Spring AI开发MCP Server和MCP Client_spring ai mcp client
本文介绍基于Spring AI如何实现MCP开发和调用。首先自定义了两个MCP Server，其中：一个是算术计算器MCP Server，并通过sdtio传输协议发布，另一个是天气预报MCP Server，通过sse传输协议发布。然后实现一个MCP Client，并调用阿里云qwen大模型完成整个 MCP 调用流程，并给出来整个示例的Java代码。
一、MCP是什么
模型上下文协议（即 Model Context Protocol，MCP）是一个开放协议，它规范了应用程序如何向大型语言模型（LLM）提供上下文。MCP 提供了一种统一的方式将 AI 模型连接到不同的数据源和工具，它定义了统一的集成方式。在开发智能体（Agent）的过程中，我们经常需要将将智能体与数据和工具集成，MCP 以标准的方式规范了智能体与数据及工具的集成方式，可以帮助您在 LLM 之上构建智能体（Agent）和复杂的工作流。目前已经有大量的服务接入并提供了 MCP server 实现，当前这个生态正在以非常快的速度不断的丰富中。
Spring AI MCP 采用模块化架构，包括以下组件：
（1）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。
（2）Spring MCP 客户端：MCP 协议的 Spring AI 实现，与服务器保持 1:1 连接。
（3）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。
（4）本地数据源：MCP 服务器可以安全访问的计算机文件、数据库和服务。
（5）远程服务：MCP 服务器可以通过互联网（例如，通过 API）连接到的外部系统。
Spring AI MCP实现遵循三层架构：
（1）STDIO传输协议：STDIO方式是基于进程间通信，MCP Client和MCP Server运行在同一主机，主要用于本地集成、命令行工具等场景。
优点：
简单可靠，无需网络配置；适合本地部署场景；进程隔离，安全性好。
缺点：
仅支持单机部署；不支持跨网络访问；每个客户端需要独立启动服务器进程。
（2）SSE传输协议：SSE（Server-Sent Events）传输层是基于HTTP的单向通信机制，专门用于服务器向客户端推送数据。MCP Client远程调用MCP Server提供的SSE服务。实现客户端和服务端远程通信。
优点：
支持分布式部署；可跨网络访问；支持多客户端连接；轻量级，使用标准HTTP协议。
缺点：
需要额外的网络配置；相比stdio实现略微复杂；需要考虑网络安全性。
二、前提条件
执行以下示例代码的前提条件如下：
1、Java运行环境。要求JDK版本17+，本人使用的jdk21版本；
2、Java开发工具。本人使用的是IntelliJ IDEA开发工具，需要使用springboot3以上版本。
3、注册阿里云大模型服务，获得api_key。本文采用了阿里巴巴的Qwen大模型进行实验与验证，您也可以选择使用DeepSeek等其它大模型作为替代方案。前提条件是该大模型要支持MCP工具回调。
三、代码实现
1、开发基于sse协议的MCP Server
基于SSE的MCP服务端通过HTTP协议与客户端通信，适用于作为独立服务部署的场景，可以被多个客户端远程调用。
通过Java开发工具创建一个springboot工程，模拟开发一个天气预报服务，通过sse传输协议发布为MCP Server。
（1）maven配置文件
引入spring-ai-mcp-server-webflux-spring-boot-starter，完整pom.xml文件如下：
4.0.0 org.springframework.boot spring-boot-starter-parent 3.3.3 org.example spring-ai-mcp-sse-server 1.0-SNAPSHOT 21 21 UTF-8 1.0.0-M6 1.0.0-M5.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.ai spring-ai-mcp-server-webflux-spring-boot-starter Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin （2）开发天气预报服务类
创建一个Server类，模拟天气预报服务，通过@Tool注解把方法标注为MCP服务接口。
package com.yuncheng.mcp;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import org.springframework.ai.tool.annotation.Tool;import org.springframework.stereotype.Service;import java.util.Map;@Servicepublic class WeatherService { private static final Logger log = LoggerFactory.getLogger(WeatherService.class); @Tool(description = \"根据城市名称获取天气预报\") public String getWeatherByCity(String city) { log.info(\"===============getWeatherByCity方法被调用：city=\"+city); Map mockData = Map.of( \"西安\", \"天气炎热\", \"北京\", \"晴空万里\", \"上海\", \"阴雨绵绵\" ); return mockData.getOrDefault(city, \"抱歉：未查询到对应城市！\"); }}（3）注册为MCP工具
将 WeatherService 封装为工具回调提供者（ToolCallbackProvider），便于被MCP Client端发现和调用。
package com.yuncheng.mcp;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.context.annotation.Bean;@SpringBootApplicationpublic class McpServerApplication { public static void main(String[] args) { SpringApplication.run(McpServerApplication.class, args); } @Bean public ToolCallbackProvider weatherTools(WeatherService weatherService) { return MethodToolCallbackProvider.builder() .toolObjects(weatherService) .build(); }}（4）配置yml文件
定义MCP Server的名称、版本号、同步或异步。
server: port: 9090 # 服务器端口配置spring: ai: mcp: server: name: spring-ai-mcp-server # MCP服务器名称 version: 1.0.0 # 服务器版本号 type: ASYNC #异步到这里，一个通过Spring AI创建的MCP Server完成了，访问http://localhost:9090/sse，能看到信息，即表示该服务通过sse发布成功了。
2、开发基于stdio协议的MCP Server
基于stdio的MCP服务端通过标准输入输出流与客户端通信，适用于作为子进程被客户端启动和管理的场景，非常适合嵌入式应用。
通过Java开发工具创建一个springboot工程，模拟开发一个算术计算器服务，通过stdio传输协议发布为MCP Server。
（1）maven配置文件
引入spring-ai-mcp-server-webflux-spring-boot-starter
，完整pom.xml文件如下：
4.0.0 org.springframework.boot spring-boot-starter-parent 3.3.3 org.example spring-ai-mcp-stdio-server 1.0-SNAPSHOT 21 21 UTF-8 1.0.0-M6 1.0.0-M5.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.boot spring-boot-starter-web org.springframework.ai spring-ai-mcp-server-webflux-spring-boot-starter Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin （2）开发计算器服务类
创建一个Server类，模拟计算器服务，通过@Tool注解把方法标注为MCP服务接口。
package com.yuncheng.mcp;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import org.springframework.ai.tool.annotation.Tool;import org.springframework.stereotype.Service;@Servicepublic class MathService { private static final Logger log = LoggerFactory.getLogger(MathService.class); @Tool(description = \"加法方法\") public Integer add(Integer a, Integer b) { log.info(\"===============add方法被调用: a={}, b={}\", a, b); return a + b; } @Tool(description = \"乘法方法\") public Integer multiply(Integer a, Integer b) { log.info(\"===============multiply方法被调用: a={}, b={}\", a, b); return a * b; }}（3）注册为MCP工具
将 MathService封装为工具回调提供者（ToolCallbackProvider），便于被MCP Client端发现和调用。
package com.yuncheng.mcp;import org.slf4j.Logger;import org.slf4j.LoggerFactory;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.context.annotation.Bean;@SpringBootApplicationpublic class McpServerApplication { private static final Logger log = LoggerFactory.getLogger(McpServerApplication.class); public static void main(String[] args) { SpringApplication.run(McpServerApplication.class, args); log.info(\"===============McpServerApplication服务启动成功\"); } @Bean public ToolCallbackProvider mathTools(MathService mathService) { return MethodToolCallbackProvider.builder() .toolObjects(mathService).build(); }}（4）配置yml文件
定义MCP Server的名称、版本号。
spring: ai: mcp: server: name: spring-ai-mcp-stdio-server version: 1.0.0（5）配置log日志
在resources目录下，新建一个log日志配置文件logback-spring.xml，目的是记录MCP Server端的接口是否被调用。
mcp-server.log %d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n 到这里，一个通过Spring AI创建的MCP Server完成了。stdio方式是server和client通过进程通信，所以需要把server打包成jar，以便client命令启动执行。
通过maven工具打包即可，我打包后路径为：D:\\java\\ai-project-web\\spring-ai-mcp-stdio-server\\target\\spring-ai-mcp-stdio-server.jar。
测试该服务是否发布成功，在cmd命令行窗口里输入如下命令：
java -Dspring.ai.mcp.server.stdio=true -Dspring.main.web-application-type=none -Dspring.main.banner-mode=off -jar D:/java/ai-project-web/spring-ai-mcp-stdio-server/target/spring-ai-mcp-stdio-server.jar 验证服务是否启动成功。
至此，我们通过spring ai框架开发完成了2个MCP Server服务，一个通过sse协议发布，另一个通过stdio协议发布，接下来，开发一个MCP Client端，调用这两个MCP Server服务。
3、开发MCP Client调用MCP Server
Spring AI 提供了更简便的方式来使用MCP，通过starter可以大大简化MCP客户端的配置和使用。Spring AI MCP支持两种不同的传输层实现：基于stdio的实现和基于SSE的实现。
通过Java开发工具，创建一个springboot工程，开发MCP Client。
（1）maven配置文件
引入spring-ai-mcp-client-webflux-spring-boot-starter和spring-ai-alibaba-starter，完整pom.xml文件如下：
4.0.0 org.springframework.boot spring-boot-starter-parent 3.3.3 org.example spring-ai-mcp-client 1.0-SNAPSHOT 21 21 UTF-8 1.0.0-M6 1.0.0-M6.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.boot spring-boot-starter-web org.springframework.ai spring-ai-mcp-client-webflux-spring-boot-starter com.alibaba.cloud.ai spring-ai-alibaba-starter ${spring-ai-alibaba.version} Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin （2）开发MCP Client
package com.yuncheng.mcp;import org.springframework.ai.chat.client.ChatClient;import org.springframework.boot.CommandLineRunner;import org.springframework.boot.SpringApplication;import org.springframework.boot.autoconfigure.SpringBootApplication;import org.springframework.context.ConfigurableApplicationContext;import org.springframework.context.annotation.Bean;import org.springframework.ai.tool.ToolCallbackProvider;import java.util.Scanner;@SpringBootApplicationpublic class McpClientApplication { public static void main(String[] args) { SpringApplication.run(McpClientApplication.class, args); } @Bean public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools, ConfigurableApplicationContext context) { return args -> { // 构建ChatClient并注入MCP工具 var chatClient = chatClientBuilder .defaultTools(tools) .build(); // 创建Scanner对象用于接收用户输入 Scanner scanner = new Scanner(System.in); System.out.println(\">>> 欢迎使用问答系统！输入\'exit\'退出程序。\"); while (true) { // 提示用户输入问题 System.out.print(\"\\n>>> QUESTION: \"); String userInput = scanner.nextLine(); // 如果用户输入\"exit\"，则退出循环 if (\"exit\".equalsIgnoreCase(userInput)) { System.out.println(\">>> 已退出问答系统。\"); break; } // 使用ChatClient与LLM交互 try { System.out.println(\"\\n>>> ASSISTANT: \" + chatClient.prompt(userInput).call().content()); } catch (Exception e) { System.out.println(\"\\n>>> ERROR: 无法处理您的请求，请稍后再试。\"); e.printStackTrace(); } } // 关闭Spring上下文 context.close(); scanner.close(); }; }}（3）配置yml文件
server: port: 8080spring: ai: mcp: client: type: ASYNC sse: connections: server1: url: http://localhost:9090 stdio: connections: server2: command: java args: - -Dspring.ai.mcp.server.stdio=true - -Dspring.main.web-application-type=none - -Dspring.main.banner-mode=off - -jar - D:/java/ai-project-web/spring-ai-mcp-stdio-server/target/spring-ai-mcp-stdio-server.jar dashscope: api-key: sk-b90ad31bb3eb4a158524928354f31dc5 chat: options: model: qwen-plus本配置文件定义了一个基于 Spring AI 的异步 MCP 客户端，调用了SSE 和 Stdio 两种MCP服务，server1采用SSE方式，连接指向http://localhost:9090，server1采用Stdio 方式，Stdio 通过 Java 命令启动，指定 Jar 文件位置。同时集成了阿里巴巴大模型qwen-plus。读者需要把api-key替换为自己的key进行测试验证。
四、运行测试
先启动MCP Server服务，再运行MCP Client，进行AI对话,观察日志输出结果，确定是否理解了用户的输入信息，并分别调用了对应的MCP Server服务。
观察输出结果：
（1）提问“你好”，大模型回答：“你好！今天天气不错，你想做点什么？如果你需要，我可以帮你查询天气、做加法或乘法运算。”
说明大模型已经发现了天气预报、算术运算两个MCP服务。
（2）提问“今天北京天气怎么样”，大模型的回答调用了基于sse协议的MCP Server，可以到该服务后台查看日志，确定是否被调用。
（3）提问“（55+45）*（1+99）等于多少”，大模型的回答调用了基于stdio协议的MCP Server，可以到mcp-server.log日志文件中查看日志，确定是否被调用。
通过验证结果表明：大模型根据用户的提问，选择了合适的工具进行回答，分别调用了对应的MCP Server服务。
那么，AI大模型是如何实现Tool Call的呢？以下是Spring AI实现Tool Call的原理图：
在最近发布的 Spring AI 1.0.0.M6 版本中，其中一个重大变化是 Function Calling 被废弃，被 Tool Calling 取代。
五、总结
Spring AI MCP Server Starter提供了两种实现MCP服务端的方式：基于stdio的实现和基于SSE的实现。基于stdio的实现适用于嵌入式场景，而基于SSE的实现适用于独立服务部署。
通过使用@Tool注解和@ToolParameter注解，可以轻松地将普通的Java方法转换为MCP工具，使其可以被MCP客户端发现和调用。Spring Boot的自动配置机制使得MCP服务端的开发变得简单高效。
智能体开发平台在线体验：http://www.yunchengxc.com
文章中示例工程源代码：https://gitee.com/hibpm/spring-ai-mcp-demo
