如何开发 MCP 服务保姆级教程
最近这段时间有个 AI 相关的概念特别火，叫 MCP，全称模型上下文协议（Model Context Protocol）。这是由 Anthropic 推出的一项开放标准，目标是为大型语言模型和 AI 助手提供一个统一、标准化的接口，使 AI 能够轻松操作外部工具并完成更复杂的任务。 这篇文章，就带大家速通 MCP，了解其核心概念，并且以我们给自己产品 面试鸭 开发的面试搜题 MCP 服务为例，带大家实战 MCP 服务端和客户端的开发！ 开源指路： github.com/yuyuanweb/m… ## MCP 为啥如此重要？ 以前，如果想让 AI 处理我们的数据，基本只能靠预训练数据或者上传数据，既麻烦又低效。而且，就算是很强大的 AI 模型，也会有数据隔离的问题，无法直接访问新数据，每次有新的数据进来，都要重新训练或上传，扩展起来比较困难。 现在，MCP 解决了这个问题，它突破了模型对静态知识库的依赖，使其具备更强的动态交互能力，能够像人类一样调用搜索引擎、访问本地文件、连接 API 服务，甚至直接操作第三方库。所以 MCP 相当于在 AI 和数据之间架起了一座桥。更重要的是，只要大家都遵循 MCP 这套协议，AI 就能无缝连接本地数据、互联网资源、开发工具、生产力软件，甚至整个社区生态，实现真正的“万物互联”，这将极大提升 AI 的协作和工作能力，价值不可估量。 ## MCP 总体架构 MCP 的核心是 “客户端 - 服务器” 架构，其中 MCP 客户端主机可以连接到多个服务器。客户端主机是指希望通过 MCP 访问数据的程序，比如 Claude Desktop、IDE 或 AI 工具。 ## MCP Java SDK 架构 我们可以使用 Spring AI 框架来开发 MCP 服务，可以先通过 官方文档 来了解其基本架构。 遵循三层架构： 我们分别来看每一层的作用： * 客户端/服务器层：McpClient 处理客户端操作，而 McpServer 管理服务器端协议操作。两者都使用 McpSession 进行通信管理。
- 会话层（McpSession）：通过 DefaultMcpSession 实现管理通信模式和状态。
- 传输层（McpTransport）：处理 JSON-RPC 消息序列化和反序列化，支持多种传输实现。
MCP 客户端
MCP 客户端是 MCP 架构中的关键组件，主要负责和 MCP 服务器建立连接并进行通信。它能自动匹配服务器的协议版本，确认可用功能，并负责数据传输和 JSON-RPC 交互。此外，它还能发现和使用各种工具、管理资源，并与提示系统进行交互。 除了这些核心功能，MCP 客户端还支持一些额外特性，比如根管理、采样控制，以及同步或异步操作。为了适应不同场景，它提供了多种数据传输方式，包括标准输入/输出、基于 Java HttpClient 和 WebFlux 的 SSE 传输。 ### MCP 服务端 MCP 服务器是整个 MCP 架构的核心部分，主要用来为客户端提供各种工具、资源和功能支持。它负责处理客户端的请求，包括解析协议、提供工具、管理资源以及处理各种交互信息。同时，它还能记录日志、发送通知，并且支持多个客户端同时连接，保证高效的通信和协作。它可以通过多种方式进行数据传输，比如标准输入/输出、Servlet、WebFlux 和 WebMVC，满足不同应用场景的需求。 ### Spring AI 集成 MCP 可以通过引入一些依赖，直接让 Spring AI 和 MCP 进行集成，在 Spring Boot 项目中轻松使用。 比如客户端启动器： * spring-ai-starter-mcp-client：核心启动器，提供 STDIO 和基于 HTTP 的 SSE 支持
- spring-ai-starter-mcp-client-webflux：基于 WebFlux 的 SSE 流式传输实现 服务器启动器： * spring-ai-starter-mcp-server：核心服务器，具有 STDIO 传输支持
- spring-ai-starter-mcp-server-webmvc：基于 Spring MVC 的 SSE 流式传输实现
- spring-ai-starter-mcp-server-webflux：基于 WebFlux 的 SSE 流式传输实现 下面我们来实战 MCP 项目的开发。 ## MCP 开发 MCP 的使用分为两种模式，STDIO 模式（本地运行）和 SSE 模式（远程服务）。 ### MCP 服务端（基于stdio标准流） 基于 stdio 的实现是最常见的 MCP 客户端方案，它通过标准输入输出流与 MCP 服务器进行通信。这种方式简单直观，能够直接通过进程间通信实现数据交互，避免了额外的网络通信开销。特别适用于本地部署的 MCP 服务器，可以在同一台机器上启动 MCP 服务器进程，与客户端无缝对接。 1、引入依赖 ``` org.springframework.ai spring-ai-mcp-server-spring-boot-starter 1.0.0-M6
2、配置 MCP 服务端 ```
spring:application: name: mcp-servermain: web-application-type: none # 必须禁用web应用类型 banner-mode: off # 禁用bannerai: mcp: server: stdio: true # 启用stdio模式 name: mcp-server # 服务器名称 version: 0.0.1 # 服务器版本
3、实现 MCP 工具 @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。 下面是一段示例代码： ```
/*** 根据搜索词搜索面试鸭面试题目** @param searchText 搜索词* @return 面试鸭搜索结果的题目链接*/@Tool(description = "根据搜索词搜索面试鸭面试题目（如果用户提的问题的技术面试题，优先搜索面试鸭的题目列表）")public String callMianshiya(String searchText) { // 执行从面试鸭数据库中搜索题目的逻辑（代码省略） System.out.println("用户要搜索：" + searchText);}
4、注册 MCP 工具 最后向 MCP 服务注册刚刚写的工具： ```
@Beanpublic ToolCallbackProvider serverTools(MianshiyaService mianshiyaService) { return MethodToolCallbackProvider.builder() .toolObjects(mianshiyaService) .build();}
这段代码定义了一个 Spring 的 Bean，用于将面试鸭的题目搜索服务 MianshiyaService 中所有用 @Tool 注解标记的方法注册为工具，供 AI 模型调用。 ToolCallbackProvider 是 Spring AI 中的一个接口，用于定义工具发现机制，主要负责将那些使用 @Tool 注解标记的方法转换为工具回调对象，并提供给 ChatClient 或ChatModel 使用，以便 AI 模型能够在对话过程中调用这些工具。 5、运行服务端 MCP 服务端代码写完之后，直接用 Maven 打包运行项目： ```
mvn clean package -DskipTests
### MCP 客户端（基于 stdio 标准流）
1、引入依赖 ```
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId> <version>1.0.0-M6</version></dependency>
2、配置 MCP 服务器 因为刚刚服务端是通过 stdio 实现的，需要在 application.yml 中配置MCP服务器的一些参数： ```
spring:ai: mcp: client: stdio: # 指定MCP服务器配置文件 servers-configuration: classpath:/mcp-servers-config.jsonmandatory-file-encoding: UTF-8
其中 `mcp-servers-config.json` 的配置如下： ```
{ "mcpServers": { "mianshiyaServer": { "command": "java", "args": [ "-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none", "-Dlogging.pattern.console=", "-jar", "/Users/yupi/Documents/mcp-server/target/mcp-server-0.0.1-SNAPSHOT.jar" ], "env": {} }}}
这个配置文件设置了 MCP 客户端的基本配置，包括 Java 命令参数，服务端 jar 包的绝对路径等。上述的 JSON 配置文件也可以直接写在 application.yml 里，效果是一样的。 ```
mcp: client: stdio: connections: server1: command: java args: - -Dspring.ai.mcp.server.stdio=true - -Dspring.main.web-application-type=none - -Dlogging.pattern.console= - -jar - /Users/yupi/Documents/mcp-server/target/mcp-server-0.0.1-SNAPSHOT.jar
客户端我们使用阿里巴巴的通义千问模型，所以引入 `spring-ai-alibaba-starter` 依赖，如果你使用的是其他的模型，也可以使用对应的依赖项，比如 `openAI` 引入 `spring-ai-openai-spring-boot-starter` 这个依赖就行了。还需要配置大模型的密钥等信息，key 可以直接 [去官网](https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key) 申请，模型我们用的是 qwen-max。 ```
spring:ai: dashscope: api-key: ${通义千问的key} chat: options: model: qwen-max
3、初始化聊天客户端，一行代码就搞定了： ``` @Beanpublic ChatClient initChatClient(ChatClient.Builder chatClientBuilder, ToolCallbackProvider mcpTools) { return chatClientBuilder.defaultTools(mcpTools).build();}
这段代码定义了一个 Spring Bean，用于初始化一个AI 聊天客户端，里面有两个参数： * ChatClient.Builder 是 Spring AI 提供的 AI 聊天客户端构建器，用于构建 ChatClient 实例，是由 Spring AI自动注入的
* 另一个是 ToolCallbackProvider，用于从 MCP 服务端发现并获取 AI 工具。
4、接口调用 直接调用 `ChatClient` ，将面试问题输入给AI即可，也不需要写过多的 prompt，因为在 MCP 服务端的工具描述中，已经写的比较详细了 —— 比如用户想要搜索技术面试题，就会自动调用刚刚写的工具。 普通调用： ```
@PostMapping(value = "/ai/answer")public String generate(@RequestBody AskRequest request) { return chatClient.prompt() .user(request.getContent()) .call() .content();}
如果需要实时输出返回内容，可以进行 SSE 流式调用： ``` @PostMapping(value = "/ai/answer/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)public Flux generateStreamAsString(@RequestBody AskRequest request) { Flux content = chatClient.prompt() .user(request.getContent()) .stream() .content(); return content .concatWith(Flux.just("[complete]"));}
最后测试一下，输入面试题目 “HashMap的原理是啥”，就会返回 [面试鸭](https://www.mianshiya.com/) 的题目以及链接。 ### MCP 服务端（基于 SSE）
除了基于 `stdio` 的实现外，Spring AI 还提供了基于 Server-Sent Events (SSE) 的 MCP 客户端方案。相较于 `stdio` 方式，SSE 更适用于远程部署的 MCP 服务器，客户端可以通过标准 HTTP 协议与服务器建立连接，实现单向的实时数据推送。基于 SSE 的 MCP 服务器支持被多个客户端远程调用。 1、引入依赖 ```
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId> <version>1.0.0-M6</version></dependency>
2、配置 MCP 服务端 ``` server:port: 8090spring:application: name: mcp-serverai: mcp: server: name: mcp-server # MCP服务器名称 version: 0.0.1 # 服务器版本号
除了引入的依赖包不一样，以及配置文件不同，其他的不需要修改。 3、运行服务端 MCP 服务端写完之后，直接打包运行： ```
mvn clean package -DskipTests
直接用 jar 选项运行 MCP 服务端： ``` java -jar target/mcp-server-0.0.1-SNAPSHOT.jar --spring.profiles.active=prod
### MCP 客户端（基于 SSE）
1、引入依赖 ```
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId> <version>1.0.0-M6</version></dependency>
2、配置 MCP 服务器 因为刚刚服务端是通过 SSE 实现的，需要在 application.yml 中配置 MCP 服务器的 URL 端口： ```
spring:ai: mcp: client: enabled: true name: mcp-client version: 1.0.0 request-timeout: 30s type: ASYNC # 类型同步或者异步 sse: connections: server1: url: http://localhost:8090
和 MCP 服务端的修改一样， 除了依赖和配置的修改，其他的也不需要调整。 最后测试一下，输入面试题目 “MySQL的事务是怎么实现的？”，就会返回 [面试鸭](https://www.mianshiya.com/) 的题目以及链接等。 ## 软件使用 MCP
除了利用程序去调用 MCP 服务外，MCP 服务端还任意支持 MCP 协议的智能体助手，比如 Claude、Cursor 以及 Cherry Studio 等，都可以快速接入。（前提需要 Java 运行时环境） 首先下载我们 [开源的面试鸭 MCP 服务](https://github.com/yuyuanweb/mcp-mianshiya-server) 代码到本地： ```
git clone https://github.com/yuyuanweb/mcp-mianshiya-server
然后使用 Maven 打包构建项目： ``` cd mcp-mianshiya-servermvn clean package
下面我们以 Cherry Studio 这样一个 AI 客户端软件为例，演示如何使用 MCP 服务。 1、打开 Cherry Studio 的 “设置”，点击 “MCP 服务器”： 2、点击 “编辑 JSON”，将以下 MCP 配置添加到配置文件中： ```
{ "mcpServers": { "mianshiyaServer": { "command": "java", "args": [ "-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none", "-Dlogging.pattern.console=", "-jar", "/yourPath/mcp-server-0.0.1-SNAPSHOT.jar" ], "env": {} }}}
3、在 “设置 => 模型服务” 里选择一个模型，输入 API 密钥，选择模型设置，勾选下工具函数调用功能： 4、进入聊天页面，在输入框下面勾选开启 MCP 服务： 配置完成，尝试搜索下面试题目，效果不戳！ 甚至还进行面经解析，返回多个面试题目与答案的链接！ 当然这个功能我们面试鸭官方也实现了，帮助大家面试复盘： ## 上传 MCP 服务 和开发一个 APP 一样，我们也可以把做好的 MCP 服务分享到第三方 MCP 服务平台。比如 MCP.so，可以理解为 MCP 服务的应用市场。 直接点击头像左侧的提交按钮，然后填写 MCP 服务的项目地址、以及服务器配置实例，点击提交即可。 提交完成后就可以在平台搜索到了： OK 就分享到这里，学会的话记得点赞收藏哦。也欢迎大家在评论区交流你对 MCP 的看法和理解~ ## 更多编程学习资源
- Java前端程序员必做项目实战教程+毕设网站
- 程序员免费编程学习交流社区（自学必备）
- 程序员保姆级求职写简历指南（找工作必备）
- 程序员免费面试刷题网站工具（找工作必备）
- 最新Java零基础入门学习路线 + Java教程
- 最新Python零基础入门学习路线 + Python教程
- 最新前端零基础入门学习路线 + 前端教程
- 最新数据结构和算法零基础入门学习路线 + 算法教程
- 最新C++零基础入门学习路线、C++教程
- 最新数据库零基础入门学习路线 + 数据库教程
- 最新Redis零基础入门学习路线 + Redis教程
- 最新计算机基础入门学习路线 + 计算机基础教程
- 最新小程序入门学习路线 + 小程序开发教程
- 最新SQL零基础入门学习路线 + SQL教程
- 最新Linux零基础入门学习路线 + Linux教程
- 最新Git/GitHub零基础入门学习路线 + Git教程
- 最新操作系统零基础入门学习路线 + 操作系统教程
- 最新计算机网络零基础入门学习路线 + 计算机网络教程
- 最新设计模式零基础入门学习路线 + 设计模式教程
- 最新软件工程零基础入门学习路线 + 软件工程教程
