基于SpringAI正式版本1.0.0部署MCP服务MCP全称Model Context Protocol ，模型上下文

背景

MCP全称Model Context Protocol ，模型上下文协议，是一种标准化协议，使AI模型能够以结构化方式与外部工具和资源交互。MCP可以将各种大模型工具或能力以较为标准的方式暴露出来，方便其他组件完成对接，封装了很多以往需要实现的交互过程，也扩宽了大模型的能力边界。

当前MCP已经快速发展，大有成为事实标准的趋势。最新发布的SpringAI（2025-6）中已经实现了对MCP的封装组件，本文通过一个调用示例，实现基于SpringAI的MCP服务，并通过客户端访问，完成功能验证。

主要过程

首先，我们通过Spring的项目构建工具添加依赖，注意当前使用的SpringAI版本是1.0.0。之前有使用过1.0.0-M6、M7，部分依赖发生了比较大的变化，会产生很多复杂的问题。

其次，编写实际调用工具，再将其注册，方便MCP服务将其引入。

然后，增加相关配置，包括MCP配置、基础模型配置。国内可以使用比如Qwen,Deepseek, GLM等模型。本文中使用的是glm-4-plus。

最后，通过客户端增加本地MCP服务地址，进行调用，验证访问。

依赖

这里贴出了完整的POM依赖。

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
   xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
   <modelVersion>4.0.0</modelVersion>
   <parent>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-parent</artifactId>
      <version>3.4.7</version>
      <relativePath/> <!-- lookup parent from repository -->
   </parent>
   <groupId>com.my.csp.op</groupId>
   <artifactId>my-ai-demo</artifactId>
   <version>0.0.1-SNAPSHOT</version>
   <name>my-ai-demo</name>
   <description>Demo project for Spring Boot</description>
   <properties>
      <java.version>21</java.version>
      <spring-ai.version>1.0.0</spring-ai.version>
      <lombok.version>1.18.30</lombok.version>
   </properties>
   <dependencies>
      <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-actuator</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-web</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-webflux</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-mcp-client-webflux</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-vector-store-milvus</artifactId>
      </dependency>
<!--      add start -->
      <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-model-openai</artifactId>
      </dependency>
      <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
      </dependency>
<!--      add end -->
      <dependency>
         <groupId>org.projectlombok</groupId>
         <artifactId>lombok</artifactId>
         <version>${lombok.version}</version>
         <optional>true</optional>
      </dependency>
      <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-test</artifactId>
         <scope>test</scope>
      </dependency>
      <dependency>
         <groupId>io.projectreactor</groupId>
         <artifactId>reactor-test</artifactId>
         <scope>test</scope>
      </dependency>
   </dependencies>
   <dependencyManagement>
      <dependencies>
         <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
         </dependency>
      </dependencies>
   </dependencyManagement>
   
   <!-- 剩余忽略 -->

主要代码逻辑

工具类定义

实现一个获取本地系统时间的方法。

import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

@Service
public class CurrentTimeTool {


    @Tool(description = "精确获取当前系统时间")
    public String getCurrentTime() {
        return LocalDateTime.now().format(DateTimeFormatter.ISO_DATE_TIME);
    }
}

注册工具

这个工具非常简单，用于获取当前服务端精确时间。


import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class McpConfig {


    @Bean
    public ToolCallbackProvider toolCallbackProvider(CurrentTimeTool currentTimeTool) {
        return MethodToolCallbackProvider.builder().toolObjects(currentTimeTool).build();
    }
}

注意：有的文章提到要将ToolCallbackProvider注册给ChatClient，实际执行发现不需要，也可以让MCP服务注册。

增加模型交互端

import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@RequiredArgsConstructor
@Configuration
public class ChatConfig {

    private final ChatClient.Builder builder;

    @Bean
    public ChatClient chatClient() {
        return builder
                .build();
    }
}

主要配置和注释

spring.application.name=csp-ai-demo

#非常重要，和依赖共同影响，可能使得MCP服务无法正常启动
spring.main.web-application-type=reactive

#全面的日志，可以帮助查看MCP交互
logging.level.root=debug

server.servlet.encoding.charset=UTF-8
server.servlet.encoding.force=true

#MCP主要配置，注意server.type也和webflux或者springMVC配置有关系
spring.ai.mcp.server.type=async
spring.ai.mcp.server.name=local-my-ai-op
spring.ai.mcp.server.sse-endpoint=/sse
spring.ai.mcp.server.sse-message-endpoint=/mcp/message
spring.ai.mcp.server.enabled=true
spring.ai.mcp.server.version=1.0.0

#这里使用的是智谱的glm-4-plus模型
spring.ai.openai.base-url=https://open.bigmodel.cn/api/paas
spring.ai.openai.api-key=your-key
spring.ai.openai.chat.options.model=glm-4-plus
spring.ai.openai.embedding.metadata-mode=none
spring.ai.openai.chat.completions-path=/v4/chat/completions
spring.ai.openai.chat.options.temperature=0.0
spring.ai.openai.chat.options.max-tokens=4096

#由于增加了milvus向量库配置，需要增加miluvs地址。
spring.ai.vectorstore.milvus.client.host=your-milvus-host
spring.ai.vectorstore.milvus.client.port=your-milvus-port
spring.ai.vectorstore.milvus.database-name=your-milvus-database

执行结果

执行分别使用了1.14.1版本的Chatbox和1.4.5版本的cherry-studio，作为集成客户端，都支持配置MCP服务，相比自己开发客户端，要更加直观和方便。

Chatbox

配置链接

执行结果

Cherry-studio

配置和调用效果

注意事项

有时如果服务重启，而客户端没有重新配置，会出现session不存在的错误，在客户端表现为长时间无响应。这种情况可通过客户端重新配置 MCP 服务解决。
cherry-studio客户端较常出现“虚假调用”的情况，即返回调用了MCP的工具，但实际没有执行，可能是工具过于简单。但是相反Chatbox客户端没有出现这种情况。而使用的底层模型均为glm-4-plus。

基于SpringAI正式版本1.0.0部署MCP服务

背景

主要过程

依赖

主要代码逻辑

工具类定义

注册工具

增加模型交互端

主要配置和注释

执行结果

Chatbox

Cherry-studio

注意事项

参考资料