在當下的技術發展浪潮中，大語言模型（LLMs）正深度滲透至企業應用開發領域，持續改寫著該領域的格局。開發者積極將其融入現代解決方案。然而，快速發展背后，大語言模型通信和上下文處理缺乏標準化協議的問題日益凸顯。

本文介紹模型上下文協議（MCP），其與Spring AI集成，為解決上述難題提供有效途徑，助力大語言模型在企業應用開發中更好地落地。

1.問題：缺乏規范的大語言模型集成

如今，大多數開發者通過特定供應商的API（如OpenAI、Anthropic或Azure OpenAI）與大語言模型進行交互。盡管這些API功能強大，但在沒有標準接口的情況下進行集成會導致以下問題：

• 供應商鎖定：更換大語言模型供應商需要重寫核心邏輯。
• 上下文處理不一致：不同供應商在管理長期記憶、知識或工具訪問方面存在差異。
• 系統行為不明確：沒有正式規范來定義模型的需求，以及它們如何與外部工具和函數進行交互。

而模型上下文協議（MCP）正是為解決這些問題而生。

2.什么是MCP

模型上下文協議（MCP）是一種與供應商無關的協議，旨在實現大語言模型、智能體、工具、記憶系統和外部服務之間的互操作性。

模型上下文協議（MCP）是由Anthropic開發的開放標準，如今已成為一種開放協議，得到了包括LangChain、LangGraph，甚至Spring AI在內的多個社區和工具的支持。

可以把MCP想象成大語言模型領域的REST協議：它是一個簡潔且可擴展的規范，定義了如何構建輸入、輸出、工具、記憶和上下文。

3.人工智能的通用標準：一次編寫，隨處可用

在AI領域，模型上下文協議（MCP）致力于打造統一的通信規范。OpenAI、Anthropic等行業巨頭已采用MCP。

這一協議為開發者帶來極大便利。過去，針對不同大語言模型供應商和輔助應用，需構建定制集成。現在，借助MCP，開發者只需實現一次，就能在Claude、ChatGPT等眾多應用，以及未來支持該協議的客戶端中復用，有效提升開發效率，降低成本。

4.MCP如何工作：簡單的客戶端 - 服務器架構

MCP的基礎是簡潔且模塊化的客戶端 - 服務器架構。可以將其想象成一個中心輻射型模型，宿主應用程序（客戶端）通過與多個專門的MCP服務器進行通信來完成任務。

圖片

具體如下：

• MCP宿主：這些是前端工具或應用程序，如Claude桌面應用、代碼編輯器或人工智能智能體，它們希望與數據、工具或邏輯進行交互。
• MCP客戶端：每個宿主應用程序通過該協議與一個或多個MCP服務器保持專用連接。這使得客戶端可以發送請求、接收響應，甚至觸發工具。
• MCP服務器：這些是輕量級的后端程序，通過模型上下文協議公開特定功能，如訪問本地文件、觸發API或運行工作流。每個服務器都可以是專門構建且獨立的。
• 本地數據源：用戶本地機器上的文件、數據庫或微服務，可由MCP服務器安全訪問。
• 遠程服務：MCP服務器可以連接的API或云平臺，擴展了服務器的功能范圍，使其超越本地環境。

MCP支持開發者圍繞一種名為JsonRpcMessage的正式模式來構建大語言模型交互。

5.MCP與Spring AI集成

Spring AI通過提供即用型的Spring Boot啟動器，使將模型上下文協議（MCP）集成到應用程序變得輕松。這些啟動器涵蓋客戶端和服務器端設置，并支持多種通信傳輸方式，如標準輸入輸出（STDIO）和服務器發送事件（SSE）。

5.1 客戶端啟動器

這些啟動器幫助應用程序連接到MCP服務器：

• spring-ai-starter-mcp-client：核心的MCP客戶端，內置對基于STDIO和HTTP的SSE通信的支持。
• spring-ai-starter-mcp-client-webflux：使用WebFlux為SSE傳輸添加響應式支持。

5.2 服務器啟動器

這些用于使用Spring Boot構建自定義MCP服務器：

• spring-ai-starter-mcp-server：使用STDIO傳輸的基本服務器設置，適用于基于進程的通信。
• spring-ai-starter-mcp-server-webmvc：使用Spring MVC提供SSE服務器支持，適用于基于Servlet的環境。
• spring-ai-starter-mcp-server-webflux：適用于使用Spring WebFlux的應用程序的SSE服務器的響應式版本。

支持STDIO、Servlet SSE、WebFlux和WebMVC傳輸。

圖片

6.使用STDIO傳輸啟動Spring AI MCP服務器

以下是一個完整的示例，展示如何使用Spring AI設置MCP服務器。該示例功能完備，且使用Spring Boot進行了清晰的組織。此示例使用spring-ai-starter-mcp-server，并可選支持STDIO和/或基于HTTP的SSE傳輸。

官方文檔提供了詳細指南：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-server-boot-starter-docs.html

6.1 Maven依賴

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId>
</dependency>
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

@SpringBootApplication
publicclass SpringMcpApplication {
    privatestaticfinal Logger log = LoggerFactory.getLogger(SpringMcpApplication.class);

    public static void main(String[] args) {
        SpringApplication.run(SpringMcpApplication.class, args);
    }

    @Bean
    public List<ToolCallback> danTools(SpringMCPServerService courseService) {
        log.info(Arrays.toString(Thread.currentThread().getStackTrace()).replace(',', '\n'));

        return Arrays.asList(ToolCallbacks.from(courseService));
    }
}

@Service
publicclass SpringMCPServerService {
    @Tool(name = "get_system_information", description = "Gathers detailed system-level diagnostics including directory info, OS and architecture details, JVM configuration, memory stats, CPU load, and installed software versions.")
    public static SystemInfo getSystemInfo() {
        SystemInfo info = new SystemInfo();
        Properties props = System.getProperties();
        info.osName = props.getProperty("os.name");
        //......
    }
}

spring.application.name=courses
spring.main.web-application-type=none
spring.ai.mcp.server.name=jagnya-selflearn-mcp
spring.ai.mcp.server.versinotallow=0.0.1
spring.main.banner-mode=off
logging.pattern.cnotallow=

6.2 關鍵配置說明

• STDIO模式要求：

禁用Web應用類型（spring.main.web-application-type=none）

禁用Spring啟動橫幅（spring.main.banner-mode=off）

清空控制臺日志模式（logging.pattern.cnotallow=）

7.MCP服務器與Claude（Anthropic）客戶端的集成

現在我們已經實現了MCP服務器，接下來要將它與Anthropic的Claude AI進行集成。這可以驗證服務器是否正常運行，以及是否能夠為像Claude這樣符合MCP規范的客戶端提供上下文數據。

圖片

8.MCP服務器與Claude桌面應用集成：分步指南

以下是如何將基于Spring的MCP服務器與Claude桌面應用（Anthropic）進行集成，以驗證一切是否按預期工作：

1） 如果尚未下載，請從Anthropic網站下載并安裝Claude桌面應用。

2） 啟動Claude桌面應用程序。Claude設計為支持通過模型上下文協議（MCP）與自定義人工智能模型服務器進行通信。

• 進入Claude的“設置”。
• 導航到“開發者”部分。
• 點擊“編輯配置”以打開claude_desktop_config.json。
• 使用自定義MCP服務器配置更新claude_desktop_config.json。例如：

{
    "mcpServers": {
        "jagnya-spring-mcp": {
            "command": "/Users/user/Library/Java/JavaVirtualMachines/sapmachine-21.0.6/Contents/Home/bin/java",
            "args": [
                "-jar",
                "/Users/<add ur path to jar>/spring-mcp/target/spring-mcp-0.0.1-SNAPSHOT.jar"
            ]
        }
    }
}

3） 保存配置后，重啟Claude桌面應用。

如果一切配置正確，你會看到：

• 一個代表開發者工具的錘子圖標???
• 一個代表自定義集成的插件圖標??
• 點擊錘子圖標打開MCP工具。
• 在Claude中輸入以下內容：Hi, get my system details with the Java version installed.
• Claude會彈出一個權限請求對話框，點擊“允許”。

圖片