SpringAI+MCP协议 实战

06-01 1121阅读

文章目录

  • 前言
    • Spring AI
    • Mcp（Model Context Protocol）
    • 快速实战
      • Spring AI
      • Spring AI 集成 MCP 协议
        • Spring Mcp Client 示例
        • Spring Mcp Server 示例

          前言

          大模型发展可能到了接近成熟的程度了，但是业界的重点肯定不会仅仅就放在大模型上的，还有就是业务和应用。

          大模型如果投入应用，其中很重要的配套技术叫AI Agents，就是智能体。AI Agent（也称人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体。智能体像人一样，它有记忆、有逻辑分析能力、有任务的拆解能力、问题的拆解能力和最后综合回来统一解决问题的能力。

          AI Agents竞争就是未来很重要的方向。我们大部分人都优势应该不是大模型，但可以是AI Agents，也就是在配套技术上面有很多的优势，才能使得他做任何一个业务的完成度极大地提升了。

          现在，Agent 基本就等于 “大模型 + 插件 + 执行流程 / 思维链”，分别会对应控制端 (Brain / 大脑)、感知端 (Preception)、执行端 (Action) 环节：SpringAI+MCP协议 实战

          Spring AI

          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。该项目的初衷在于推进生成式人工智能应用程序的发展，使其不再局限于Python开发者。

          Spring AI 的核心理念是提供高度抽象化的组件，作为开发AI应用程序的基础。这些抽象化组件具备多种实现，使得开发者能够以最少的代码改动便捷地交换和优化功能模块。

          具体而言，Spring AI 提供了支持多种主流模型提供商的功能，包括OpenAI、Microsoft、Amazon、Google和Hugging Face。支持的模型类型涵盖了从聊天机器人到文本生成、图像处理、语音识别等多个领域。而其跨模型提供商的可移植API设计，不仅支持同步和流式接口，还提供了针对特定模型功能的灵活选项。

          此外，Spring AI 还支持将AI模型输出映射为POJO，以及与主流矢量数据库提供商（如Apache Cassandra、Azure Vector Search、MongoDB Atlas等）无缝集成的能力。其功能不仅局限于模型本身，还包括了数据工程中的ETL框架和各种便利的函数调用，使得开发AI应用程序变得更加高效和可靠。

          Spring Ai官网：https://spring.io/projects/spring-ai

          Mcp（Model Context Protocol）

          什么是Mcp？

          SpringAI+MCP协议 实战

          Model Context Protocol 是Anthropic 于2024年11月重磅开源的「模型上下文协议」MCP。其是一种开放的通信协议，是人工智能领域的 “USB 接口”，在大模型和其他数据源（数据、工具、开发环境等）之间建立了双向、并且更加安全的连接。

          Mcp 将LLM的数据孤岛被彻底打破，LLM应用和外部数据源、工具都将无缝集成。目标是实现LLM应用程序与外部数据源和工具之间的无缝集成。

          官方文档：https://modelcontextprotocol.io/introduction

          SpringAI+MCP协议 实战

          快速实战

          Spring AI

          当我们开始时，首先需要创建一个项目结构。我们可以前往官方网站，快速生成Spring AI的依赖并创建项目。

          SpringAI+MCP协议 实战

          IDEA配置方式不过多介绍，参考：https://blog.csdn.net/qq_15437629/article/details/131912201

          Maven 仓库配置在pom.xml中添加以下内容：

            
    spring-milestones
    Spring Milestones
    https://repo.spring.io/milestone
    
      false
    
  
  
    spring-snapshots
    Spring Snapshots
    https://repo.spring.io/snapshot
    
      false

          导入 Spring AI BOM

              
        
            org.springframework.ai
            spring-ai-bom
            1.0.0-SNAPSHOT
            pom
            import

          添加 OpenAI 聊天

              org.springframework.ai
    spring-ai-openai-spring-boot-starter

          使用 OpenAI 创建 API 来访问 ChatGPT 模型。在OpenAI 注册页面创建账户并在API 密钥页面生成令牌。如果需要其他AI，则添加对应的starter即可，如Ollama：

              org.springframework.ai
    spring-ai-ollama-spring-boot-starter

          Ollama Chat 示例：

          https://docs.spring.io/spring-ai/reference/api/chat/ollama-chat.html

          package com.example.spring_ai;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;
import java.util.Map;
@RestController
public class ChatController {
    private final OllamaChatModel chatModel;
    @Autowired
    public ChatController(OllamaChatModel chatModel) {
        this.chatModel = chatModel;
    }
    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }
    @GetMapping("/ai/generateStream")
    public Flux generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}

          application.properities:

          spring.application.name=spring-ai
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.options.model=deepseek-r1
server.port=8181
logging.level.org.springframework.ai=DEBUG

          pom.xml：

          
	4.0.0
	
		org.springframework.boot
		spring-boot-starter-parent
		3.4.4
		 
	
	com.example
	spring-ai
	0.0.1-SNAPSHOT
	spring-ai
	Demo project for Spring Boot
	
	
		
	
	
		
	
	
		
		
		
		
	
	
		17
		1.0.0-M6 
	
	
		
			org.springframework.boot
			spring-boot-starter-web
		
		
			org.springframework.ai
			spring-ai-ollama-spring-boot-starter
		
		
			org.projectlombok
			lombok
			true
		
		
			org.springframework.boot
			spring-boot-starter-test
			test
		
	
	
		
			
				org.springframework.ai
				spring-ai-bom
				${spring-ai.version}
				pom
				import
			
		
	
	
		
			
				org.apache.maven.plugins
				maven-compiler-plugin
				
					
						
							org.projectlombok
							lombok
						
					
				
			
			
				org.springframework.boot
				spring-boot-maven-plugin
				
					
						
							org.projectlombok
							lombok

          测试结果：

          SpringAI+MCP协议 实战

          Spring AI 集成 MCP 协议

          SpringAI+MCP协议 实战

          对于 Mcp Client，Spring AI 提供了如下两个 Starter 集成 MCP Client；

          • spring-ai-mcp-client-spring-boot-starter: 实现基于 STDIO 和 HTTP 的 SSE 传输协议的 Mcp Client
          • spring-ai-mcp-client-webflux-spring-boot-starter: 实现基于 WebFlux 的 SSE 传输协议的 Mcp Client

            对于 Mcp Server， Spring AI 提供了如下三个 Starter 集成 Mcp Server：

            • spring-ai-mcp-server-spring-boot-starter: 实现支持 STDIO 传输协议的 Mcp Server
            • spring-ai-mcp-server-webmvc-spring-boot-starter: 实现基于 webmvc 的 SSE 传输协议的 Mcp Server
            • spring-ai-mcp-server-webflux-spring-boot-starter: 实现基于 webflux 的 SSE 传输协议的 Mcp Server

              Spring Mcp Client 示例

              https://docs.spring.io/spring-ai/reference/api/mcp/mcp-client-boot-starter-docs.html

              基于SpringAI 1.0.0-M5实现：

              对于 Mcp Client，Spring AI 提供了如下两个 Starter 集成 MCP Client；

              spring-ai-mcp-client-spring-boot-starter: 实现基于 STDIO 和 HTTP 的 SSE 传输协议的 Mcp Client
spring-ai-mcp-client-webflux-spring-boot-starter: 实现基于 WebFlux 的 SSE 传输协议的 Mcp Client

              pom依赖：

              		
			org.springframework.ai
			spring-ai-mcp-client-spring-boot-starter

              配置文件：

              spring.application.name=spring-ai
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.options.model=qwen2.5:0.5b
server.port=8181
# MCP Client Configuration
spring.ai.mcp.client.enabled=true
spring.ai.mcp.client.name=mcp-client
spring.ai.mcp.client.version=1.0.0
spring.ai.mcp.client.type=SYNC
spring.ai.mcp.client.request-timeout=30s
spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json

              mcp-servers-config.json：

              {
  "mcpServers": {
    "filesystem": {
      "command": "D:\\\\node_js\\\\npx.cmd",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "."
      ]
    }
  }
}

              1，服务包说明：

              @modelcontextprotocol/server-filesystem 是 MCP 协议中用于对接文件系统的标准化服务模块，其配置通过 Node.js 环境快速启动，使 LLM 能够安全、可控地操作本地文件资源‌。

              MCP 生态中还有其他类型的服务包，例如：

              ‌@modelcontextprotocol/server-postgres‌：支持数据库查询‌；

              ‌@modelcontextprotocol/server-http‌：集成 RESTful API‌。

              2，npx

              本地需要提前安装配置npx和uvx。npx是nodeJs下的一个工具可以执行一些Ts或者JS脚本甚至应用程序，uvx的功能则和他很类似是python环境下执行脚本的工具。简单来说，使用 TypeScript 编写的 MCP server 可以通过 npx 命令来运行，使用 Python 编写的 MCP server 可以通过 uvx 命令来运行。npx 是 Node.js 自带的工具，无需单独安装，但需先安装 Node.js。

              npm 全局目录配置：

              mkdir D:\node_js\pm-cache
npm config set prefix "D:\node_js"
npm config set cache "D:\node_js\pm-cache"
npm config get prefix
npm config get cache
npm cache clean --force

              执行以下命令检查是否成功：

              npx -v          # 应输出 npx 版本（如 10.8.2）
npm ls -g --depth=0  # 检查全局依赖是否可正常列出

              如果出现权限问题： 右键点击 D:\node_js → 属性 → 安全 → 高级 ，添加当前用户并勾选 完全控制

              3，模型选择

              出现报错：deepseek-r1 does not support tools，需要选择支持tools的模型：

              SpringAI+MCP协议 实战

              示例代码：

              package com.example.spring_ai;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
@RestController
public class ChatController {
    @Resource
    private OllamaChatModel ollamaChatModel;
    @Resource
    private SyncMcpToolCallbackProvider toolCallbackProvider;
    @GetMapping("/chat")
    public String call(@RequestParam String input) {
            ChatClient chatClient = ChatClient.builder(ollamaChatModel)
                    .defaultTools(toolCallbackProvider.getToolCallbacks())
                    .build();
            return chatClient.prompt(input).call().content();
    }
}

              测试结果：

              SpringAI+MCP协议 实战

              SpringAI+MCP协议 实战

              Spring Mcp Server 示例

              https://docs.spring.io/spring-ai/reference/api/mcp/mcp-server-boot-starter-docs.html

              基于SpringAI 1.0.0-M6实现：

              依赖：

              
    org.springframework.ai
    spring-ai-mcp-server-spring-boot-starter



  org.springframework.ai
  spring-ai-mcp-server-webmvc-spring-boot-starter



    org.springframework.ai
    spring-ai-mcp-server-webflux-spring-boot-starter

              一个标准的MCP服务端程序需要包含三个主要信息分别为Tools、Prompts、Resources

              • 资源（Resources）：资源是AI可以读取的数据，比如文件内容、数据库查询结果或API的响应。 例如，AI可能通过资源获取你的日历事件列表。
              • 工具（Tools）：工具是AI可以调用的函数，用于执行特定操作，比如添加新任务或发送邮件，使用工具时，通常需要用户先批准，以确保安全。
              • 提示词（Prompts）：提示词是服务器提供给AI的预写消息或模板，帮助AI理解如何使用资源和工具，例如，服务器可能告诉AI：“你可以添加任务，试试说‘添加任务：买牛奶’”，从而帮助用户更轻松地完成任务。提示词虽然直接提供给AI，但实际上是通过AI间接帮助用户，比如AI会根据提示词告诉用户如何操作。

                依赖版本：

                	17
	1.0.0-M6 
		

	io.modelcontextprotocol.sdk
	mcp
	0.8.1

                配置：

                spring.ai.mcp.server.enabled=true
spring.ai.mcp.server.name=custom-mcp-server
spring.ai.mcp.server.version=1.0.0
spring.ai.mcp.server.type=ASYNC   
spring.ai.mcp.server.sse-message-endpoint=/mcp/stream  # SSE????

                1，定义外部工具类

                实现两个示例工具：查询当前时间和计算数学表达式。

                package com.example.spring_ai;
import io.swagger.v3.oas.annotations.Parameter;
import org.springframework.ai.tool.annotation.Tool;
import javax.script.ScriptEngine;
import javax.script.ScriptEngineManager;
import javax.script.ScriptException;
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
public class CustomTools {
    @Tool(description = "获取当前系统时间")
    public String getCurrentTime() {
        return LocalDateTime.now().format(DateTimeFormatter.ISO_LOCAL_DATE_TIME);
    }
    @Tool(description = "执行数学运算（支持加减乘除）")
    public double calculateExpression(
            @Parameter(name = "expression", description = "数学表达式，如 3+5*2") String expr
    ) {
        ScriptEngineManager mgr = new ScriptEngineManager();
        ScriptEngine engine = mgr.getEngineByName("JavaScript");
        try {
            return (double) engine.eval(expr);
        } catch (ScriptException e) {
            throw new RuntimeException("表达式解析失败: " + e.getMessage());
        }
    }
}

                ps：Java 15+ 移除了 Nashorn JavaScript 引擎，导致 getEngineByName(“JavaScript”) 返回 null：

                
    org.openjdk.nashorn
    nashorn-core
    15.4

                2，注册工具到MCP服务器

                通过@Configuration类将工具暴露为MCP协议的可调用接口：

                package com.example.spring_ai;
import org.springframework.ai.tool.ToolCallback;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.ToolCallbacks;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class McpServerConfig {
    @Bean
    @Primary // 添加此注解指定优先使用此Bean
    public ToolCallbackProvider toolProvider() {
        // 注册工具类实例
        ToolCallback[] callbacks = ToolCallbacks.from(new CustomTools());
        return ToolCallbackProvider.from(callbacks);
    }
}

                4，客户端调用示例

                package com.example.spring_ai;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
@RestController
@RequestMapping("/client")
public class McpClientController {
    private final ChatClient chatClient;
    public McpClientController(ChatClient.Builder builder, ToolCallbackProvider tools) {
        this.chatClient = builder.defaultTools(tools).build();
    }
    @GetMapping("/time")
    public String getTime() {
        return chatClient.prompt("调用getCurrentTime工具").call().content();
    }
    @GetMapping("/calc")
    public String calculate(@RequestParam String expr) {
        return chatClient.prompt("计算表达式：" + expr).call().content();
    }
}

                当客户端发送请求时，Spring AI 的底层流程会遍历所有已注册工具，检查输入文本是否与工具描述（如：执行数学运算（支持加减乘除））匹配。若匹配成功，直接调用 对应方法，无需显式指定工具名称。

                测试结果如下：

                SpringAI+MCP协议 实战

                SpringAI+MCP协议 实战

                日志：

                [spring-ai] [nio-8181-exec-3] o.s.a.m.tool.DefaultToolCallingManager   : Executing tool call: getCurrentTime
[spring-ai] [nio-8181-exec-3] o.s.ai.tool.method.MethodToolCallback    : Starting execution of tool: getCurrentTime
[spring-ai] [nio-8181-exec-3] o.s.ai.tool.method.MethodToolCallback    : Successful execution of tool: getCurrentTime
[spring-ai] [nio-8181-exec-3] o.s.a.t.e.DefaultToolCallResultConverter : Converting tool result to JSON.
[spring-ai] [nio-8181-exec-7] o.s.a.m.tool.DefaultToolCallingManager   : Executing tool call: calculateExpression
[spring-ai] [nio-8181-exec-7] o.s.ai.tool.method.MethodToolCallback    : Starting execution of tool: calculateExpression
[spring-ai] [nio-8181-exec-7] o.s.ai.tool.method.MethodToolCallback    : Successful execution of tool: calculateExpression
[spring-ai] [nio-8181-exec-7] o.s.a.t.e.DefaultToolCallResultConverter : Converting tool result to JSON.

                SpringAI+MCP协议 实战

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