一文吃透 Spring AI Alibaba + MCP：服务端搭建 + 客户端调用全流程

极客资料网推荐一文吃透 Spring AI Alibaba + MCP：服务端搭建 + 客户端调用全流程这篇文章给大家，欢迎收藏极客资料网享受知识的乐趣

一、MCP概念介绍

MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年推出的AI 领域统一连接协议，被称为 “AI 的 USB-C 接口”，核心是让大模型（LLM）通过标准化方式安全、灵活地调用外部工具、数据库、API 与文件系统，打破数据孤岛。

从架构来看，MCP基于C/S（客户端-服务端）模式实现，因此要完成MCP调用，需分别搭建MCP服务端（暴露工具方法）和MCP客户端（调用服务端方法）。

本文将基于Spring Ai Alibaba生态，完整实现“本地方法封装为MCP服务 + 客户端调用MCP服务”的全流程，步骤清晰、可直接落地。

二、Spring AI MCP的介绍

Spring AI MCP 为模型上下文协议提供 Java 和 Spring 框架集成。它使 Spring AI 应用程序能够通过标准化的接口与不同的数据源和工具进行交互，支持同步和异步通信模式。整体架构如下：

三、搭建本地MCP服务端

1. 添加依赖

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter</artifactId>
</dependency>

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
  <version>1.1.2</version>
</dependency>

注意：

此处未使用常规的spring-boot-starter-web（内置Tomcat），因为spring-ai-starter-mcp-server-webflux与Tomcat存在冲突。使用spring-boot-starter会默认通过Netty启动服务，适配MCP服务端要求。

2. 配置服务端application.yml

server:
  port: 8088  # 服务端口，可自定义
  servlet:
    encoding:
      enabled: true
      force: true
      charset: UTF-8  # 避免中文乱码
spring:
  application:
    name: local-mcp-server # 服务端应用名称
  ai:
    mcp:
      server:  
        type: async  # 异步模式，提升调用性能
        name: local-mcp-server  # MCP服务名称
        version: 1.0.0  # 服务版本

3. 添加工具方法

创建工具类，将需要对外暴露的方法用@Tool注解标记，并将该类交给Spring容器管理：

@Service
public class WeatherService {

  	/**
     * 根据城市名称获取天气信息
     * @param city 城市名称
     * @return 天气描述
     */
    @Tool(description = "根据城市名称获取天气信息")
    public String getWeatherByCity(String city) {
        return city + " 今天天气很好！";
    }
}

4. 添加MCP服务配置（McpServerConfig）

创建配置类，通过ToolCallbackProvider将工具类（WeatherService）封装为MCP服务：

@Configuration
public class McpServerConfig {

    @Bean
    public ToolCallbackProvider weatherTools(WeatherService weatherService) {
        return MethodToolCallbackProvider.builder()
                .toolObjects(weatherService)
                .build();
    }
}

5. 启动mcp-server 服务

启动Spring Boot应用，查看控制台输出，确认服务启动成功（重点关注Netty启动信息）：

2026-03-19T14:33:17.730+08:00  INFO 35517 --- [local-mcp-server] [           main] o.s.b.web.embedded.netty.NettyWebServer  : Netty started on port 8088 (http)
2026-03-19T14:33:17.734+08:00  INFO 35517 --- [local-mcp-server] [           main] com.jcq.server.McpServerApplication      : Started McpServerApplication in 1.198 seconds 

可以看到服务使用netty成功启动，端口是8088

四、搭建MCP客户端

1. 添加依赖

client端正常配置spring-boot-starter-web，使用tomcat启动服务。

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI Alibaba Agent Framework -->
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-agent-framework</artifactId>
    <version>1.1.2.0</version>
</dependency>

<!-- DashScope ChatModel 支持（如果使用其他模型，请跳转 Spring AI 文档选择对应的 starter） -->
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
    <version>1.1.2.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-client</artifactId>
    <version>1.1.2</version>
</dependency>

2. 配置客户端application.yml

spring:
  application:
    name: spring-ai-alibaba-agent # 客户端应用名称
  ai:
    dashscope:
      api-key: ${AliQwen_API}  # 通义千问API密钥，建议通过环境变量配置，避免硬编码
    mcp:
      client:
        type: async  # 与服务端一致，异步调用
        request-timeout: 60s # 调用超时时间，可根据实际调整
        toolcallback:
          enabled: true # 启用工具回调，用于接收服务端响应
        sse: # mcp类型
          connections:
            local-mcp-server: # 这里表示mcp服务名称
              url: http://localhost:8088 # MCP服务端地址（对应服务端ip端口）

3. 编写测试接口

@RestController
public class McpClientController {

    @Resource
    private ToolCallbackProvider toolCallbackProvider;

  	/**
     * 测试MCP服务调用：查询指定城市天气
     * 访问地址：http://localhost:8080/mcpTest（客户端端口默认8080，可自定义）
     */
    @GetMapping("mcpTest")
    private void mcpTest() throws GraphRunnerException {

      	// 1. 初始化DashScope聊天模型（可替换为其他LLM模型）
        ChatModel chatModel = getChatModel();

      	// 2. 获取MCP服务端暴露的工具方法
        ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();

        System.out.printf("""
                        =====Find the tools from spring ToolCallbackProvider=====
                        %s
                        """,
                JSON.toJSONString(toolCallbacks));

        // 3. 构建智能体并绑定mcp服务
        ReactAgent agent = ReactAgent.builder()
                .name("ip_search")
                .model(chatModel)
                .description("你是一个天气查询助手")
                .saver(new MemorySaver())
                .toolCallbackProviders(toolCallbackProvider)
                        .build();

        // 4. 配置运行参数
        RunnableConfig config = RunnableConfig.builder()
                .threadId("session")
                .build();

        // 5. 流式调用agent
        Flux<NodeOutput> stream = agent.stream("上海天气怎么样", config);
        StringBuffer answerString = new StringBuffer();
        stream.doOnNext(output -> {
                    if (output.node().equals("_AGENT_MODEL_")) {
                        answerString.append(((StreamingOutput<?>) output).message().getText());
                    }
                    else if (output.node().equals("_AGENT_TOOL_")) {
                        answerString.append("\nTool Call:").append(((ToolResponseMessage) ((StreamingOutput<?>) output).message()).getResponses().get(0)).append("\n");
                    }
                })
                .doOnComplete(() -> System.out.println(answerString))
                .doOnError(e -> System.err.println("Stream Processing Error: " + e.getMessage()))
                .blockLast();
    }

  	/**
     * 初始化DashScope聊天模型（通义千问）
     * @return ChatModel 聊天模型实例
     */
    private static  ChatModel getChatModel() {
        DashScopeApi dashScopeApi = DashScopeApi.builder()
                .apiKey(System.getenv("AliQwen_API"))
                .build();

        return DashScopeChatModel.builder()
                .dashScopeApi(dashScopeApi)
                .build();
    }

}

4. 运行测试，查看结果

1. 确保MCP服务端（8088端口）已启动；
2. 启动MCP客户端，访问接口：http://localhost:8080/mcpTest
3. 查看客户端控制台输出，若出现以下内容，说明MCP服务调用成功：

Tool Call:ToolResponse[id=call_b8f00f883a784fc1b35603, name=getWeatherByCity, responseData=[{"text":"\"上海 今天天气很好！\""}]]

五、总结

本文通过Spring Ai Alibaba，实现了MCP协议的本地服务落地，服务端获取天气逻辑后续可以替换为真实调用api接口。

欢迎大家关注我，下一篇文章我将介绍一下如何调用MCP市场上的公开服务，敬请期待～

文章来源:https://www.cnblogs.com/jucunqi/p/19816940
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！