网站导航
> 技术文档 > 基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

网友: 技术文档 2025-07-30 10:48:03

平台奖励创作，可能会升级VIP文章，可以移步我的公众号：【编程朝花夕拾】，且可获取首发内容。

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

01 引言

之前分享过一篇《CherryStudio+百度地图MCP为大模型赋能实时位置》的文章，讲解了CherryStudio搭载百度地图MCP服务实时获取位置，使用了第三方的MCP服务。

我们怎么搭建属于自己的MCP服务呢？今天我们一起来探秘！

02 Spring AI集成MCP

Spring AI已经支持MCP服务和客户端。只需要引入对应的依赖，就可以开发自己的服务和客户端。Spring 生态还是太强大了，为JAVA开发者提供了有力的保障。

Spring AI的目前的最新版本：1.0.0-M7

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

服务端和客户端的集成：

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

03 MCP 服务端的搭建

Spring AI MCP (模型上下文协议) 服务器引导启动器提供了在Spring Boot应用程序中设置MCP服务器的自动配置。它使MCP服务器功能与Spring Boot的自动配置系统无缝集成。

MCP服务器启动程序提供:

  • 自动配置MCP服务器组件
  • 同时支持同步和异步操作模式
  • 多个传输层选项
  • 灵活的工具、资源和快速规范
  • 更改通知功能

3.1 Maven依赖引入

MCP Server有三个常用依赖：

  • spring-ai-starter-mcp-server：支持STDIO（标准流）传输的核心服务器
  • spring-ai-starter-mcp-server-webmvc：基于Spring MVC的SSE传输实现
  • spring-ai-starter-mcp-server-webflux：基于Spring WebFlux的SSE传输实现

这里我们选择基于Spring MVC的SSE传输实现实现方式。

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

3.2 MCP服务配置

# 端口server.port=8080# MCP 服务spring.ai.mcp.server.name=gzh-mcp-serverspring.ai.mcp.server.sse-message-endpoint= /mcp/gzh

其他默认即可。

详细配置的链接如下：

https://docs.spring.io/spring-ai/reference/1.0/api/mcp/mcp-server-boot-starter-docs.html

3.3 实现MCP的服务

@Tool 是 Spring AI MCP 框架中用于快速暴露业务能力为 AI 工具的核心注解，该注解实现 Java 方法与 MCP 协议工具的自动映射，并且可以通过注解的属性 description，帮助人工智能模型根据用户输入的信息决定是否调用这些工具，并返回相应的结果。

MCP 接口

public interface GzhService { String recommendGzhInfo(); String bestContext();}

MCP实现

@Service(\"gzhService\")public class GzhServiceImpl implements GzhService { @Tool(description = \"推荐技术类公众号\") @Override public String recommendGzhInfo() { return \"推荐【编程朝花夕拾】公众号，该公众号精选编程干货，回顾技术经典，分享实战经验、可以助你温故知新、在代码世界不断精进\"; } @Tool(description = \"公众号中最好的文章\") @Override public String bestContext() { return \"技术类中【编程朝花夕拾】公众号的文章，都偏向技术干货，对于技术宅，都是好内容！\"; }}

这里定义了两个MCP方法，一个推荐技术类公众号，一个是选择公众号中最好的文章。

3.4 注册MCP方法

@Configurationpublic class ToolCallbackProviderConfig { @Bean public ToolCallbackProvider gzhRecommendTools(GzhService gzhService) { return MethodToolCallbackProvider.builder().toolObjects(gzhService).build(); }}

到这里，我们的MCP服务就开发完成了。

3.5 MCP服务启动

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

启动之后，日志上显示注册了2个工具。说明注册成功了。

04 MCP 客户端的搭建

MCP客户端常用的有两个：

  • spring-ai-starter-mcp-client：核心组件提供STDIO和基于HTTP的SSE支持
  • spring-ai-starter-mcp-client-webflux：基于SSE的WebFlux传输

这里我们选择基于基础的HTTP的SSE支持的依赖。

4.1 Maven依赖引入

<dependencyManagement> <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><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-ollama</artifactId></dependency>

这里的依赖引入和MCP服务端有点不一致。因为调用MCP服务需要大模型的支持，所以需要引入大模型的依赖。笔者用的是Ollama，这里就引用了Ollama的依赖。

4.2 MCP客户端的配置

# 应用服务 WEB 访问端口server.port=8081# Ollama配置spring.ai.ollama.base-url=http://127.0.0.1:11334/spring.ai.ollama.chat.model=qwq:latestspring.ai.ollama.chat.options.temperature=0.7# MCP客户端的配置spring.ai.mcp.client.name=mcp-client# 要连接的服务地址spring.ai.mcp.client.sse.connections.server1.url=http://localhost:8080# 默认情况下，工具回调功能处于禁用状态，需要开启spring.ai.mcp.client.toolcallback.enabled = true

这里要说明一下：spring.ai.mcp.client.toolcallback.enabled = true 一定要配。否则启动就会报错。

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

4.3 搭建应用调用MCP服务

@RestControllerpublic class FooController { @Autowired private OllamaChatModel ollamaChatModel; @Autowired private ToolCallbackProvider toolCallbackProvider; @GetMapping(\"/ai/generate\") public String generate(@RequestParam(value = \"message\", defaultValue = \"推荐一个公众号\") String message) { ChatClient chatClient = ChatClient.builder(ollamaChatModel) .defaultTools(toolCallbackProvider.getToolCallbacks()) .build(); CallResponseSpec call = chatClient.prompt(message).call(); String content = call.content(); return content; }}

这个构建调用MCP服务的客户端需要，注入toolCallbackProvider。

客户端的构建同时需要大模型以及toolCallbackProvider。

4.4 MCP客户端启动

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

日志中出现链接上MCP Server就说明，已经配置好了。

4.5 测试

默认值：推荐一个公众号

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

message=推荐一个电影

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

从上面的测试中发现，大模型都调用了定义的MCP服务，并给出了分析。

05 小结

MCP 服务端和客户端的搭建是不是很简单，但是在搭建过程中可能会遇到各种各样的小问题，都是因为不熟悉API导致的。好在最后梳理清楚了搭建的流程，以此分享给搭建。

大家有没有发现一个问题：搭建的客户端，调用了MCP服务以后，除了MCP服务相关的问题他可能给出回答，其他的他就不能回答了，这个是什么原因呢？我们看看不加载MCP服务的效果：

基于Spring AI 搭建MCP服务，保姆级教程来了！_spring mcp

还有其他客户端如何调用我们提供的MCP服务呢？我们下期见！

06 番外

由于近期有不少小伙伴按照文章搭建，均没有成功。笔者又重新测试一下，是可以的。所以把相关的代码托管到GitHub上，有问题的小伙伴，可以参开对比。

代码地址：https://github.com/simonking-ws/project-example/tree/main/boot-mcp

后续project-example 专门用来托管相关的案例代码，分享给大家使用。

网络标签：

相关问题