将 DeepSeek 集成到 Spring Boot 项目实现通过 AI 对话方式操作后台数据

逢生博客

已于 2025-04-25 10:55:35 修改

阅读量2.2k

点赞数 41

文章标签： spring boot 人工智能 DeepSeek Cherry Studio MCP 服务端 MCP 客户端 Docker

于 2025-04-19 18:37:52 首次发布

本文链接：https://blog.csdn.net/weixin_42607526/article/details/147353703

版权

项目简介

在本项目中，我们基于 Spring Boot 构建并通过 Docker 部署了 MCP 服务端与 MCP 客户端，通过 HTTP 协议实现与现有系统的远程控制与集成。整个系统作为独立模块运行，服务端直接连接数据库，核心业务逻辑抽象于 tool 层中，具备良好的扩展性与解耦性。

为提升系统的实时交互能力，项目支持通过 Cherry Studio 使用 SSE（Server-Sent Events）与 MCP 服务端保持长连接，实现消息的实时推送与指令响应。

此外，还新增了对 WebSocket 通信的支持。相比于 HTTP 和 SSE，WebSocket 是一种全双工、低延迟、连接持久的通信协议，特别适用于高频次、强交互的控制场景。通过 WebSocket，客户端不仅可以实时获取状态更新，还可主动发送控制指令并立即获取响应，进一步增强了系统的交互性和用户体验。

本项目分两大模块

MCP 服务端：
- 连接数据库
- Tool 业务实现
MCP 客户端：
- 连接 DeepSeek AI 模型
- 连接 MCP 服务端加载 Tool 列表
- 接收用户输入的提示词（问题）
- DeepSeek 识别提示词（问题）意图
- DeepSeek 在 Tool 列表中找到符合要求的 Tool 并调用 Tool
- 接收 MCP 服务端 Tool 的业务处理结果
- DeepSeek 分析结果并转换为 md 文档格式输出

Gitee

https://gitee.com/wufengsheng/spring-mcp-server

MCP 简介

MCP 是一种开放协议，用于标准化应用程序如何向 LLM 提供上下文。可以将 MCP 视为 AI 应用程序的 USB-C 端口。就像 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 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。
在这里插入图片描述

MCP 主机 (MCP Hosts)：例如 Claude Desktop、IDE 或希望通过 MCP 访问数据的 AI 工具等程序
MCP 客户端 (MCP Clients)：与服务器保持 1:1 连接的协议客户端
MCP 服务器 (MCP Servers)：轻量级程序，每个程序通过标准化的模型上下文协议 (MCP) 公开特定的功能
本地数据源 (Local Data Sources)：您的计算机的文件、数据库和 MCP 服务器可以安全访问的服务
远程服务 (Remote Services)：可通过互联网访问的外部系统（例如，通过 API），MCP 服务器可以连接到这些系统

MCP 官网

https://modelcontextprotocol.io/introduction

MCP Apifox 文档

https://app.apifox.com/project/5991953

MCP 官方示例

https://github.com/modelcontextprotocol/servers

环境要求

Java 环境 >= JDK17
Spring Boot >= 3.x

在这里插入图片描述

项目代码

git clone https://gitee.com/wufengsheng/spring-mcp-server.git

注： Java 开发环境必须 >= JDK17，否则项目编译不过。

在这里插入图片描述

核心实现代码

MCP 依赖 jar 包

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-M7</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
	<!-- mcp 服务端引入 -->
	<dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
    </dependency>

	<!-- mcp 客户端引入 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-client</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-openai</artifactId>
    </dependency>
    ...
</dependencies>

MCP 服务端

ToolCallbackProviderConfig.java

import lombok.AllArgsConstructor;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.ApplicationContext;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.Map;

@Configuration
@AllArgsConstructor
public class ToolCallbackProviderConfig {

    private final ApplicationContext applicationContext;

    @Bean
    public ToolCallbackProvider methodToolCallbackProvider() {
        Map<String, McpTool> mcpBeanMap = applicationContext.getBeansOfType(McpTool.class);
        return MethodToolCallbackProvider.builder()
                .toolObjects(mcpBeanMap.values().toArray())
                .build();
    }

}

McpDemoService.java

import com.alibaba.fastjson2.JSON;
import com.baomidou.mybatisplus.core.toolkit.Wrappers;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.server.core.McpTool;
import com.server.module.demo.domain.Demo;
import com.server.module.demo.service.IDemoService;
import lombok.AllArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import java.util.List;

@Slf4j
@Service
@AllArgsConstructor
public class McpDemoService implements McpTool {

    private final IDemoService demoService;

    @Tool(description = "根据年龄查询 Demo 列表")
    @Transactional(rollbackFor = {RuntimeException.class, Exception.class})
    public String queryDemoInfoByAge(@ToolParam(description = "年龄") Integer age) {
        Page<Demo> page = new Page<>(1, 10);
        List<Demo> demoList = demoService.list(page, Wrappers.<Demo>lambdaQuery().eq(Demo::getAge, age).orderByAsc(Demo::getName));
        return JSON.toJSONString(demoList);
    }

}

MCP 客户端

ChatService.java

import com.alibaba.fastjson2.JSON;
import io.modelcontextprotocol.client.McpSyncClient;
import lombok.Getter;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.ai.tool.ToolCallback;
import org.springframework.stereotype.Service;

import java.util.List;

@Slf4j
@Service
public class ChatService {

    private final ChatClient chatClient;

    @Getter
    private final ToolCallback[] toolCallbacks;

    public ChatService(OpenAiChatModel openAiChatModel, List<McpSyncClient> mcpSyncClientList) {
        log.info("mcpSyncClientList={}", JSON.toJSONString(mcpSyncClientList));
        log.info("===============================================\n");
        for (McpSyncClient mcpSyncClient : mcpSyncClientList) {
            log.info("clientInfo={}", mcpSyncClient.getClientInfo());
            log.info("serverInfo={}", mcpSyncClient.getServerInfo());
        }
        log.info("===============================================\n");
        var mcpToolCallbackProvider = new SyncMcpToolCallbackProvider(mcpSyncClientList);
        toolCallbacks = mcpToolCallbackProvider.getToolCallbacks();
        log.info("toolCallbacks={}", JSON.toJSONString(toolCallbacks));
        log.info("===============================================\n");
        for (ToolCallback toolCallback : toolCallbacks) {
            log.info("toolCallback={}", JSON.toJSON(toolCallback.getToolDefinition()));
        }
        log.info("===============================================\n");
        this.chatClient = ChatClient.builder(openAiChatModel)
                .defaultTools(mcpToolCallbackProvider)
                .build();
    }

    public String askQuestion(String prompt) {
        return chatClient.prompt(prompt).call().content();
    }

}

application.yml

spring:
  ai:
    openai:
      api-key: sk-xxxxx
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-chat
    mcp:
      client:
        type: sync
        name: spring-mcp-client-ws
        sse:
          connections:
            server1:
              url: http://localhost:9800

DeepSeek API

申请 API_KEY：https://platform.deepseek.com/usage

在这里插入图片描述

Docker

打包 jar 包并复制到 docker/app/ 对应目录中
start.sh 脚本按顺序先启动 mcp-server 再启动 mcp-client-ws

在这里插入图片描述

配置 API_KEY 与 DeepSeek 模型

cd docker/app/mcp-client-ws
vim application-prod.yml

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

cd docker
docker-compose up -d mcp-server
docker logs -f mcp-server

sse 连接

http://127.0.0.1:9800/sse

ws 连接（推荐）

ws://127.0.0.1:9802/mcp/ws

js 测试脚本

cd node-ws-client
npm install
node client.js

在这里插入图片描述

Nginx 配置 ws:// 或 wss://

location /mcp/ {
    proxy_pass http://192.168.0.160:9802/mcp/;

    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection "upgrade";

    proxy_set_header Host $host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;
}

http 连接

http://127.0.0.1:9801/mcp/mcpClient/listTools

在这里插入图片描述

http://127.0.0.1:9801/mcp/mcpClient/chat?prompt=查询章若楠用户信息

在这里插入图片描述

vue2-chat-window

聊天窗口通过 ws:// 连接 mcp-client-ws 服务

在这里插入图片描述

cd vue2-chat-window
npm install
npm run serve

vue2 聊天界面

在这里插入图片描述

Cherry Studio

下载地址：https://cherry-ai.com/

配置模型

在这里插入图片描述

配置 MCP

在这里插入图片描述

调用 MCP

在这里插入图片描述

将 DeepSeek 集成到 Spring Boot 项目实现通过 AI 对话方式操作后台数据

文章目录

项目简介

本项目分两大模块

Gitee

MCP 简介

MCP 官网

MCP Apifox 文档

MCP 官方示例

环境要求

项目代码

核心实现代码

MCP 服务端

MCP 客户端

DeepSeek API

Docker

sse 连接

ws 连接（推荐）

http 连接

vue2-chat-window

Cherry Studio

配置模型

配置 MCP

调用 MCP