Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

06-01 1758阅读

MCP介绍

直接看官网就行:MCP中文简介 – MCP 中文站（Model Context Protocol 中文）

首先要知道的概念就是：

  • Mcp Client：mcp客户端，负责与mcp server建立一对一连接，可以获取到mcp server暴露的工具或者资源等，是维护mcp协议的核心组件
  • Mcp Server：mcp服务端，可以理解为专门干活的服务，以标准的模型上下文协议暴露工具（tools）或者资源（resource）
  • transport：mcp client和mcp server通信的桥梁

    好了，你已经精通MCP了，开始码。

    首先明确两端的依赖和版本，这个很重要，目前实测下来webflux方式的server实现存在明显的bug（虽然官方推荐生产环境使用webflux的方式实现），例如mcp client跟mcp server建立连接时就会报错404（这个可以通过重写McpAutoConfigration的自动配置方法来实现，不过比较麻烦），或者其他的问题。

    版本

    Spring AI版本：1.0.0-SNAPSHOT快照版本 >>> 也就是最新版，跟随官方团队脚步的更新开发。

    JDK版本:JDK 21

    模型:qwen3:8b （ollama 安装[官网：Ollama，直接download安装即可]后ollama run qwen3:8b就会自动拉取模型并运行,模型大小5.1G,选他是因为他是支持Tool Call的模型)

    项目结构和依赖 

    项目结构：

    ai(Mcp Client端)和ai-mcp(Mcp Server端)两个服务

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Mcp Client端依赖:

            
            UTF-8
            1.0.0-SNAPSHOT
                
        
            org.springframework.ai
            spring-ai-starter-model-ollama
            ${spring-ai.version}
        
        
        
            org.springframework.ai
            spring-ai-starter-mcp-client
        
    
        
        
            spring-milestones
            Spring Milestones
            https://repo.spring.io/milestone
            
                false
            
        
        
            spring-snapshots
            Spring Snapshots
            https://repo.spring.io/snapshot
            
                false
            
        
        
            Central Portal Snapshots
            central-portal-snapshots
            https://central.sonatype.com/repository/maven-snapshots/
            
                false
            
            
                true
            
        
        
        
            
                
                    org.springframework.ai
                    spring-ai-bom
                    1.0.0-SNAPSHOT
                    pom
                    import

    Mcp Server端依赖:

        
        UTF-8
        1.0.0-SNAPSHOT
    
    
        
            org.springframework.ai
            spring-ai-starter-mcp-server-webmvc
            ${spring-ai.version}
        
        
            com.hankcs
            hanlp
            portable-1.8.3
        
        
            org.apache.commons
            commons-lang3
            3.12.0
        
    
    
        
            
                org.springframework.boot
                spring-boot-maven-plugin
            
        
    
    
        
        
            spring-milestones
            Spring Milestones
            https://repo.spring.io/milestone
            
                false
            
        
        
            spring-snapshots
            Spring Snapshots
            https://repo.spring.io/snapshot
            
                false
            
        
        
            Central Portal Snapshots
            central-portal-snapshots
            https://central.sonatype.com/repository/maven-snapshots/
            
                false
            
            
                true
            
        
    
    
        
            
                org.springframework.ai
                spring-ai-bom
                1.0.0-SNAPSHOT
                pom
                import

    以上是两端依赖和mvn部分必要配置。

    Mcp Server端实现:

    1、创建一个工具服务类WhetherServer.class

    我这里以获取天气为例，但是也可以自己改成其他的。和风天气官网：城市天气 | 和风天气开发服务

    package tb.mcp.service.service.mcp;
import cn.hutool.http.HttpUtil;
import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import net.sourceforge.pinyin4j.PinyinHelper;
import net.sourceforge.pinyin4j.format.HanyuPinyinCaseType;
import net.sourceforge.pinyin4j.format.HanyuPinyinOutputFormat;
import net.sourceforge.pinyin4j.format.HanyuPinyinToneType;
import net.sourceforge.pinyin4j.format.exception.BadHanyuPinyinOutputFormatCombination;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;
import tb.common.result.R;
@Service
public class WhetherServer {
    private static final Logger log = LoggerFactory.getLogger(WhetherServer.class);
    /**
     * 获取指定城市天气的工具
     *
     * @param cityName
     * @return
     */
    @Tool(description = "获取指定城市的天气",returnDirect = true)
    public R getWhether(@ToolParam(description = "城市名称,例如：北京、武汉、上海...") String cityName) {
        log.info("调用获取天气接口");
        R whether = heFengWhether.getWhether(cityName);
        return whether;
    }
    /**
     * 和风天气实现
     */
    static class heFengWhether {
        // TODO 临时数据
        private static final String API_KEY = "xxxxxxxxxac948e9808xxxxxxxc";
        private static final String API_HOST = "xxxxxxx.re.qweatherapi.com";
        /**
         * 获取城市天气
         *
         * @param name
         * @return
         */
        static R getWhether(String name) {
            String id = getGeoWithName(name);
            String url = "https://" + API_HOST + "/v7/weather/now?location=" + id + "&key=" + API_KEY;
            String response = HttpUtil.get(url);
            return R.success(response);
        }
        /**
         * 获取位置id
         *
         * @param name
         * @return
         */
        static String getGeoWithName(String name) {
            String pinyinName = toPinyin(name);
            // 构建和风天气地址
            String url = "https://" + API_HOST + "/geo/v2/city/lookup?location=" + pinyinName + "&key=" + API_KEY;
            String response = HttpUtil.get(url);
            ObjectMapper objectMapper = new ObjectMapper();
            try {
                // 1. 将JSON字符串解析为JsonNode
                JsonNode rootNode = objectMapper.readTree(response);
                // 2. 获取location数组
                JsonNode locationArray = rootNode.path("location");
                // 3. 检查数组是否存在且非空
                if (locationArray.isArray() && locationArray.size() > 0) {
                    // 4. 获取第一个元素
                    JsonNode firstLocation = locationArray.get(0);
                    // 5. 提取id字段
                    String id = firstLocation.path("id").asText();
                    System.out.println("第一个location的id: " + id); // 输出: 101010100
                    return id;
                } else {
                    System.out.println("location数组为空或不存在");
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
            return null;
        }
        /**
         * 将汉字转换为拼音
         *
         * @param chinese 汉字字符串
         * @return 拼音字符串
         */
        static String toPinyin(String chinese) {
            HanyuPinyinOutputFormat format = new HanyuPinyinOutputFormat();
            format.setCaseType(HanyuPinyinCaseType.LOWERCASE);
            format.setToneType(HanyuPinyinToneType.WITHOUT_TONE);
            StringBuilder pinyin = new StringBuilder();
            char[] chars = chinese.toCharArray();
            for (char ch : chars) {
                try {
                    String[] pinyinArray = PinyinHelper.toHanyuPinyinStringArray(ch, format);
                    if (pinyinArray != null) {
                        pinyin.append(pinyinArray[0]);
                    } else {
                        pinyin.append(ch);
                    }
                } catch (BadHanyuPinyinOutputFormatCombination e) {
                    e.printStackTrace();
                }
            }
            return pinyin.toString();
        }
    }
}

     2、再启动类上直接注册工具（也可以自己在建个配置类）

    package tb.mcp.service;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.cloud.client.discovery.EnableDiscoveryClient;
import org.springframework.cloud.openfeign.EnableFeignClients;
import org.springframework.context.annotation.Bean;
import org.springframework.scheduling.annotation.EnableAsync;
import tb.mcp.service.service.mcp.WhetherServer;
@EnableFeignClients
@SpringBootApplication
@EnableAsync
@EnableDiscoveryClient
public class McpServiceApplication {
    public static void main(String[] args) {
        SpringApplication.run(McpServiceApplication.class, args);
    }
    // 注册工具服务
    @Bean
    public ToolCallbackProvider toolCallbackProvider(WhetherServer whetherServer) {
        return MethodToolCallbackProvider.builder().toolObjects(whetherServer).build();
    }
}

    3、配置文件配置

    server:
  port: 9111
spring:
  ai:
    mcp:
      server:
        name: whether-server
        version: 1.0.0
        type: ASYNC  # Recommended for reactive applications
#        sse-endpoint: /sse/connect
        sse-message-endpoint: /mcp/messages

    这样，服务端就算是完成了。

    Mcp Client端实现:

    这一端配置比较多，所以先讲配置

    1、application.yml配置Mcp Client

    server:
  port: 8000
spring:
  ai:
    mcp:
      client:
        enabled: true
        name: my-mcp-client
        version: 1.0.0
        request-timeout: 30s
        type: ASYNC  # or SYNC
        sse:
          connections:
            server1:
              url: http://localhost:9111

    2、配置Ollama

    在spring.ai级联下与mcp配置同级接上以下配置:

        ollama:
      base-url: http://localhost:11434
      chat:
        model: qwen3:8b // 指定模型版本
    chat:
      client:
        enabled: false

    3、Ollama配置类

    package tb.ai.service.config.llm.model;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.ai.ollama.api.OllamaApi;
import org.springframework.ai.ollama.api.OllamaOptions;
import org.springframework.ai.ollama.management.ModelManagementOptions;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Primary;
/**
 * @author JasonLong
 * @date 2025-03-17 22:31
 * keeping loving and keep study
 * 
    
 * Ollama-模型配置类
 */
@Slf4j
@Configuration
public class OllamaModelConfig {
    @Value("${spring.ai.ollama.chat.model}")
    private String model;
    @Autowired
    ChatMemory chatMemory;
    @Bean
    OllamaApi ollamaApi() {
        return OllamaApi.builder()
                .build();
    }
    /**
     * 对话模型
     *
     * @return
     */
    @Bean
    @Primary
    OllamaChatModel ollamaChatModel() {
        // options配置
        OllamaOptions ollamaOptions = OllamaOptions.builder()
                .model(model)
                .build();
        // 模型管理配置
        ModelManagementOptions managementOptions = ModelManagementOptions.builder()
                .build();
        // 模型配置
        return OllamaChatModel.builder()
                .ollamaApi(ollamaApi())
                .modelManagementOptions(managementOptions)
                .defaultOptions(ollamaOptions)
                .build();
    }
    /**
     * 对话ChatClient
     *
     * @param model
     * @return
     */
    @Bean(name = "ollamaChatClient")
    @Primary
    public ChatClient ollamaChatClient(OllamaChatModel model) {
        ChatClient chatClient = ChatClient.builder(model)
                // 添加内存记忆:默认以滑动窗口的形式维持最大20条上下文消息
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
                .build();
        log.info("初始化 Ollama ChatClient");
        return chatClient;
    }
}

    4、AI对话

    package tb.ai.service.controller;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class ChatTest {
    @Resource(name = "ollamaChatClient")
    private ChatClient chatClient;
    @Resource
    private ToolCallbackProvider toolCallbackProvider;
    @RequestMapping(value = "/chat-test",method = RequestMethod.GET)
    public String chatTest(@RequestParam("msg")String msg){
        String content = chatClient.prompt()
                .tools(toolCallbackProvider.getToolCallbacks())
                .user(msg)
                .call()
                .content();
        System.err.println(content);
        return content;
    }
}

    最后

    先启动Mcp Server服务再启动Mcp Client服务，因为Mcp Client要跟Mcp Server建立Sse连接，依赖Mcp Server。

    Server端正常启动时会看到一条工具注册成功的日志：

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Client端正常启动时会看到一条McpAsyncClient的日志，往后拖动能看到连接到的Server服务：

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    访问Controller观察Mcp Server端工具内的日志，成功调用工具就说明成功了。

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Server端工具内日志：

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    效果展示：

    Spring AI Ollama + Spring AI MCP实现MCP案例（Web应用）

    Over，网上资源较少，同志们仍需努力，共创更美好的IT环境。

免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们。

相关阅读

目录[+]

取消
微信二维码
微信二维码
支付宝二维码