十大步骤详解Spring AI MCP机制底层实现，小白误入！

作者：IT周瑜 2025-04-11 09:01

MCP分为MCP Client和MCP Server：MCP Client负责进行工具发现和工具调用MCP Server负责提供工具和工具执行总体流程图图片十大步骤详解第一步，MCP Client接收用户的问题，比如“今天是几月几号”。第二步，MCP Client发送tools/list请求给MCP Server进行工具发现。利用Spring AI开发的MCP Server，可以利用@Tool注解定义工具，比如：图片并利用MethodToolCallbackProvider提供出去：在MCP Server的MpcServerAutoConfiguration自动配置类中定义了一个McpSyncServer的Bean，它会依赖注入ListToolCallbackProvider，这样McpSyncServer中就拿到了MCP Server中定义的所有Tools（调用ToolCallbackProvider的getToolCallbacks()即可拿到）。

MCP分为MCP Client和MCP Server：

MCP Client负责进行工具发现和工具调用
MCP Server负责提供工具和工具执行

总体流程图

图片

十大步骤详解

第一步，MCP Client接收用户的问题，比如“今天是几月几号”。

第二步，MCP Client发送tools/list请求给MCP Server进行工具发现。

利用Spring AI开发的MCP Server，可以利用@Tool注解定义工具，比如：

图片

并利用MethodToolCallbackProvider提供出去：

在MCP Server的MpcServerAutoConfiguration自动配置类中定义了一个McpSyncServer的Bean，它会依赖注入List<ToolCallbackProvider>，这样McpSyncServer中就拿到了MCP Server中定义的所有Tools（调用ToolCallbackProvider的getToolCallbacks()即可拿到）。

第三步，McpSyncServer处理tools/list请求，并返回工具定义给MCP Client，所谓工具定义，就是工具的描述、方法名、入参信息等。

第四步，MCP Client在拿到了工具定义后，就把用户问题和工具定义一起发送给大模型。

第五步，大模型分析用户问题和工具信息，决定要调用某个工具，大模型会确定要调用工具的方法名、入参值等，并发送给MCP Client

第六步，MCP Client拿到了大模型的工具调用信息后，就向MCP Server发送tools/call请求，并携带了工具调用信息。

第七步，MCP Server处理tools/call请求，并通过反射执行指定的工具方法，得到并返回工具执行结果给MCP Client。

第八步，MCP Client拿到了工具执行结果后，把工具执行结果返回给大模型。

第九步，大模型拿到工具执行结果后，继续分析用户问题，如果要继续调用工具，就执行第五步，如果不要执行工具了，就然后用户问题的最终答案给MCP Client

第十步，MCP Client拿到最终答案后，就返回给用户。

这其中，第三步和第七步比较重要，第三步工具发现不再是获取应用自己定义的工具了，而是去获取MCP Server定义的工具，第七步工具调用，也不是调用应用自己的工具，而是远程调用MCP Server中的工具，但总体框架仍然是Spring AI Tool Calling机制的流程。

基于 Spring AI + MCP + DeepSeek-R1-7B 构建企业级智能 Agent 工具调用系统

在大模型 Agent 发展浪潮下，如何通过模型驱动外部工具调用（Tool Calling）已成为构建智能业务系统的关键能力。本文将手把手带你通过 Spring AI MCP（Model Context Protocol） DeepSeek-R1-7B 打造一个可落地的企业级智能 Agent。项目背景与架构设计技术选型Spring AISpring 官方推出的 AI 接入框架，支持 LangChain、MCP、RAG 等能力；MCP（Model Context Protocol）模型与工具之间通信的协议桥梁；DeepSeek-R1-7B国产高性能开源大模型，已支持 Chat Completion、Tool Calling 接口；Ragflow用作 RAG 架构引擎（可选）；系统功能用户向模型提问模型判断是否调用工具（如数据库查询）MCP 注册的工具服务完成任务模型生成最终响应环境准备安装依赖复制本地部署 DeepSeek-R1-7B 模型推荐使用 vLLM 启动 DeepSeek-R1-7B 模型服务：复制构建 Spring AI MCP 工具服务示例业务：产品信息查询复制注册 MCP 工具复制模型端配置（Ragflow 示例）在 ragflow.config.yaml 中配置模型地址及 MCP 工具启用：复制前端调用（可选）复制测试效果用户输入：复制输出结果：复制模型会自动触发 query-product 工具，无需用户指定，展示 Agent 工具能力。

4/21/2025 4:22:00 AM

编程疏影

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。

4/29/2025 12:01:55 AM

学研妹

Spring AI + MCP + DeepSeek-R1-7B + SSE 全流程实战指南

本教程将带你从 0 到 1 实现一个完整的 AI 流式问答应用，整合以下组件：Spring Boot Spring AI 构建服务框架MCP（Model Connector Plugin）用于统一管理本地/云端大模型DeepSeek-R1-7B 国产高性能大模型（OpenAI API 兼容）SSE（Server-Sent Events）实现前后端实时流式响应Ollama（可选）更便捷地部署 DeepSeek-R1-7B 模型并提供 OpenAI 接口支持模型部署方式推荐：Ollama 运行 DeepSeek-R1-7B安装 Ollama访问：（以 DeepSeek 为例）复制也可以加载其它模型，如 llama3, qwen:chat, yi:34b, phi3, mistral 等。启动 Ollama复制Ollama 会自动监听 OpenAI 风格接口（http://localhost:11434/v1/chat/completions），兼容 stream: true。 Spring Boot 接入 SSE 流式输出服务添加依赖（pom.xml）复制WebClient 配置类复制请求体结构封装复制DeepSeek-R1-7B 接口封装（支持 stream: true）复制控制器对外暴露 SSE 接口复制前端 JS 接入 SSE 实现流式展示复制总结通过以上步骤，我们成功实现了：Ollama 部署并运行 DeepSeek-R1-7B 本地大模型Spring Boot 封装 OpenAI 接口 stream: true实现后端 SSE 推流前端实时 Token 渲染支持国产开源模型的类 ChatGPT 对话功能

5/16/2025 7:50:58 AM