MCP融合Spring AI，Java程序员大模型技术再上一层楼

在当下的技术发展浪潮中，大语言模型（LLMs）正深度渗透至企业应用开发领域，持续改写着该领域的格局。开发者积极将其融入现代解决方案。然而，快速发展背后，大语言模型通信和上下文处理缺乏标准化协议的问题日益凸显。

本文介绍模型上下文协议（MCP），其与Spring AI集成，为解决上述难题提供有效途径，助力大语言模型在企业应用开发中更好地落地。

1.问题：缺乏规范的大语言模型集成

如今，大多数开发者通过特定供应商的API（如OpenAI、Anthropic或Azure OpenAI）与大语言模型进行交互。尽管这些API功能强大，但在没有标准接口的情况下进行集成会导致以下问题：

供应商锁定：更换大语言模型供应商需要重写核心逻辑。
上下文处理不一致：不同供应商在管理长期记忆、知识或工具访问方面存在差异。
系统行为不明确：没有正式规范来定义模型的需求，以及它们如何与外部工具和函数进行交互。

而模型上下文协议（MCP）正是为解决这些问题而生。

2.什么是MCP

模型上下文协议（MCP）是一种与供应商无关的协议，旨在实现大语言模型、智能体、工具、记忆系统和外部服务之间的互操作性。

模型上下文协议（MCP）是由Anthropic开发的开放标准，如今已成为一种开放协议，得到了包括LangChain、LangGraph，甚至Spring AI在内的多个社区和工具的支持。

可以把MCP想象成大语言模型领域的REST协议：它是一个简洁且可扩展的规范，定义了如何构建输入、输出、工具、记忆和上下文。

3.人工智能的通用标准：一次编写，随处可用

在AI领域，模型上下文协议（MCP）致力于打造统一的通信规范。OpenAI、Anthropic等行业巨头已采用MCP。

这一协议为开发者带来极大便利。过去，针对不同大语言模型供应商和辅助应用，需构建定制集成。现在，借助MCP，开发者只需实现一次，就能在Claude、ChatGPT等众多应用，以及未来支持该协议的客户端中复用，有效提升开发效率，降低成本。

4.MCP如何工作：简单的客户端 - 服务器架构

MCP的基础是简洁且模块化的客户端 - 服务器架构。可以将其想象成一个中心辐射型模型，宿主应用程序（客户端）通过与多个专门的MCP服务器进行通信来完成任务。

图片

具体如下：

MCP宿主：这些是前端工具或应用程序，如Claude桌面应用、代码编辑器或人工智能智能体，它们希望与数据、工具或逻辑进行交互。
MCP客户端：每个宿主应用程序通过该协议与一个或多个MCP服务器保持专用连接。这使得客户端可以发送请求、接收响应，甚至触发工具。
MCP服务器：这些是轻量级的后端程序，通过模型上下文协议公开特定功能，如访问本地文件、触发API或运行工作流。每个服务器都可以是专门构建且独立的。
本地数据源：用户本地机器上的文件、数据库或微服务，可由MCP服务器安全访问。
远程服务：MCP服务器可以连接的API或云平台，扩展了服务器的功能范围，使其超越本地环境。

MCP支持开发者围绕一种名为JsonRpcMessage的正式模式来构建大语言模型交互。

5.MCP与Spring AI集成

Spring AI通过提供即用型的Spring Boot启动器，使将模型上下文协议（MCP）集成到应用程序变得轻松。这些启动器涵盖客户端和服务器端设置，并支持多种通信传输方式，如标准输入输出（STDIO）和服务器发送事件（SSE）。

5.1 客户端启动器

这些启动器帮助应用程序连接到MCP服务器：

spring-ai-starter-mcp-client：核心的MCP客户端，内置对基于STDIO和HTTP的SSE通信的支持。
spring-ai-starter-mcp-client-webflux：使用WebFlux为SSE传输添加响应式支持。

5.2 服务器启动器

这些用于使用Spring Boot构建自定义MCP服务器：

spring-ai-starter-mcp-server：使用STDIO传输的基本服务器设置，适用于基于进程的通信。
spring-ai-starter-mcp-server-webmvc：使用Spring MVC提供SSE服务器支持，适用于基于Servlet的环境。
spring-ai-starter-mcp-server-webflux：适用于使用Spring WebFlux的应用程序的SSE服务器的响应式版本。

支持STDIO、Servlet SSE、WebFlux和WebMVC传输。

图片

6.使用STDIO传输启动Spring AI MCP服务器

以下是一个完整的示例，展示如何使用Spring AI设置MCP服务器。该示例功能完备，且使用Spring Boot进行了清晰的组织。此示例使用spring-ai-starter-mcp-server，并可选支持STDIO和/或基于HTTP的SSE传输。

官方文档提供了详细指南：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-server-boot-starter-docs.html

6.1 Maven依赖

复制

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId>
</dependency>
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

复制

@SpringBootApplication
publicclass SpringMcpApplication {
    privatestaticfinal Logger log = LoggerFactory.getLogger(SpringMcpApplication.class);

    public static void main(String[] args) {
        SpringApplication.run(SpringMcpApplication.class, args);
    }

    @Bean
    public List<ToolCallback> danTools(SpringMCPServerService courseService) {
        log.info(Arrays.toString(Thread.currentThread().getStackTrace()).replace(',', '\n'));

        return Arrays.asList(ToolCallbacks.from(courseService));
    }
}

@Service
publicclass SpringMCPServerService {
    @Tool(name = "get_system_information", description = "Gathers detailed system-level diagnostics including directory info, OS and architecture details, JVM configuration, memory stats, CPU load, and installed software versions.")
    public static SystemInfo getSystemInfo() {
        SystemInfo info = new SystemInfo();
        Properties props = System.getProperties();
        info.osName = props.getProperty("os.name");
        //......
    }
}

复制

spring.application.name=courses
spring.main.web-application-type=none
spring.ai.mcp.server.name=jagnya-selflearn-mcp
spring.ai.mcp.server.versinotallow=0.0.1
spring.main.banner-mode=off
logging.pattern.cnotallow=

6.2 关键配置说明

STDIO模式要求：

禁用Web应用类型（spring.main.web-application-type=none）

禁用Spring启动横幅（spring.main.banner-mode=off）

清空控制台日志模式（logging.pattern.cnotallow=）

7 MCP服务器与Claude（Anthropic）客户端的集成

现在我们已经实现了MCP服务器，接下来要将它与Anthropic的Claude AI进行集成。这可以验证服务器是否正常运行，以及是否能够为像Claude这样符合MCP规范的客户端提供上下文数据。

图片

8 MCP服务器与Claude桌面应用集成：分步指南

以下是如何将基于Spring的MCP服务器与Claude桌面应用（Anthropic）进行集成，以验证一切是否按预期工作：

1）如果尚未下载，请从Anthropic网站下载并安装Claude桌面应用。

2）启动Claude桌面应用程序。Claude设计为支持通过模型上下文协议（MCP）与自定义人工智能模型服务器进行通信。

进入Claude的“设置”。
导航到“开发者”部分。
点击“编辑配置”以打开claude_desktop_config.json。
使用自定义MCP服务器配置更新claude_desktop_config.json。例如：

复制

{
    "mcpServers": {
        "jagnya-spring-mcp": {
            "command": "/Users/user/Library/Java/JavaVirtualMachines/sapmachine-21.0.6/Contents/Home/bin/java",
            "args": [
                "-jar",
                "/Users/<add ur path to jar>/spring-mcp/target/spring-mcp-0.0.1-SNAPSHOT.jar"
            ]
        }
    }
}

3）保存配置后，重启Claude桌面应用。

如果一切配置正确，你会看到：

一个代表开发者工具的锤子图标🛠️
一个代表自定义集成的插件图标🔌
点击锤子图标打开MCP工具。
在Claude中输入以下内容：Hi, get my system details with the Java version installed.
Claude会弹出一个权限请求对话框，点击“允许”。

图片