Spring AI：对接自定义 MCP Server

小马爱打代码

515人浏览 · 2025-12-05 08:45:00

小马爱打代码 · 2025-12-05 08:45:00 发布

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）
Spring AI：整合 MCP Client - 调用高德地图 MCP 服务
 Spring AI：搭建自定义 MCP Server：获取 QQ 信息

上文中，我们自行搭建了一个 MCP Server 服务，并成功运行了起来，此 MCP Server 对外提供了一个工具 —— “根据 QQ 号获取 QQ 信息”。

本文中，我们使用 MCP Client 来对接一下这个自定义的 MCP Server, 通过向 AI 大模型提问，看看是否能能够获取对应 QQ 号的相关信息。

添加配置

首先，编辑 applicaiton.yml 文件，添加连接自定义 MCP Server 的相关配置项，具体如下：

	spring:
  // 省略...
  ai:
    // 省略...
    mcp:
      client:
        type: sync # 客户端使用同步通信模式
        request-timeout: 20s # 设置单次请求超时时间
        // 省略...
        sse: # SSE (Server-Sent Events) 流式响应配置
          connections: # 定义 SSE 连接端点
            qq-mcp-server: # 自定义连接名称（可任意命名）
              url: http://localhost:8000 # MCP 服务实际地址

然后，我们将 McpChatClientController 控制器中（Spring AI：整合 MCP Client - 调用高德地图 MCP 服务）， /mcp/ai/generateStream 接口的记忆功能注释掉，不注释掉的话，如果查询某个 QQ 号调用 MCP Server 超时，导致后续再次查询此 QQ 号，大模型会只接根据记忆直接回答，不会重新调用 MCP Server 的情况发生！

测试

完成以上配置后，重启 AI 机器人后端服务，观察控制台日志日志，如下图，若包含 name=mcp-server-qq, version=1.0.0 信息，说明成功连接到了自定义的 MCP Server 了：

在这里插入图片描述
接着，我们提问如下，随便测试一个 QQ 号：

123456 这个 qq 号的信息展示一下，头像需要以 Markdown 格式图片格式返回

发出提问后，查看 MCP Server 项目的控制台日志，可以发现 QQTool 工具成功被调用了。

mcp-servers-config.json 对接多个 MCP Server

之前文章中我们整合了高德地图 MCP 服务，当时的配置项，是直接定义在 json 文件中的，那么，此种方式如何对接多个 MCP 服务呢？接下来，我们将尝试再添加一个新的 MCP 服务 —— @modelcontextprotocol/server-filesystem。

介绍

@modelcontextprotocol/server-filesystem 是 Model Context Protocol (MCP) 生态中的官方参考服务器之一，专注于为大型语言模型（LLM）提供安全、标准化的文件系统访问能力。其核心作用是将本地文件系统的操作（如读取、搜索文件）封装为 AI 可调用的工具，从而增强模型对实时数据的处理能力。

添加 MCP 服务配置

编辑 mcp-servers-config.json 文件，在 /mcpServers 节点下，额外添加 filesystem 的 MCP 服务配置：

{
  "mcpServers": {
    "amap-maps": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "725178d06255921fee4111576572ab13"
      }
    },
    "filesystem": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "D:\\",
        "E:\\"
      ]
    }
  }
}