Spring AI MCP 实战：让大模型调用你的 Java 业务接口

Spring AI MCP 实战：让大模型调用你的 Java 业务接口

背景

最近在和公司 AI 团队对接，遇到了一个很实际的问题：AI 团队开发了一个 MCP 市场，需要把我们现有的 HTTP 业务接口注册上去，供大模型调用。

由此引发了一个思考：如果用 Java 语言来实现一个 MCP 客户端和服务端，应该怎么做？

今天分享一下基于 Spring AI 实现 MCP 客户端和服务端的完整实战经验。

什么是 MCP？

MCP（Model Context Protocol，模型上下文协议）是一个标准化的协议，用于 AI 模型与外部工具和资源交互。你可以把它理解为 AI 领域的 “USB 接口” —— 不管什么设备，只要支持 USB，就能插上去用。

MCP 协议的核心架构分为三层：

1. Client/Server 层

• MCP Client：管理客户端连接、协议协商、能力发现、工具调用
• MCP Server：暴露工具、资源，管理客户端连接

2. Session 层

• 管理通信模式，维持连接状态

3. Transport 层

• 处理消息传输和 JSON-RPC 序列化
• 支持多种传输方式：STDIO、HTTP/SSE、Streamable-HTTP

Spring AI MCP 支持

Spring AI 提供了完整的 MCP 支持，通过 Boot Starter 可以快速搭建 MCP Server 和 MCP Client：

实战：搭建 MCP Server

项目结构

java-ai-mcp-server/ ├── pom.xml └── src/main/ ├── java/com/why/ │ ├── McpServerApplication.java │ └── mcp/server/tool/WeatherService.java └── resources/ └── application.properties

Maven 依赖

<parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>4.0.5</version></parent><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server-webflux</artifactId></dependency><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>2.0.0-M4</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement>

配置 application.properties

server.port=9000 # MCP Server 配置 spring.ai.mcp.server.annotation-scanner.enabled=true spring.ai.mcp.server.name=java-ai-mcp-server spring.ai.mcp.server.version=1.0.0 spring.ai.mcp.server.type=sync spring.ai.mcp.server.protocol=sse

• annotation-scanner.enabled=true：开启注解扫描，自动发现@Tool注解的方法
• protocol=sse：使用 SSE（Server-Sent Events）传输协议

定义 MCP 工具

只需在方法上加@Tool注解，Spring AI 会自动将其暴露为 MCP 工具：

@ServicepublicclassWeatherService{privatestaticfinalStringBASE_URL="https://restapi.amap.com/v3/weather/weatherInfo";privatefinalRestClientrestClient=RestClient.builder().baseUrl(BASE_URL).build();@Tool(description="获取某个城市的天气")publicStringgetWeather(StringcityCode){returnrestClient.get().uri(uriBuilder->uriBuilder.queryParam("key","你的高德API Key").queryParam("city",cityCode).build()).retrieve().body(String.class);}}

注册工具

@SpringBootApplicationpublicclassMcpServerApplication{publicstaticvoidmain(String[]args){SpringApplication.run(McpServerApplication.class,args);}@BeanpublicToolCallbackProviderweatherTools(WeatherServiceweatherService){returnMethodToolCallbackProvider.builder().toolObjects(weatherService).build();}}

启动后，访问http://localhost:9000/mcp-server即可连接。

实战：搭建 MCP Client

项目结构

java-ai-mcp-client/ ├── pom.xml └── src/main/ ├── java/com/why/ │ ├── McpClientApplication.java │ └── controller/ChatClientController.java └── resources/ └── application.properties

Maven 依赖

<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-model-minimax</artifactId></dependency>

配置 application.properties

server.port=9001 # MiniMax 配置 spring.ai.minimax.base-url=api.minimax.chat spring.ai.minimax.api-key=你的API Key spring.ai.minimax.chat.options.model=minimax-m2.7 # MCP Client 配置 spring.ai.mcp.client.enabled=true spring.ai.mcp.client.name=java-ai-mcp-client spring.ai.mcp.client.version=1.0.0 spring.ai.mcp.client.type=sync spring.ai.mcp.client.sse.connections.java-ai-mcp-server.url=http://localhost:9000/mcp-server

关键点：Client 的sse.connections.xxx.url必须与 Server 的spring.ai.mcp.server.name对应上。

使用 MCP 工具

通过SyncMcpToolCallbackProvider注入所有 MCP 工具：

@Slf4j@RestController@RequestMapping("minimax")publicclassChatClientController{@ResourceprivateMiniMaxChatModelminiMaxChatModel;@ResourceprivateSyncMcpToolCallbackProvidermcpToolCallbackProvider;@GetMapping(value="/stream/event",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>streamEvent(@RequestParam("question")Stringquestion){ChatClientchatClient=ChatClient.builder(miniMaxChatModel).build();// 获取所有 MCP 工具vartoolCallbacks=mcpToolCallbackProvider.getToolCallbacks();returnchatClient.prompt(question).toolCallbacks(toolCallbacks).stream().content();}}

踩坑记录

1. 协议必须匹配

Server 和 Client 的传输协议必须一致：

混用会导致400 Bad Request或404 Not Found。

2. 工具方法必须被 Spring 扫描到

@Tool注解的方法所在的类必须加@Service或其他 Spring 注解，Bean 名称要对应上。

3. Client 端工具回调要用 Provider

不要自己 newSyncMcpToolCallback，通过SyncMcpToolCallbackProvider.getToolCallbacks()获取已注册的工具，这是最稳定的方式。

总结

通过 Spring AI MCP，我们可以轻松地将 Java 业务接口暴露给 AI 模型调用。整个过程只需：

1. 在方法上加@Tool注解
2. 配置好 Server 和 Client 的连接
3. 通过SyncMcpToolCallbackProvider将工具注入 ChatClient

这比手写 Tool Call 逻辑要简单得多，而且支持多种传输协议（SSE、Streamable-HTTP、STDIO），适合各种生产环境。

从这次对接中也能看出，MCP 协议的核心优势在于它的语言无关性—— 不管是 Go、Python 还是 Java，只要实现了 MCP 协议，就能接入 MCP 市场，供大模型调用。这对于企业级的 AI 能力复用来说，是一个很好的基础设施。