王炸！SpringBoot+MCP 让你的系统秒变AI小助手

2025年5月13日
| 没有评论

王炸！SpringBoot+MCP 让你的系统秒变AI小助手

感觉本篇对你有帮助可以关注一下我的微信公众号（深入浅出谈java），会不定期更新知识和面试资料、技巧！！！

一、MCP 是什么？

MCP（Model Context Protocol） 官网：Introduction – Model Context Protocol

解释：Model Context Protocol（MCP）是由 Anthropic 推出的开放协议，旨在标准化大型语言模型（LLM）与外部数据源、工具的交互方式。它类似于“AI 领域的 USB-C 接口”，通过统一的通信规范（如 JSON-RPC 2.0）实现跨模型、跨工具的兼容性。

白话解释：MCP就像 AI 和工具之间的“翻译官”，它制定了一套标准对话规则，让不同 AI 模型（比如 ChatGPT、Claude）都能用同样的方式和你的系统“聊天”。比如以前每个 AI 都要学不同的方言才能操作你的数据库，现在它们只要会说 MCP 这个“普通话”就行！

举个栗子：。
你做了一个文件管理系统，用 MCP 改造后，不管是 ChatGPT 还是 Claude，都能用同一套指令帮你查文件、删文件，不用为每个 AI 单独开发接口。

二、MCP 的核心原理（一张图看懂）

解释：MCP 采用客户端-服务器（C/S）架构，包含以下组件：

  1. MCP Host：集成 AI 模型的应用（如 IDE、聊天界面），负责发起请求。

  2. MCP Client：协议客户端，管理 Host 与 Server 的通信（如发送请求、解析响应）。

  3. MCP Server：轻量级程序，提供特定功能（如文件读写、数据库查询）。

  4. 数据源/工具：本地文件、数据库、第三方 API 等

核心三兄弟：

  1. MCP Client（传话筒）：负责把 AI 的请求转发给工具，类似快递小哥。
  2. MCP Server（工具管家）：管理你提供的工具（比如查数据库、读文件）。
  3. 工具：你现有的功能（比如 SpringBoot 里的订单查询接口）。

白话解释:

想象 MCP 是个“中间人”，负责协调 AI 和你的系统工具(可以理解为接口之类)之间的对话：

用户问AI：“帮我查昨天的订单”  
   ↓  
AI 把问题翻译成 MCP 格式：“调用订单查询工具，时间=昨天”  
   ↓  
MCP 中间人找到对应的工具执行  
   ↓  
工具返回数据，MCP 翻译成自然语言给用户 


---------------------------------------------------------------

用户说话
   │
   ↓
AI 翻译成 MCP 格式
   │
   ↓
SpringBoot 收到请求
   │
   ↓
执行对应的Service方法（比如查订单）
   │
   ↓
返回结果给AI → AI 翻译成人话给用户

三、MCP 能干啥？

  1. 让AI操作你的系统
    • 比如用户对AI说：“把订单123退货”，AI自动调用你的退款接口。
  2. 无缝切换AI模型
    • 今天用 ChatGPT，明天换 Claude，系统接口不用改！
  3. 动态扩展功能
    • 新增一个工具（比如短信发送），所有支持的 AI 都能立刻用上。

实际场景：

  • 客服机器人自动查订单、退换货
  • AI 助手自动写周报（读取你的会议记录和邮件）
  • 智能 IDE 自动调接口生成代码

四、传统方式与MCP 服务 对比图：

传统接口开发流程：
用户请求→ 前端 → 路由分发 → 控制器 → 服务层 → 数据库操作 → 返回DTO-》前端

MCP服务开发流程：
用户自然语言 → MCP协议转换 → 工具路由 → 领域服务 → 数据库操作 → 自然语言生成

流程步骤说明：

  1. 用户请求阶段

    • 用户向MCP Client发送自然语言指令：”帮我查昨天的订单”
    • MCP Client作用：用户交互终端，负责自然语言处理

  2. 指令翻译阶段

    • AI将指令转换为MCP标准格式：

      {
  "action": "order_query",
  "params": {"time": "yesterday"}
}

    • 协议转换发生在MCP Client内部

  3. 请求路由阶段

    • MCP Client通过HTTPS将结构化数据发送至MCP Server
    • MCP Server作用：中央调度器，验证请求并匹配服务端点

  4. 服务执行阶段

    • MCP Server识别需调用”订单查询工具”，通过RPC调用MCP Host
    • ️ MCP Host作用：微服务执行环境，承载具体业务逻辑实现

  5. 数据处理阶段

    • 订单工具在MCP Host执行SQL查询：

      SELECT * FROM orders 
WHERE order_date = CURRENT_DATE - 1;

    • 查询结果经数据清洗后返回JSON格式

  6. 响应返回阶段

    • MCP Server接收Host返回的原始数据
    • MCP Client将结构化数据转换为自然语言：
      “您昨天共有5笔订单，总金额2380元，最新订单是XX商品…”

五、改造 SpringBoot 项目的步骤（保姆级教程）

核心步骤：

  • 添加MCP 的依赖包
  • 修改配置文件
  • 改造现有接口
  • 注册到MCP服务器

1、添加依赖

由于目前这些依赖还是预览版本，所以在Maven中央仓库中是找不到的，需要我们额外引入仓库地址。

  <!-- Spring AI 核心依赖 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-core</artifactId>
            <version>1.0.0-SNAPSHOT</version>
        </dependency>

        <!-- Anthropic 模型支持 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-anthropic-spring-boot-starter</artifactId>
            <version>1.0.0-SNAPSHOT</version>
        </dependency>

        <!-- MCP 服务器支持 - WebMVC版本 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
            <version>1.0.0-SNAPSHOT</version>
        </dependency>

其他仓库配置信息

<repositories>
    <repository>
        <id>spring-milestones</id>
        <name>Spring Milestones</name>
        <url>https://repo.spring.io/milestone</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
    <repository>
        <id>spring-snapshots</id>
        <name>Spring Snapshots</name>
        <url>https://repo.spring.io/snapshot</url>
        <releases>
            <enabled>false</enabled>
        </releases>
    </repository>
    <repository>
        <name>Central Portal Snapshots</name>
        <id>central-portal-snapshots</id>
        <url>https://central.sonatype.com/repository/maven-snapshots/</url>
        <releases>
            <enabled>false</enabled>
        </releases>
        <snapshots>
            <enabled>true</enabled>
        </snapshots>
    </repository>
</repositories>

2、项目配置

我们的目的是将一个Spring服务改造成MCP服务，所以这里不需要进行客户端的配置，同理，在引入依赖的时候也不用引入客户端的依赖。

Anthropic 旗下强大的 Claude 大语言模型 key 需要在官网申请 官网地址：https://console.anthropic.com

# Spring AI api-key
spring.ai.anthropic.api-key=这里换成你的api-key

# MCP服务端开启
spring.ai.mcp.server.enabled=true

# MCP服务端配置
spring.ai.mcp.server.name=book-management-server
spring.ai.mcp.server.version=1.0.0
spring.ai.mcp.server.type=SYNC
spring.ai.mcp.server.sse-message-endpoint=/mcp/message

3、改造原服务方法

改造方法有两种：

  1. 工具配置
  2. 函数Bean

方法一：工具配置

工具配置方式在需要改造的实现类对需要改造的方法加上@Tool和@ToolParam注解分别标记方法和参数

@Service
@RequiredArgsConstructor
publicclass BookServiceImpl  implements BookService {

@Resource
private BookRepository bookRepository;


@Override
@Tool(name = "findBooksByTitle", description = "根据书名模糊查询图书，支持部分标题匹配")
public List<Book> findBooksByTitle(@ToolParam(description = "书名关键词") String title) {
    return bookRepository.findByTitleContaining(title);
  }

@Override
@Tool(name = "findBooksByAuthor", description = "根据作者精确查询图书")
public List<Book> findBooksByAuthor(@ToolParam(description = "作者姓名") String author) {
    return bookRepository.findByAuthor(author);
  }

@Override
@Tool(name = "findBooksByCategory", description = "根据图书分类精确查询图书")
public List<Book> findBooksByCategory(@ToolParam(description = "图书分类")String category) {
    return bookRepository.findByCategory(category);
  }
}

接着将这个 BookServiceImpl 实现类注册到MCP服务器配置上即可。

/**
 * MCP服务器配置类，负责注册MCP工具
 */
@Configuration
publicclass McpServerConfig {

/**
   * 注册工具回调提供者，将BookQueryService中的@Tool方法暴露为MCP工具
   *
   * @param bookService 图书服务
   * @return 工具回调提供者
   */
@Bean
public ToolCallbackProvider bookToolCallbackProvider(BookService bookService) {
    return MethodToolCallbackProvider.builder()
            .toolObjects(bookService)
            .build();
  }

}

在聊天客户端配置引入注册工具

/**
 * 聊天客户端配置类
 */
@Configuration
publicclass ChatClientConfig {


@Autowired
private ToolCallbackProvider toolCallbackProvider;

/**
   * 配置ChatClient，注册系统指令和工具函数
   */
@Bean
public ChatClient chatClient(ChatClient.Builder builder) {
    return builder
            .defaultSystem("你是一个图书管理助手，可以帮助用户查询图书信息。" +
                    "你可以根据书名模糊查询、根据作者查询和根据分类查询图书。" +
                    "回复时，请使用简洁友好的语言，并将图书信息整理为易读的格式。")
            // 注册工具方法
            .defaultTools(toolCallbackProvider)
            .build();
  }
}

方法二：函数Bean

单独声明一个类将查询方法作为函数Bean导出

/**
 * 图书查询服务，将查询方法作为函数Bean导出
 */
@Service
publicclass BookQueryService {

@Resource
private BookService bookService;

/**
   * 根据书名查询图书的函数Bean
   */
@Bean
public Function<String, List<Book>> findBooksByTitle() {
    return title -> bookService.findBooksByTitle(title);
  }

/**
   * 根据作者查询图书的函数Bean
   */
@Bean
public Function<String, List<Book>> findBooksByAuthor() {
    return author -> bookService.findBooksByAuthor(author);
  }

/**
   * 根据分类查询图书的函数Bean
   */
@Bean
public Function<String, List<Book>> findBooksByCategory() {
    return category -> bookService.findBooksByCategory(category);
  }

}

这种方式在定义AI聊天客户端的时候需要显式地声明。

/**
 * 聊天客户端配置类
 */
@Configuration
publicclass ChatClientConfig {

/**
   * 配置ChatClient，注册系统指令和工具函数
   */
@Bean
public ChatClient chatClient(ChatClient.Builder builder) {
    return builder
            .defaultSystem("你是一个图书管理助手，可以帮助用户查询图书信息。" +
                    "你可以根据书名模糊查询、根据作者查询和根据分类查询图书。" +
                    "回复时，请使用简洁友好的语言，并将图书信息整理为易读的格式。")
            // 注册工具方法，这里使用方法名称来引用Spring上下文中的函数Bean
            .defaultTools(
                    "findBooksByTitle",
                    "findBooksByAuthor",
                    "findBooksByCategory"
            )
            .build();
  }
}

4、接口测试

服务开发后，声明一个控制器对外暴露进行调用。

@Resource
private ChatClient chatClient;


/**
   * 处理聊天请求，使用AI和MCP工具进行响应
   *
   * @param request 聊天请求
   * @return 包含AI回复的响应
   */
@PostMapping
public ResponseEntity<ChatResponse> chat(@RequestBody ChatRequest request) {
    try {
      // 创建用户消息
      String userMessage = request.getMessage();

      // 使用流式API调用聊天
      String content = chatClient.prompt()
              .user(userMessage)
              .call()
              .content();

      return ResponseEntity.ok(new ChatResponse(content));
    } catch (Exception e) {
      e.printStackTrace();
      return ResponseEntity.ok(new ChatResponse("处理请求时出错: " + e.getMessage()));
    }
  }

}

5、测试

通过测试工具进行接口请求

注意事项

  1. 权限控制：别让AI随便删数据！可以用 Spring Security 限制敏感操作。
  2. 错误处理：AI 不懂“系统异常”，记得把错误信息转成人话（比如“系统忙，稍后再试”）。
  3. 提示词优化：在 @Tool 的 description 里写清楚功能，AI 才知道什么时候该调用它。

总结

改造 MCP 就像给你的 SpringBoot 项目装了个“AI万能插座”：

  • 省时：一次开发，所有 AI 都能用
  • 灵活：加新功能只需暴露接口，不用改 AI 端
  • 智能：让用户用自然语言操作你的系统

赶紧试试，让你的项目秒变 AI 神器吧！

最后文章有啥不对，欢迎大佬在评论区指点！！！
如果感觉对你有帮助就点赞推荐或者关注一下吧！！！

flask, python, tornado, 人工智能AI