AI06——MCP 协议
MCP（Model Context Protocol，模型上下文协议）是一种开放标准，目的是增强 AI 与外部系统的交互能力。MCP 为 AI 提供了与外部工具交互的标准化方式，让 AI 能够访问最新数据、执行复杂操作，并与现有系统集成。MCP 是一种开放协议，它标准化了应用程序如何向大模型提供上下文的方式。可以将 MCP 想象成 AI 应用的 USB 接口，提供了标准化方式一样（类似于转接器），
MCP（Model Context Protocol，模型上下文协议）是一种开放标准，目的是增强 AI 与外部系统的交互能力。MCP 为 AI 提供了与外部工具交互的标准化方式，让 AI 能够访问最新数据、执行复杂操作，并与现有系统集成。
MCP 是一种开放协议，它标准化了应用程序如何向大模型提供上下文的方式。可以将 MCP 想象成 AI 应用的 USB 接口，提供了标准化方式一样（类似于转接器），MCP 为 AI 模型连接不同的数据源和工具提供了标准化的方法。
MCP 它是个 协议 或者 标准，它本身并不提供什么服务，只是定义好了一套规范，让服务提供者和服务使用者去遵守。就像 HTTP 协议一样，现在前端向后端发送请求基本都是用 HTTP 协议，什么 get / post 请求类别、什么 401、404 状态码，这些标准能降低开发者的理解成本
MCP 调用的本质就是类似工具调用，并不是让 AI 服务器主动去调用 MCP 服务，而是告诉 AI “MCP 服务提供了哪些工具”，如果 AI 想要使用这些工具完成任务，就会告诉我们的后端程序，后端程序在执行工具后将结果返回给 AI，最后由 AI 总结并回复
对于同一种工具，例如查询地图，每个人开发的质量和效果会有差别。而如果官方把查询地图的能力直接做成一个服务，谁要用谁接入，就省去了开发成本、并且效果一致
MCP 核心概念
-
Resources 资源：让服务端向客户端提供各种数据，，客户端可以决定什么时候使用这些资源。使 AI 能够访问最新信息和外部知识，为模型提供更丰富的上下文。
-
Prompts 提示词：服务端可以定义可复用的提示词模板和工作流，供客户端和用户直接使用。它的作用是标准化常见的 AI 交互模式，从而简化用户与 LLM 的交互过程。
-
Tools 工具：MCP 中最实用的特性，服务端可以提供给客户端可调用的函数，使 AI 模型能够执行计算、查询信息或者和外部系统交互，极大扩展了 AI 的能力范围。
-
Sampling 采样：允许服务端通过客户端向大模型发送生成内容的请求（反向请求）。使 MCP 服务能够实现复杂的智能代理行为，同时保持用户对整个过程的控制和数据隐私保护。
-
Roots 根目录：MCP 协议的安全机制，定义了服务器可以访问的文件系统位置，限制访问范围，为 MCP 服务提供安全边界，防止恶意文件访问。
-
Transports 传输：定义客户端和服务器间的通信方式，包括 Stdio（本地进程间通信）和 SSE（网络实时通信），确保不同环境下的可靠信息交换。
Tools 工具是MCP中的重点，我们优先关注该内容
MCP的开发建议
1.MCP其本质就是工具调用，只不过统一了标准、更容易共享而已。如果我们开发一些不需要共享的工具，没必要用 MCP，可以节约开发和部署成本。MCP 能不用就不用，先开发工具调用，之后需要提供 MCP 服务时再将工具调用转换成 MCP 服务即可。Spring AI 提供了一系列 辅助 MCP 开发的工具类，用于 MCP 和 ToolCallback 之间的互相转换。
2.Stdio 模式，无需网络传输，安全性和性能都更高，更适合小型项目。SSE 模式适合作为独立服务部署，可以被多客户端共享调用，更适合模块化的中大型项目团队。
3.MCP 服务端要防止单次执行时间过长，可以采用异步模式来处理耗时操作，或者设置超时时间。客户端也要合理设置超时时间，防止因为 MCP 调用时间过长而导致 AI 应用阻塞。
MCP 架构
宏观架构——客户端 - 服务器 架构
MCP 的核心是 “客户端 - 服务器” 架构
SDK 3 层架构
-
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，比如 Stdio 标准 IO 流传输和 HTTP SSE 远程传输。
客户端和服务端需要先经过下面的流程建立连接，之后才能正常交换消息：
MCP 客户端和服务端
MCP 客户端——MCP Client ，主要负责和 MCP 服务器建立连接并进行通信。
MCP 服务端——MCP Server ，主要用来为客户端提供各种工具、资源和功能支持。
它们提供了多种数据传输方式，包括：
Stdio 标准输入 / 输出：适用于本地调用
SSE 传输：适用于远程调用
使用 MCP
1，云平台使用 MCP
2，软件客户端使用 MCP
3，程序中使用 MCP
无论是哪种使用方式，原理都是类似的，而且有 2 种可选的使用模式：本地下载 MCP 服务端代码并运行（类似引入了一个 SDK），或者 直接使用已部署的 MCP 服务（类似调用了别人的 API）。
MCP 服务大全
目前已经有很多 MCP 服务市场，开发者可以在这些平台上找到各种现成的 MCP 服务：
-
MCP.so：较为主流，提供丰富的 MCP 服务目录
-
GitHub Awesome MCP Servers：开源 MCP 服务集合
其中，绝大多数 MCP 服务市场仅提供本地下载 MCP 服务端代码并运行的使用方式，毕竟部署 MCP 服务也是需要成本的。
程序中使用 MCP——Spring AI MCP 开发模式
MCP 客户端开发
客户端开发主要基于 Spring AI MCP Client Boot Starter
引入依赖
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId> </dependency>
配置连接
引入依赖后，需要配置与服务器的连接，Spring AI 支持两种配置方式：
1）直接写入配置文件，这种方式同时支持 stdio 和 SSE 连接方式。
#基础配置 spring: ai: mcp: client: enabled: true # 是否启用MCP客户端，true表示启用，false表示禁用 #SSE远程连接配置 sse: connections: server1: url: http://localhost:8080 ## SSE服务端的地址，客户端将通过此地址建立连接 #本地连接配置 stdio: connections:# # 可配置多个stdio连接（此处配置了名为server1的连接） server1: command: /path/to/server # 启动本地服务进程的命令路径 args: # 启动命令的参数列表 - --port=8080 env: # 进程的环境变量配置 API_KEY: your-api-key
更多配置属性可参考 官方文档。
2）引用 Claude Desktop 格式 的 JSON 文件，目前仅支持 stdio 连接方式。
spring: ai: mcp: client: stdio: servers-configuration: classpath:mcp-servers.json
在 resources 目录下新建 mcp-servers.json 配置，定义需要用到的 MCP 服务：(这些配置在对应的MCP服务的平台上都可以找到，不同的MCP服务对应的配置也不同)
MCP 服务的配置（尤其是 command 和 args）没有统一的标准格式。因此：使用第三方 MCP 服务必须参考该服务的官方文档或示例，按照其要求配置启动命令。
例如：高德地图的MCP格式如下
{
"mcpServers": {
"amap-maps": {
"command": "npx.cmd，",
"args": [
"-y",
"@amap/amap-maps-mcp-server"
],
"env": {
"AMAP_MAPS_API_KEY": "改成你的 API Key"
}
}
}
}
💡在 Windows 环境下，命令配置需要添加 .cmd 后缀（如 npx.cmd），否则会报找不到命令的错误。
如果是自己用代码编写的 MCP 服务，启动命令取决于你选择的开发语言：Java 开发的 MCP 服务（最常见，如基于 Spring Boot）： 启动命令一定是 java，参数包含 -jar 和编译后的 JAR 包路径，例如：
{
"command": "java",
"args": ["-jar", "你的服务.jar", "其他参数"]
}
例如：
{
"mcpServers": {
"yu-image-search-mcp-server": {
"command": "java",
"args": [
"-Dspring.ai.mcp.server.stdio=true",
"-Dspring.main.web-application-type=none",
"-Dlogging.pattern.console=",
"-jar",
"yu-image-search-mcp-server/target/yu-image-search-mcp-server-0.0.1-SNAPSHOT.jar"
],
"env": {}
}
}
}
MCP 服务端开发
服务端开发主要基于 Spring AI MCP Server Boot Starter，能够自动配置 MCP 服务端组件，使开发者能够轻松创建 MCP 服务，向 AI 客户端提供工具、资源和提示词模板，从而扩展 AI 模型的能力范围。
引入依赖
Spring AI 提供了 3 种 MCP 服务端 SDK，可以根据需要选择对应的依赖包：
-
spring-ai-starter-mcp-server：提供 stdio 传输支持，不需要额外的 web 依赖 -
spring-ai-starter-mcp-server-webmvc：提供基于 Spring MVC 的 SSE 传输和可选的 stdio 传输（一般建议引入这个） -
spring-ai-starter-mcp-server-webflux：提供基于 Spring WebFlux 的响应式 SSE 传输和可选的 stdio 传输
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId> <version>1.0.0-M6</version> </dependency>
引入这个依赖后，会自动注册 SSE 端点，供客户端调用。包括消息和 SSE 传输端点：
配置服务
如果要开发 SSE 服务，配置如下
spring: ai: mcp: server: name: yu-image-search-mcp-server # 服务名称（唯一标识） version: 0.0.1 type: SYNC # 通信模式：同步 stdio: false # 关闭 stdio 传输模式（核心开关），启用 SSE 模式（基于 HTTP 的服务端推送）
开发 stdio 服务，配置如下：
spring: ai: mcp: server: name: yu-image-search-mcp-server # 服务名称（唯一标识） version: 0.0.1 # 服务版本 type: SYNC # 同步通信模式 stdio: true # 开启 stdio 传输（核心开关） main: web-application-type: none # 关闭 Web 服务（无需监听 HTTP 端口） banner-mode: off # 关闭启动日志横幅（简化输出）
开发服务
无论采用哪种传输方式，开发 MCP 服务的过程都是类似的，跟开发工具调用一样，直接使用 @Tool 注解标记服务类中的方法。
@Service//标记该层为业务处理逻辑层，生成的对象会被放入 Spring 的 IoC 容器中管理
public class WeatherService {
@Tool(description = "获取指定城市的天气信息")
public String getWeather(
@ToolParameter(description = "城市名称，如北京、上海") String cityName) {
// 实现天气查询逻辑
return "城市" + cityName + "的天气是晴天，温度22°C";
}
}
然后在 Spring Boot 项目的主类中——定义 ToolCallbackProvider Bean 来注册工具：
@SpringBootApplication
public class McpServerApplication {
public static void main(String[] args) {
SpringApplication.run(YuImageSearchMcpServerApplication.class, args);
}
//然后在 Spring Boot 项目启动时注册一个ToolCallbackProvider的 Bean 容器
@Bean
public ToolCallbackProvider imageSearchTools(WeatherService WeatherService) {
return MethodToolCallbackProvider.builder()
.toolObjects(WeatherService)//传入要注册的工具，最好每个不同类型的工具单独开一个mcp服务，保证每个工具的职责单一
.build();
}
}
使用开发的MCP
在代码中，新增一个利用 MCP 完成对话的方法。通过注入的 ToolCallbackProvider 获取到配置中定义的 MCP 服务提供的 所有工具，并提供给 ChatClient。
@Resource
private ToolCallbackProvider toolCallbackProvider; //`ToolCallbackProvider` 是 Spring AI 中用于管理工具调用的接口
public String doChatWithMcp(String message, String chatId) {
ChatResponse response = chatClient
.prompt()
.user(message)
.tools(toolCallbackProvider)
.call()
.chatResponse();
String content = response.getResult().getOutput().getText();
return content;
}
MCP 部署方案
本地部署
适用于 stdio 传输方式。跟我们开发 MCP 的流程一致，只需要把 MCP Server 的代码打包（比如 jar 包），然后上传到 MCP Client 可访问到的路径下，通过编写对应的 MCP 配置即可启动。
缺点：每个 MCP 服务都要单独部署（放到服务器上），如果 MCP 服务多了，会让人很崩溃。
远程部署
适用于 SSE 传输方式。
//TODD，这个一块还没有研究过，以后了解了再给大家补充/(ㄒoㄒ)/
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
25
0- 0
已为社区贡献11条内容
所有评论(0)