcpToolCallbackProvider(mcpClient))
					.build();
			System.out.println("Running predefined questions with AI model responses:\n");

			// Question 1
			String question1 = "列出当前可以操作的所有文件";
			System.out.println("QUESTION: " + question1);
			System.out.println("ASSISTANT: " + chatClient.prompt(question1).call().content());

			// Question 2
			String question2 = "请总结 target/spring-ai-mcp-overview.txt 文件的内容，并将总结的内容以一个Markdown格式的新文件保存为 target/summary.md ";
			System.out.println("\nQUESTION: " + question2);
			System.out.println("ASSISTANT: " +
					chatClient.prompt(question2).call().content());
			context.close();
		};
	}

	@Bean(destroyMethod = "close")
	public McpSyncClient mcpClient() {
		// windows时使用npx.cmd,linux时使用npx
		var stdioParams = ServerParameters.builder("npx.cmd")
				.args("-y", "@modelcontextprotocol/server-filesystem", getDbPath())
				.build();
		var mcpClient = McpClient.sync(new StdioClientTransport(stdioParams))
				.requestTimeout(Duration.ofSeconds(10)).build();
		var init = mcpClient.initialize();
		System.out.println("MCP Initialized: " + init);
		return mcpClient;
	}

	private static String getDbPath() {
		return Paths.get(System.getProperty("user.dir"), "target").toString();
	}
}

使用的主要依赖为：

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

运行结果截图：
filesystem-mcp
如截图所示，它成功读取到了系统中的指定文件，并用LLM进行了分析总结，还向系统的磁盘中写入了summary.md文件。

完整代码参考：model-context-protocol/filesystem

3.3 多MCP体验(mcp-servers-config.json)

上面的代码中创建mcp-client的代码不是很优雅，且每次要使用一个mcp-server就要写一段那样的代码，接下来我们看下如何简化。

首先创建一个mcp-servers-config.json配置文件，在里面定义要使用到的mcp-server

{
  "mcpServers": {
    "server-filesystem": {
      "command": "npx.cmd",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "E:\tmp\github\spring-ai-examples\target"
      ],
      "env": {
      }
    },
    "amap-maps": {
      "command": "npx.cmd",
      "args": [
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "REPLACE_YOUR_KEY"
      }
    }
  }
}

其中的@amap/amap-maps-mcp-server为高德地图的mcp-server，AMAP_MAPS_API_KEY的内容为我们在高德地图所申请的api_key。

之后编写应用代码：


@SpringBootApplication
public class Application {

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

    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {

        return args -> {
            var chatClient = chatClientBuilder
                    .defaultTools(tools)
                    .build();
            System.out.println("Running predefined questions with AI model responses:\n");
            String question2 = "请为我计划一次成都三岔美食一日游。尽量给出更舒适的出行安排，当然，也要注意天气状况，并将最终的并将内容以一个Markdown格式的新文件保存为 target/TripPlan.md\n";
            System.out.println("\nQUESTION: " + question2);
            System.out.println("ASSISTANT: " + chatClient.prompt(question2).call().content());
            context.close();
        };
    }
}

对应的配置文件application.properties内容为：

spring.application.name=mcp
spring.main.web-application-type=none

spring.ai.openai.base-url=https://api.deepseek.com/
spring.ai.openai.api-key=REPLACE_YOUR_KEY
spring.ai.openai.chat.options.model=deepseek-chat

spring.ai.mcp.client.toolcallback.enabled=true
spring.ai.mcp.client.stdio.servers-configuration: classpath:mcp-servers-config.json

logging.level.io.modelcontextprotocol.client=DEBUG
logging.level.io.modelcontextprotocol.spec=DEBUG

为了便于观察分析，建议初学时将日志的级别设置为DEBUG，可以看到详细的输入输出

运行示例截图：
amap-mcp
代码中，我们提交的问题为：请为我计划一次成都三岔美食一日游。尽量给出更舒适的出行安排，当然，也要注意天气状况，并将最终的并将内容以一个Markdown格式的新文件保存为 target/TripPlan.md

输出的响应为：

ASSISTANT: 已成功为您计划了一次成都三岔美食一日游，并将行程安排保存为 `target/TripPlan.md` 文件。以下是行程的简要概述：

### 天气情况
- **2025-04-03（周四）**：多云转阴，白天温度21°C，夜间温度11°C，北风1-3级。
- **2025-04-06（周日）**：多云，白天温度20°C，夜间温度12°C，北风1-3级。

### 美食推荐
包括羊肉汤、川菜、火锅等，如：
- 汪老八羊肉汤
- 苏帮主三样菜
- 江北老灶火锅

### 行程安排
- 上午：抵达后品尝羊肉汤。
- 中午：享用地道川菜。
- 下午：游览三岔湖并品尝鲜鱼料理。
- 晚上：体验麻辣火锅后返程。

请查看 `target/TripPlan.md` 获取完整详情！祝您旅途愉快！

从这里可以看出：程序先调用高德地图-MCP生成了旅游计划，然后又调用了filesystem-mcp将详细的旅游计划以文件的方式保存到了系统中。
mul-mcp-output

短短几行代码，一个简单的智能体应用就完成了。

对于需要调用到多个mcp-server的场景，也更推荐使用servers-configuration配置文件的方式配置。详细可参考：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-client-boot-starter-docs.html

3.4 Playwright自动化

在有了上面的两个示例铺垫后，接下来我们再实现一个AI产品的常见功能：提取某个网页中的指定数据

使用的MCP服务为：playwright。其mcp服务代码仓库为：https://github.com/microsoft/playwright-mcp

使用playwright前我们需要在系统中先安装它，命令为：

pip install playwright
playwright install  # 自动安装浏览器驱动

之后编写spring-ai代码，先编写配置文件mcp-servers-config.json内容为：

{
  "mcpServers": {
    "playwright": {
      "command": "npx.cmd",
      "args": [
        "@playwright/mcp@latest"
      ]
    }
  }
}

编写JAVA代码：

@SpringBootApplication
public class Application {

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

    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {

        return args -> {
            var chatClient = chatClientBuilder
                    .defaultTools(tools)
                    .build();
            System.out.println("Running predefined questions with AI model responses:\n");
            String question2 = "访问这个链接 https://mp.weixin.qq.com/s/7oQG35ECQeJiX6J3Uz3FIQ ，提取出里面的所有旅游景点名称\n";
            System.out.println("\nQUESTION: " + question2);
            System.out.println("ASSISTANT: " + chatClient.prompt(question2).call().content());
            context.close();
        };
    }
}

其中我们的需求为：访问这个链接 https://mp.weixin.qq.com/s/7oQG35ECQeJiX6J3Uz3FIQ ，提取出里面的所有旅游景点名称

运行截图：
playwright-mcp

可以看到它自动调用了我们的浏览器，并按照花的分类提取总结出了旅游景点，非常完美。

程序输出内容如下：

ASSISTANT: 文章中提到的旅游景点（赏花打卡点）如下：

1. **樱桃花**：
   - 贾家街道百年樱桃园
   - 菠萝乌龟坡
   - 贾家桂花村
   - 丹景街道张家沟村
   - 武庙镇竹园村马道子
   - 武庙社区
   - 芦葭镇仁里村优果缘农庄

2. **杏花**：
   - 贾家街道百年樱桃园
   - 武庙镇垮龙山

3. **油菜花**：
   - 养马街道尹家祠村1组
   - 贾家街道天宫社区党群服务中心外
   - 丹景街道藕埝村

4. **桃花**：
   - 养马街道金渔桃缘景区
   - 贾家街道东来桃源景区
   - 快乐村桃示范基地

5. **杏梅花**：
   - 武庙镇团堡村

这些景点分布在成都东部新区，适合春季赏花游玩。

简简单单，一个具备AI网页爬虫分析能力的应用就做好啦。

与Playwright-mcp类似的还有browser-use，但使用下来感觉这个Playwright-mcp更简单。

4.MCP服务调试(MCP Inspector)

为了便于调试mcp服务，mcp官方提供了MCP Inspector工具，支持STDIO和SSE两种类型的MCP服务，可查看和调试MCP服务的tool等信息，非常有用。

运行mcp-inspector需要使用到npx，为避免环境问题推荐使用nvm。

nvm list available
nvm use 22.14.0
nvm ls

以运行mcp-inspector的0.7.0版本为例(使用最新版本去掉@0.7.0)，命令如下：

npx @modelcontextprotocol/inspector@0.7.0

如启动失败，可尝试用npm cache clean --force解决
mcp-inspector
使用时在浏览器中访问命令行输出的url，如这里的：http://localhost:5173。

以调试高德地图的mcp服务为例：在Command中输入npx，在Arguments中输入@amap/amap-maps-mcp-server，之后再点连接(Connect)。
（高德MCP需要API_KEY，连接前还需要配置对应的变量，否则会报错：AMAP_MAPS_API_KEY environment variable is not set）

调试一下高德地图的mcp提供的关键词搜索tool：成都爬山的旅游景点
mcp-inspector-ui
输出内容为：

{"suggestion":{"keywords":[],"ciytes":[]},"pois":[{"id":"B001C06PA9","name":"都江堰景区","address":"公园路","typecode":"110202"},{"id":"B001C06ESL","name":"青城山景区","address":"青城山路168号","typecode":"110201"},{"id":"B0FFGNLFOI","name":"天然阁","address":"青城山镇青城山路168号青城山景区(东南角)","typecode":"110000"},{"id":"B0FFINNKVC","name":"龙泉山城市森林公园","address":"茶店街道","typecode":"110101"},{"id":"B0FFGQ3K69","name":"五凤溪古镇","address":"五凤镇五凤溪景区","typecode":"110202"},{"id":"B0FFLDEJ9E","name":"成都龙泉山丹景台旅游景区","address":"老马埂附近","typecode":"110200"},{"id":"B001C7WE5S","name":"成都大熊猫繁育研究基地","address":"熊猫大道1375号","typecode":"110202"},{"id":"B001C7X8QA","name":"人民公园","address":"小南街8号(人民公园地铁站B口步行240米)","typecode":"110202"},{"id":"B0FFF06JQQ","name":"熊猫谷","address":"环山旅游路玉堂段408号","typecode":"110102"},{"id":"B001C05SU4","name":"成都市植物园","address":"蓉都大道天回路1116号","typecode":"110103"},{"id":"B001C7X564","name":"青城后山","address":"泰安古镇驿道街112号","typecode":"110200"},{"id":"B0FFGQ1S50","name":"灌县古城","address":"灌口街道灌县古城西街32号","typecode":"110000"},{"id":"B001C7XDSY","name":"平乐古镇","address":"兴新街139号","typecode":"110202"},{"id":"B0FFKQ2N8L","name":"邛州园","address":"川西民俗文化大观园(平乐古镇西)","typecode":"110200"},{"id":"B034000BXN","name":"三岔湖景区","address":[],"typecode":"110200"},{"id":"B0FFK2YUL9","name":"龙泉山风景区","address":"桃花故里旅游路东100米","typecode":"110200"},{"id":"B001C802NZ","name":"花舞人间景区","address":"新蒲路梨花溪1号","typecode":"110200"},{"id":"B001C0531A","name":"老君山","address":"永商镇","typecode":"110200"},{"id":"B001C0547B","name":"丹景山","address":"丹景山街道丹景村","typecode":"110200"},{"id":"B0FFIS0UIR","name":"天府芙蓉园","address":"簇马路一段69号","typecode":"110200"}]}

内容比较靠谱，nice~

5.MCP-Server开发

前面的章节我们体验到了第三方的MCP Server使用，接下来看一下如何开发一个自己的MCP Server。

在JAVA项目中开发MCP服务一般有两种方式：

基于MCP官方提供的MCP-SDK实现
基于Spring AI框架实现(对MCP-SDK进行了封装)

追求简单快捷，推荐使用SpringAI方式开发MCP Server，在本文中也是使用的Spring AI框架。

5.1 mcp-server开发(STDIO接口)

mcp-transport
MCP-SERVER服务有两种交互方式，分别为：

STDIO(Standard Input/Output)
SSE(Server-Sent Events)

这里以开发一个天气预报的MCP服务为例，天气预报数据来源使用Open-meteo平台的接口

先看下接口为STDIO类型的MCP Server，开发具体的过程大致如下：

涉及到的pom依赖：

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server</artifactId>
        </dependency>
		
		<!-- RestClient依赖需要 -->
        <dependency>
            <groupId>org.springframework</groupId>
            <artifactId>spring-web</artifactId>
        </dependency>

定义方法并实现：

@Service
public class WeatherService {

	private static final Logger logger = org.slf4j.LoggerFactory.getLogger(WeatherService.class);

	private final RestClient restClient;

	public WeatherService() {
		this.restClient = RestClient.create();
	}

	/**
	 * The response format from the Open-Meteo API
	 */
	public record WeatherResponse(Current current) {
		public record Current(LocalDateTime time, int interval, double temperature_2m) {
		}
	}

	@Tool(description = "Get the temperature (in celsius) for a specific location")
	public String getTemperature(@ToolParam(description = "The location latitude") double latitude,
			@ToolParam(description = "The location longitude") double longitude,
			ToolContext toolContext) {

		WeatherResponse weatherResponse = restClient
				.get()
				.uri("https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}&current=temperature_2m",
						latitude, longitude)
				.retrieve()
				.body(WeatherResponse.class);

		return responseWithPoems;
	}
}

注意上面的 @Tool 和 @ToolParam 注解，它们定义了这个mcp服务一个tool的行为和参数，这是一个MCP-Tool的关键。

最后，再将上面的service注册到Spring容器中，这便完成了MCP Tool到MCP服务的注册：

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

在打包完成后，再使用MCP Inspector进行调试，传输类型选STDIO，Command中输入：java，Arguments中输入：-jar E:\\tmp\\github\\spring-ai-examples\\model-context-protocol\\weather\\starter-stdio-server\\target\\mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar

详细路径根据生成的jar包目录调整，运行截图如下：
stdio-mcp
输入经纬度后成功返回对应的坐标的温度信息，Tools栏也可以查看此MCP服务对应的tool。

5.2 mcp-server开发(SSE接口)

SpringAI中提供了两个starter可以让我们开发SSE类型的MCP接口：

传统的webmvc

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

异步IO请求的webflux

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

将上面STDIO类型的服务改造成SSE类型的接口，仅替换掉依赖就可以。详细源码参考：mcp-weather-webmvc-server

在MCP Inspector中调试SSE的MCP服务时，传输类型选择SSE并填入URL即可。

以MCP服务在本机运行为例，填入：

http://127.0.0.1:8080/sse

运行截图：
sse-mcp