历史文章

Spring AI：对接DeepSeek实战
Spring AI：对接官方 DeepSeek-R1 模型 —— 实现推理效果
Spring AI：ChatClient实现对话效果
Spring AI：使用 Advisor 组件 - 打印请求大模型出入参日志
Spring AI：ChatMemory 实现聊天记忆功能
Spring AI：本地安装 Ollama 并运行 Qwen3 模型
Spring AI：提示词工程
Spring AI：提示词工程 - Prompt 角色分类（系统角色与用户角色）
Spring AI：基于 “助手角色” 消息实现聊天记忆功能
Spring AI：结构化输出 - 大模型响应内容
Spring AI：Docker 安装 Cassandra 5.x（限制内存占用）&& CQL
Spring AI：整合 Cassandra - 实现聊天消息持久化
Spring AI：多模态 AI 大模型
Spring AI：文生图：调用通义万相 AI 大模型
Spring AI：文生音频 - cosyvoice-V2
Spring AI：文生视频 - wanx2.1-i2v-plus
Spring AI：上手体验工具调用（Tool Calling）

MCP 介绍

在上篇文章 中，我们已经了解什么是 Function Call, 并在 Spring AI 项目中实践了一波，让 AI 大模型能够实时获取当前日期，以及天气情况。本小节中，我们再来了解一下更高级的 MCP 功能。

什么是 MCP?

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 公司于 2024 年提出的开放标准协议，旨在解决大语言模型（LLM）与外部工具和数据源的高效、安全交互问题。它通过标准化接口，让AI模型能像使用 “USB接口” 一样，连接各类外部资源，如数据库、第三方 API、文件系统等等，从而突破静态训练数据的限制，实现动态任务执行。

其优势如下：

• 生态互操作性 ：任何支持 MCP 的大模型，均可接入现有工具生态圈，官方和社区现已提供超 1100 个 MCP 服务，覆盖 GitHub、Slack、AWS 等平台，避免 “重复造轮子”;

• 动态上下文管理: 支持多轮对话状态保持。例如当用户要求 “分析上周销售数据并对比去年同期” 时，MCP 能自动关联历史查询上下文，无需重复说明时间范围;

• 企业级安全设计: 通过会话加密和权限分级（如限制人事部门访问其他部门的数据），解决敏感数据暴露的风险;

• 降低开发成本: 开发者只需开发一次 MCP 服务，即可让所有兼容模型调用, 无需多次开发

应用场景

下面列举一些 MCP 的应用场景：

MCP 架构

MCP 采用经典的 “客户端-服务端” 架构，如下图所示：

• Host 主机：通常为 AI 应用，比如 Cursor，Trae 等代码编辑器或其他应用。主机负责接收用户的问题与指令，再调用 AI 大模型，当大模型觉得需要调用外部工具时，Host 主机会主动调用 MCP 客户端。
• MCP 客户端：客户端通常内置于主机中，负责与 MCP 服务端建立连接、发送请求和接收请求。我们可以把 MCP 客户端理解为公司 “前台小姐姐”，为外来人员提供服务，有啥事都可以咨询她，由她将任务转交给不同部门去处理。
• MCP 服务端：MCP 服务器可以看做是一个 “工具箱” 或 “数据源”，供 MCP 客户端来调用，例如访问文件系统、数据库查询、操作浏览器等等。MCP 服务器负责执行具体的操作，如调用工具或访问数据，再将结果返回给 MCP 客户端。

通过上图，Host 主机通过 MCP 客户端，可以分别同多个 MCP 服务端进行通信，每次连接都使用统一的 MCP 协议，由于统一了标准协议，当我们想让 AI 大模型接入一种新的 “工具”，只需再启动一个对应的 MCP 服务器并连接该 “工具” 提供的接口即可，非常方便，主机本身不需要做大的改动。另外，多个 MCP 服务器可以同时运行，当大模型觉得自己无法完成某项任务时，就可以让这些 MCP 服务器来协助。

举个栗子，我们向主机提问 “我的 E:/ 盘下，有哪些文件？”，比如 Cursor 编辑器，整体的处理流程大致如下：

1、我们向 Cursor 提问；
2、Cursor 调用大模型来分析我们的问题，由大模型决定是否需要访问本地文件系统；
3、若需要，主机内置的 MCP 客户端被激活，与本地文件系统的 MCP 服务器建立连接；
4、MCP 客户端向 MCP 服务端发送请求，想要获取 E:/ 盘下的文件列表；
5、本地文件系统 MCP 服务器执行访问操作，获取文件列表，并将结果返回给 MCP 客户端；
6、MCP 客户端再将结果发送给 AI 大模型；
7、AI 大模型再以自然语言的方式，告诉我们最终结果；

和 Fucntion Call 的区别

你可能疑问，MCP 和 Function Call 有啥区别呢？它两属于不同的技术手段，区别大致如下：

• 定义上：MCP 是一种标准化协议，为 AI 大模型与外部系统之间的交互，提供了规范化的接口，有点类似于 “USB 接口” ，能够连接不同的外接设备，如键盘、鼠标、音箱等等。它能让不同的系统之间能够高效的数据传输与工具调用；而 Function Call 是大语言模型本身提供的一种能力，通过预定义函数，当用户提问后，AI 大模型理解用户的提示词，并判断是否需要调用这些预定义的函数。
• 技术实现上：MCP 采用了 “客户端-服务端” 架构，标准化处理 MCP 客户端与 MCP 服务端之间的通信，包括请求、响应等等。此架构能够更好的应用复杂的网络环境，和多元化的场景需求；而 Function Call 实现相对简单，它在大模型运行时环境直接执行，但需要开发者提前将函数定义好，并提交给 AI 大模型。
• 功能与应用场景：MCP 能够处理复杂、异步的任务，例如，你可以将公司内部的系统，封装成 MCP 服务提供调用；而 Function Call 则更适合处理简单、低延迟的任务，例如获取天气数据、实时翻译等。
• 整合方式：MCP 服务一般由第三方提供好，我们只需要对接即可，无需额外编写代码；而 Function Call 则需要自己编写预定义函数，并提交给 AI 大模型。

整合 MCP Client: 调用高德地图 MCP 服务

尝试在 Spring AI 项目中整合 MCP Client 客户端，并调用高德地图官方提供的 MCP Server 服务，实现一些小案例 —— 比如让 AI 大模型推荐最近 1000m 内，好评率较高的烧烤店。

MCP.so 介绍

MCP.so（官网：https://mcp.so/zh ）是全球领先的MCP（Model Context Protocol，模型上下文协议）服务器资源平台，专注于提供 MCP 服务的导航、托管与调试功能。其核心定位是成为连接 AI 模型与外部工具/数据源的标准化枢纽，推动AI应用开发的效率与可扩展性，目前已收录 1万+ 的 MCP 服务。

进入 MCP.so 官网后，在 Featrued 精选菜单下，可以找到高德地图官方提供的 MCP Server，它包含的工具包括：

1、生成专属地图：将出行规划导入高德地图，生成专属地图；
2、导航到目的地：根据用户传入经纬度，启动导航；
3、打车：根据用户输入起终经纬度坐标，发起打车请求；
4、地理编码：将详细的结构化地址转换为经纬度坐标；
5、逆地理编码：将一个高德经纬度坐标转换为行政区划地址信息；
6、IP 定位：IP 定位根据用户输入的 IP 地址，定位 IP 的所在位置；
7、天气查询：根据城市名称或者标准adcode查询指定城市的天气；
8、骑行路径规划：用于规划骑行通勤方案，规划时会考虑天桥、单行线、封路等情况。最大支持 500km 的骑行路线规划；
9、周边搜索：根据用户传入关键词以及坐标，搜索出规定半径范围内的 POI 地点；

TIP: 关于高德地图 MCP Server 更多功能，可阅读官方文档：https://lbs.amap.com/api/mcp-server/summary 。

申请 API Key

在使用高德 MCP 服务之前，需要登录到高德开发平台：https://lbs.amap.com/ ，注册一个用户，完成认证后登录到后台：

如上图所示，操作如下：

①：创建新应用；
②：填写应用名称，如 “小马智能”；
③：选择应用类型，这里选择 “工具”，然后点击新建

应用新建成功后，操作如下：

①：添加 Key;
②：填写 Key 名称，如 “小马智能”；
③：勾选服务平台，这里选择 “Web服务”；
④：勾选 “阅读并同意协议” 后，点击提交；
⑤：复制 Key 值，等会需要用到；

添加依赖

接着，编辑 pom.xml 文件，添加 MCP Client 客户端依赖：

<!-- MCP Client -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-client-webflux</artifactId>
</dependency>

添加配置

在 MCP.so 网站中，点击进入高德地图 MCP 服务的详情页中，如下图所示, 复制右边的配置：

在 /resources 目录下，新建一个 mcp-servers-config.json 配置文件，文件名可以随意命名：

将刚刚复制的配置项添加进去。因为咱们是 Windows 系统，无法直接使用 npx 命令，所以配置项需要稍作修改，如下：

{
  "mcpServers": {
    "amap-maps": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "填写你申请的高德地图 API Key"
      }
    }
  }
}

解释一下：

• 根对象 mcpServers: 定义一组 MCP 服务器配置;
• 服务标识 amap-maps: 服务名称，表示这是针对 高德地图（AMap） 的配置。
  • • command: 指定要运行的基本命令。这里使用的是 cmd（Windows 命令提示符）。
  • • args: 是一个数组，包含传递给命令的参数。在这个例子中：
    • • • /c 表示执行后面的命令然后终止。
    • • • npx 是 Node.js 的一个工具，用于执行 npm 包中的命令。注意，需要确保你的电脑已安装好 Node.js。
    • • • -y 是 npx 的一个选项，表示如果遇到提示（比如是否安装包）都自动回答 yes。
    • • • @amap/amap-maps-mcp-server是要通过 npx 运行的包，即高德地图的 MCP 服务包。
• env: 是一个环境变量对象，用于设置运行时的环境变量。
  • • AMAP_MAPS_API_KEY: 需要填写用户申请的高德地图API Key。

然后，编辑 application.yml 配置文件，添加配置项如下：

spring:
  // 省略...
  ai:
    // 省略...
    mcp:
      client:
        stdio:
          servers-configuration: classpath:/mcp-servers-config.json # 指定 MCP 服务的配置文件路径
        toolcallback:
          enabled: true # 开启 MCP 客户端的工具回调（Tool Callback）功能

配置 ChatClient

编辑 ChatClientConfig 配置类，将 MCP 工具配置上

@Configuration
public class ChatClientConfig {

    @Resource
    private ChatMemory chatMemory;

    /**
     * 初始化 ChatClient 客户端
     * @param chatModel
     * @return
     */
    @Bean
    public ChatClient chatClient(DeepSeekChatModel chatModel, ToolCallbackProvider tools) {
        return ChatClient.builder(chatModel)
                .defaultToolCallbacks(tools) // MCP
//                .defaultSystem("请你扮演一个智能客服")
                .defaultAdvisors(new SimpleLoggerAdvisor(), // 添加 Spring AI 内置的日志记录功能
//                                 new MyLoggerAdvisor(), // 添加自定义的日志打印 Advisor
                                MessageChatMemoryAdvisor.builder(chatMemory).build()
                        )
                .build();
    }
}
	

新增 Controller 控制器

然后，为了方便等会测试，我们在 /controller 包下，新建一个 McpChatClientController 控制器，声明接口 /mcp/ai/generateStream , 代码如下：

@RestController
@RequestMapping("/mcp/ai")
public class McpChatClientController {

    @Resource
    private ChatClient chatClient;

    /**
     * 流式对话
     * @param message
     * @return
     */
    @GetMapping(value = "/generateStream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<AIResponse> generateStream(@RequestParam(value = "message") String message,
                                           @RequestParam(value = "chatId") String chatId) {

        // 流式输出
        return chatClient.prompt()
                .user(message) // 提示词
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, chatId))
                .stream()
                .chatResponse()
                .mapNotNull(chatResponse -> {
                        Generation generation = chatResponse.getResult();
                        String text = generation.getOutput().getText();
                        return AIResponse.builder().v(text).build();
                });

    }

}

测试

重启后端项目，观察控制台日志：

若包含提示信息 Amap Maps MCP Server running on stdio， 则表示 MCP 服务对接成功了。

我们可以测试下如下场景：

xxxxx 这个 IP 的具体位置在哪里
深圳今天的天气怎么样
我的坐标是东经xxx,北纬xxxx，附近 1000m 有什么好评率较高的烧烤店，推荐一下。需要附带上门店的图片，以 markdown 图片格式展示出来