怎样开辟 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，全称模子上下文协议（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子和 AI 助手提供一个统一、标准化的接口，使 AI 能够轻松操纵外部工具并完成更复杂的使命。
这篇文章，就带各人速通 MCP，了解其焦点概念，并且以我们给本身产品 面试鸭 开辟的面试搜题 MCP 服务为例，带各人实战 MCP 服务端和客户端的开辟！

开源指路：https://github.com/yuyuanweb/mcp-mianshiya-server

 
MCP 为啥如此告急？

以前，如果想让 AI 处理我们的数据，根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 模子，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，扩展起来比力困难。
现在，MCP 解决了这个问题，它突破了模子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，甚至直接操纵第三方库。所以 MCP 相称于在 AI 和数据之间架起了一座桥。更告急的是，只要各人都遵照 MCP 这套协议，AI 就能无缝连接本地数据、互联网资源、开辟工具、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，代价不可估量。

MCP 总体架构

MCP 的焦点是 “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 框架来开辟 MCP 服务，可以先通过 官方文档 来了解其根本架构。
遵照三层架构：

我们分别来看每一层的作用：

• 客户端/服务器层：McpClient 处理客户端操纵，而 McpServer 管理服务器端协议操纵。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。别的，它还能发现和使用各种工具、管理资源，并与提示体系进行交互。
除了这些焦点功能，MCP 客户端还支持一些额外特性，比如根管理、采样控制，以及同步或异步操纵。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 架构的焦点部门，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，包括剖析协议、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，包管高效的通信和协作。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：焦点启动器，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：焦点服务器，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 项目的开辟。
 
MCP 开辟

MCP 的使用分为两种模式，STDIO 模式（本地运行）和 SSE 模式（长途服务）。
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，能够直接通过历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 服务器历程，与客户端无缝对接。
1、引入依赖

1. <dependency><br> <groupId>org.springframework.ai</groupId><br> <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId><br> <version>1.0.0-M6</version><br></dependency>

复制代码

2、配置 MCP 服务端

1. spring:<br>application:<br>  name: mcp-server<br>main:<br>  web-application-type: none # 必须禁用web应用类型<br>  banner-mode: off # 禁用banner<br>ai:<br>  mcp:<br>    server:<br>      stdio: true # 启用stdio模式<br>      name: mcp-server # 服务器名称<br>      version: 0.0.1 # 服务器版本

复制代码

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 工具的焦点注解，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，帮助人工智能模子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：

1. /**<br>* 根据搜索词搜索面试鸭面试题目<br>*<br>* @param searchText 搜索词<br>* @return 面试鸭搜索结果的题目链接<br>*/<br>@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）")<br>public String callMianshiya(String searchText) {<br>   // 执行从面试鸭数据库中搜索题目的逻辑（代码省略）<br>   System.out.println("用户要搜索：" + searchText);<br>}

复制代码

 
4、注册 MCP 工具
最后向 MCP 服务注册刚刚写的工具：

1. @Bean<br>public ToolCallbackProvider serverTools(MianshiyaService mianshiyaService) {<br>   return MethodToolCallbackProvider.builder()<br>            .toolObjects(mianshiyaService)<br>            .build();<br>}

复制代码

这段代码界说了一个 Spring 的 Bean，用于将面试鸭的标题搜索服务MianshiyaService中所有用 @Tool 注解标记的方法注册为工具，供 AI 模子调用。ToolCallbackProvider是 Spring AI 中的一个接口，用于界说工具发现机制，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 模子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：

1. mvn clean package -DskipTests

复制代码

 
MCP 客户端（基于 stdio 标准流）

1、引入依赖

1. <dependency><br> <groupId>org.springframework.ai</groupId><br> <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId><br> <version>1.0.0-M6</version><br></dependency>

复制代码

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：

1. spring:<br>ai:<br>  mcp:<br>    client:<br>      stdio:<br>         # 指定MCP服务器配置文件<br>        servers-configuration: classpath:/mcp-servers-config.json<br>mandatory-file-encoding: UTF-8

复制代码

其中 mcp-servers-config.json 的配置如下：

1. {<br> "mcpServers": {<br>   "mianshiyaServer": {<br>     "command": "java",<br>     "args": [<br>       "-Dspring.ai.mcp.server.stdio=true",<br>       "-Dspring.main.web-application-type=none",<br>       "-Dlogging.pattern.console=",<br>       "-jar",<br>       "/Users/yupi/Documents/mcp-server/target/mcp-server-0.0.1-SNAPSHOT.jar"<br>    ],<br>     "env": {}<br>  }<br>}<br>}

复制代码

这个配置文件设置了 MCP 客户端的根本配置，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，结果是一样的。

1.   mcp:<br>    client:<br>      stdio:<br>        connections:<br>          server1:<br>            command: java<br>            args:<br>              - -Dspring.ai.mcp.server.stdio=true<br>              - -Dspring.main.web-application-type=none<br>              - -Dlogging.pattern.console=<br>              - -jar<br>              - /Users/yupi/Documents/mcp-server/target/mcp-server-0.0.1-SNAPSHOT.jar

复制代码

客户端我们使用阿里巴巴的通义千问模子，所以引入 spring-ai-alibaba-starter 依赖，如果你使用的是其他的模子，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。还需要配置大模子的密钥等信息，key 可以直接 去官网 申请，模子我们用的是 qwen-max。

1. spring:<br>ai:<br>  dashscope:<br>    api-key: ${通义千问的key}<br>    chat:<br>      options:<br>        model: qwen-max

复制代码

3、初始化谈天客户端，一行代码就搞定了：

1. @Bean<br>public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,<br>                                ToolCallbackProvider mcpTools) {<br>   return chatClientBuilder.defaultTools(mcpTools).build();<br>}

复制代码

这段代码界说了一个 Spring Bean，用于初始化一个AI 谈天客户端，里面有两个参数：

• ChatClient.Builder 是 Spring AI 提供的 AI 谈天客户端构建器，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 服务端的工具形貌中，已经写的比力具体了 —— 比如用户想要搜索技能面试题，就会自动调用刚刚写的工具。
普通调用：

1. @PostMapping(value = "/ai/answer")<br>public String generate(@RequestBody AskRequest request) {<br>   return chatClient.prompt()<br>          .user(request.getContent())<br>          .call()<br>          .content();<br>}

复制代码

如果需要实时输出返回内容，可以进行 SSE 流式调用：

1. @PostMapping(value = "/ai/answer/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)<br>public Flux<String> generateStreamAsString(@RequestBody AskRequest request) {<br>   Flux<String> content = chatClient.prompt()<br>          .user(request.getContent())<br>          .stream()<br>          .content();<br>   return content<br>          .concatWith(Flux.just("[complete]"));<br>​<br>}

复制代码

最后测试一下，输入面试标题 “HashMap的原理是啥”，就会返回 面试鸭 的标题以及链接。

 
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 更适用于长途部署的 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长途调用。
1、引入依赖

1. <dependency><br>   <groupId>org.springframework.ai</groupId><br>   <artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId><br>   <version>1.0.0-M6</version><br></dependency>

复制代码

2、配置 MCP 服务端

1. server:<br>port: 8090<br>spring:<br>application:<br>  name: mcp-server<br>ai:<br>  mcp:<br>    server:<br>      name: mcp-server # MCP服务器名称<br>      version: 0.0.1   # 服务器版本号

复制代码

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：

1. mvn clean package -DskipTests

复制代码

直接用 jar 选项运行 MCP 服务端：

1. java -jar target/mcp-server-0.0.1-SNAPSHOT.jar --spring.profiles.active=prod

复制代码

MCP 客户端（基于 SSE）

1、引入依赖

1. <dependency><br> <groupId>org.springframework.ai</groupId><br> <artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId><br> <version>1.0.0-M6</version><br></dependency>

复制代码

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：

1. spring:<br>ai:<br>  mcp:<br>    client:<br>      enabled: true<br>      name: mcp-client<br>      version: 1.0.0<br>      request-timeout: 30s<br>      type: ASYNC # 类型同步或者异步<br>      sse:<br>        connections:<br>          server1:<br>            url: http://localhost:8090

复制代码

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，输入面试标题 “MySQL的事务是怎么实现的？”，就会返回 面试鸭 的标题以及链接等。

软件使用 MCP

除了利用程序去调用 MCP 服务外，MCP 服务端还恣意支持 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。（条件需要 Java 运行时环境）
首先下载我们 开源的面试鸭 MCP 服务 代码到本地：

1. git clone https://github.com/yuyuanweb/mcp-mianshiya-server 

复制代码

然后使用 Maven 打包构建项目：

1. cd mcp-mianshiya-server<br>mvn clean package

复制代码

下面我们以 Cherry Studio 这样一个 AI 客户端软件为例，演示怎样使用 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：

1. {<br> "mcpServers": {<br>   "mianshiyaServer": {<br>     "command": "java",<br>     "args": [<br>       "-Dspring.ai.mcp.server.stdio=true",<br>       "-Dspring.main.web-application-type=none",<br>       "-Dlogging.pattern.console=",<br>       "-jar",<br>       "/yourPath/mcp-server-0.0.1-SNAPSHOT.jar"<br>    ],<br>     "env": {}<br>  }<br>}<br>}

复制代码

3、在 “设置 => 模子服务” 里选择一个模子，输入 API 密钥，选择模子设置，勾选下工具函数调用功能：

4、进入谈天页面，在输入框下面勾选开启 MCP 服务：

配置完成，尝试搜索下面试标题，结果不戳！

甚至还进行面经剖析，返回多个面试标题与答案的链接！

当然这个功能我们面试鸭官方也实现了，帮助各人面试复盘：

 
上传 MCP 服务

和开辟一个 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。也欢迎各人在批评区交流你对 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
  
• 最新盘算机基础入门学习路线 + 盘算机基础教程
  
• 最新小程序入门学习路线 + 小程序开辟教程
  
• 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
  
• 最新操纵体系零基础入门学习路线 + 操纵体系教程
  
• 最新盘算机网络零基础入门学习路线 + 盘算机网络教程
  
• 最新计划模式零基础入门学习路线 + 计划模式教程
  
• 最新软件工程零基础入门学习路线 + 软件工程教程
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。