本文详细介绍了如何使用Spring AI框架开发和调用模型上下文协议（MCP）。通过自定义两个MCP Server，分别使用stdio和sse传输协议，并实现一个MCP Client，最终调用阿里云Qwen大模型完成整个MCP调用流程，提供了完整的Java代码示例，帮助开发者快速理解和实践。

🛠️ MCP 是一种开放协议，用于规范应用程序与大型语言模型（LLM）之间的上下文交互，提供统一的集成方式，方便智能体（Agent）与数据和工具的连接。

⚙️ Spring AI MCP 采用模块化架构，包含Spring AI应用程序、Spring MCP客户端、MCP服务器、本地数据源和远程服务等组件，实现灵活的系统构建。

💻 通过示例代码，展示了如何基于Spring AI，分别开发stdio和sse两种传输协议的MCP Server。stdio适用于本地集成，sse支持分布式部署，满足不同应用场景的需求。

🚀 MCP Client的开发与调用，简化了与LLM的交互流程。通过配置ChatClient并注入MCP工具，可以方便地调用MCP Server提供的服务，如天气预报和算术计算。

本文介绍基于Spring AI如何实现MCP开发和调用。首先自定义了两个MCP Server，其中：一个是算术计算器MCP Server，并通过sdtio传输协议发布，另一个是天气预报MCP Server，通过sse传输协议发布。然后实现一个MCP Client，并调用阿里云qwen大模型完成整个 MCP 调用流程，并给出来整个示例的Java代码。

MCP是什么

模型上下文协议（即 Model Context Protocol，MCP）是一个开放协议，它规范了应用程序如何向大型语言模型（LLM）提供上下文。MCP 提供了一种统一的方式将 AI 模型连接到不同的数据源和工具，它定义了统一的集成方式。在开发智能体（Agent）的过程中，我们经常需要将将智能体与数据和工具集成，MCP 以标准的方式规范了智能体与数据及工具的集成方式，可以帮助您在 LLM 之上构建智能体（Agent）和复杂的工作流。目前已经有大量的服务接入并提供了 MCP server 实现，当前这个生态正在以非常快的速度不断的丰富中。

Spring AI MCP 采用模块化架构，包括以下组件：

（1）Spring AI 应用程序：使用 Spring AI 框架构建想要通过 MCP 访问数据的生成式 AI 应用程序。

（2）Spring MCP 客户端：MCP 协议的 Spring AI 实现，与服务器保持 1:1 连接。

（3）MCP 服务器：轻量级程序，每个程序都通过标准化的模型上下文协议公开特定的功能。

（4）本地数据源：MCP 服务器可以安全访问的计算机文件、数据库和服务。

（5）远程服务：MCP 服务器可以通过互联网（例如，通过 API）连接到的外部系统。

Spring AI MCP实现遵循三层架构：

STDIO传输协议：STDIO方式是基于进程间通信，MCP Client和MCP Server运行在同一主机，主要用于本地集成、命令行工具等场景。

优点：

简单可靠，无需网络配置；适合本地部署场景；进程隔离，安全性好。

缺点：

仅支持单机部署；不支持跨网络访问；每个客户端需要独立启动服务器进程。

（2）SSE传输协议： SSE（Server-Sent Events）传输层是基于HTTP的单向通信机制，专门用于服务器向客户端推送数据。MCP Client远程调用MCP Server提供的SSE服务。实现客户端和服务端远程通信。

优点：

支持分布式部署；可跨网络访问；支持多客户端连接；轻量级，使用标准HTTP协议。

缺点：

需要额外的网络配置；相比stdio实现略微复杂；需要考虑网络安全性。

二、前提条件

执行以下示例代码的前提条件如下：

1、Java运行环境。 要求JDK版本17+，本人使用的jdk21版本；

2、Java开发工具。 本人使用的是IntelliJ IDEA开发工具，需要使用springboot3以上版本。

3、注册阿里云大模型服务，获得api_key。 本文采用了阿里巴巴的Qwen大模型进行实验与验证，您也可以选择使用DeepSeek等其它大模型作为替代方案。前提条件是该大模型要支持MCP工具回调。

三、代码实现

开发基于sse协议的MCP Server

基于SSE的MCP服务端通过HTTP协议与客户端通信，适用于作为独立服务部署的场景，可以被多个客户端远程调用。

通过Java开发工具创建一个springboot工程，模拟开发一个天气预报服务，通过sse传输协议发布为MCP Server。

maven配置文件

引入spring-ai-mcp-server-webflux-spring-boot-starter，完整pom.xml文件如下：

\ 4.0.0

org.springframework.boot spring-boot-starter-parent 3.3.3

org.example\ spring-ai-mcp-sse-server\ 1.0-SNAPSHOT

21 21 UTF-8 1.0.0-M6 1.0.0-M5.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.ai spring-ai-mcp-server-webflux-spring-boot-starter Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin

开发天气预报服务类

创建一个Server类，模拟天气预报服务，通过@Tool注解把方法标注为MCP服务接口。

package com.yuncheng.mcp;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;
import java.util.Map;

@Service
public class WeatherService {
private static final Logger log = LoggerFactory.getLogger(WeatherService.class);
@Tool(description = "根据城市名称获取天气预报")
public String getWeatherByCity(String city) {
log.info("===============getWeatherByCity方法被调用：city="+city);
Map<String, String> mockData = Map.of(
"西安", "天气炎热",
"北京", "晴空万里",
"上海", "阴雨绵绵"
);
return mockData.getOrDefault(city, "抱歉：未查询到对应城市！");
}

}

注册为MCP工具

将 WeatherService 封装为工具回调提供者（ToolCallbackProvider），便于被MCP Client端发现和调用。

package com.yuncheng.mcp;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;

@SpringBootApplication
public class McpServerApplication {

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

@Bean
public ToolCallbackProvider weatherTools(WeatherService weatherService) {
return MethodToolCallbackProvider.builder()
.toolObjects(weatherService)
.build();
}

}

配置yml文件

定义MCP Server的名称、版本号、同步或异步。

server:
port: 9090 # 服务器端口配置

spring:
ai:
mcp:
server:
name: spring-ai-mcp-server # MCP服务器名称
version: 1.0.0 # 服务器版本号
type: ASYNC #异步

到这里，一个通过Spring AI创建的MCP Server完成了，访问http://localhost:9090/sse，能看到信息，即表示该服务通过sse发布成功了。

开发基于stdio协议的MCP Server

基于stdio的MCP服务端通过标准输入输出流与客户端通信，适用于作为子进程被客户端启动和管理的场景，非常适合嵌入式应用。

通过Java开发工具创建一个springboot工程，模拟开发一个算术计算器服务，通过stdio传输协议发布为MCP Server。

（1）maven配置文件

引入spring-ai-mcp-server-webflux-spring-boot-starter

，完整pom.xml文件如下：

\ 4.0.0

org.springframework.boot spring-boot-starter-parent 3.3.3

org.example\ spring-ai-mcp-stdio-server\ 1.0-SNAPSHOT

21 21 UTF-8 1.0.0-M6 1.0.0-M5.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.boot spring-boot-starter-web org.springframework.ai spring-ai-mcp-server-webflux-spring-boot-starter Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin

（2）开发计算器服务类

创建一个Server类，模拟计算器服务，通过@Tool注解把方法标注为MCP服务接口。

package com.yuncheng.mcp;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;

@Service
public class MathService {
private static final Logger log = LoggerFactory.getLogger(MathService.class);
@Tool(description = "加法方法")
public Integer add(Integer a, Integer b) {
log.info("===============add方法被调用: a={}, b={}", a, b);
return a + b;
}

@Tool(description = "乘法方法")
public Integer multiply(Integer a, Integer b) {
log.info("===============multiply方法被调用: a={}, b={}", a, b);
return a * b;
}
}

注册为MCP工具

将 MathService

封装为工具回调提供者（ToolCallbackProvider），便于被MCP Client端发现和调用。

package com.yuncheng.mcp;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;

@SpringBootApplication
public class McpServerApplication {

private static final Logger log = LoggerFactory.getLogger(McpServerApplication.class);

public static void main(String[] args) {
SpringApplication.run(McpServerApplication.class, args);
log.info("===============McpServerApplication服务启动成功");
}

@Bean
public ToolCallbackProvider mathTools(MathService mathService) {
return MethodToolCallbackProvider.builder()
.toolObjects(mathService).build();
}
}

（4）配置yml文件

定义MCP Server的名称、版本号。

spring:
ai:
mcp:
server:
name: spring-ai-mcp-stdio-server
version: 1.0.0

（5）配置log日志

在resources目录下，新建一个log日志配置文件logback-spring.xml，目的是记录MCP Server端的接口是否被调用。

mcp-server.log %d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n

到这里，一个通过Spring AI创建的MCP Server完成了。stdio方式是server和client通过进程通信，所以需要把server打包成jar，以便client命令启动执行。

通过maven工具打包即可，我打包后路径为：D:\java\ai-project-web\spring-ai-mcp-stdio-server\target\spring-ai-mcp-stdio-server.jar。

测试该服务是否发布成功，在cmd命令行窗口里输入如下命令：

java -Dspring.ai.mcp.server.stdio=true -Dspring.main.web-application-type=none -Dspring.main.banner-mode=off -jar D:/java/ai-project-web/spring-ai-mcp-stdio-server/target/spring-ai-mcp-stdio-server.jar

验证服务是否启动成功。

至此，我们通过spring ai框架开发完成了2个MCP Server服务，一个通过sse协议发布，另一个通过stdio协议发布，接下来，开发一个MCP Client端，调用这两个MCP Server服务。

开发MCP Client调用MCP Server

Spring AI 提供了更简便的方式来使用MCP，通过starter可以大大简化MCP客户端的配置和使用。Spring AI MCP支持两种不同的传输层实现：基于stdio的实现和基于SSE的实现。

通过Java开发工具，创建一个springboot工程，开发MCP Client。

（1）maven配置文件

引入spring-ai-mcp-client-webflux-spring-boot-starter和spring-ai-alibaba-starter，完整pom.xml文件如下：

\ 4.0.0\ \ org.springframework.boot\ spring-boot-starter-parent\ 3.3.3\ \

org.example\ spring-ai-mcp-client\ 1.0-SNAPSHOT

21 21 UTF-8 1.0.0-M6 1.0.0-M6.1 org.springframework.ai spring-ai-bom ${spring-ai.version} pom import org.springframework.boot spring-boot-starter-web org.springframework.ai spring-ai-mcp-client-webflux-spring-boot-starter com.alibaba.cloud.ai spring-ai-alibaba-starter ${spring-ai-alibaba.version} Central Portal Snapshots central-portal-snapshots https://central.sonatype.com/repository/maven-snapshots/ false true spring-milestones Spring Milestones https://repo.spring.io/milestone false spring-snapshots Spring Snapshots https://repo.spring.io/snapshot false ${project.artifactId} org.springframework.boot spring-boot-maven-plugin

（2）开发MCP Client

package com.yuncheng.mcp;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.boot.CommandLineRunner;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.ConfigurableApplicationContext;
import org.springframework.context.annotation.Bean;
import org.springframework.ai.tool.ToolCallbackProvider;

import java.util.Scanner;

@SpringBootApplication
public class McpClientApplication {

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

@Bean
public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,
ToolCallbackProvider tools,
ConfigurableApplicationContext context) {
return args -> {
// 构建ChatClient并注入MCP工具
var chatClient = chatClientBuilder
.defaultTools(tools)
.build();

// 创建Scanner对象用于接收用户输入
Scanner scanner = new Scanner(System.in);

System.out.println(">>> 欢迎使用问答系统！输入'exit'退出程序。");

while (true) {
// 提示用户输入问题
System.out.print("\n>>> QUESTION: ");
String userInput = scanner.nextLine();

// 如果用户输入"exit"，则退出循环
if ("exit".equalsIgnoreCase(userInput)) {
System.out.println(">>> 已退出问答系统。");
break;
}

// 使用ChatClient与LLM交互
try {
System.out.println("\n>>> ASSISTANT: " + chatClient.prompt(userInput).call().content());
} catch (Exception e) {
System.out.println("\n>>> ERROR: 无法处理您的请求，请稍后再试。");
e.printStackTrace();
}
}

// 关闭Spring上下文
context.close();
scanner.close();
};
}
}

（3）配置yml文件

server:

port: 8080

spring:

ai:

mcp:

client:

type: ASYNC

sse:

connections:

server1:

url: http://localhost:9090

stdio:

connections:

server2:

command: java

args:

-Dspring.ai.mcp.server.stdio=true

-Dspring.main.web-application-type=none

-Dspring.main.banner-mode=off

-jar

D:/java/ai-project-web/spring-ai-mcp-stdio-server/target/spring-ai-mcp-stdio-server.jar

dashscope:

api-key: sk-b90ad31bb3eb4a158524928354f31dc5

chat:

options:

#模型名称： qwen-plus deepseek-v3 deepseek-r1

model: qwen-plus

本配置文件定义了一个基于 Spring AI 的异步 MCP 客户端，调用了SSE 和 Stdio 两种MCP服务，server1采用SSE方式，连接指向http://localhost:9090，server1采用Stdio 方式，Stdio 通过 Java 命令启动，指定 Jar 文件位置。同时集成了阿里巴巴大模型qwen-plus。读者需要把api-key替换为自己的key进行测试验证。

四、运行测试

先启动MCP Server服务，再运行MCP Client，进行AI对话,观察日志输出结果，确定是否理解了用户的输入信息，并分别调用了对应的MCP Server服务。

观察输出结果：

提问“你好”，大模型回答：“你好！今天天气不错，你想做点什么？如果你需要，我可以帮你查询天气、做加法或乘法运算。”

说明大模型已经发现了天气预报、算术运算两个MCP服务。

提问“今天北京天气怎么样”，大模型的回答调用了基于sse协议的MCP Server，可以到该服务后台查看日志，确定是否被调用。提问“（55+45）*（1+99）等于多少”，大模型的回答调用了基于stdio协议的MCP Server，可以到mcp-server.log日志文件中查看日志，确定是否被调用。

通过验证结果表明：大模型根据用户的提问，选择了合适的工具进行回答，分别调用了对应的MCP Server服务。

那么，AI大模型是如何实现Tool Call的呢？以下是Spring AI实现Tool Call的原理图：

在最近发布的 Spring AI 1.0.0.M6 版本中，其中一个重大变化是 Function Calling 被废弃，被 Tool Calling 取代。

五、总结

Spring AI MCP Server Starter提供了两种实现MCP服务端的方式：基于stdio的实现和基于SSE的实现。基于stdio的实现适用于嵌入式场景，而基于SSE的实现适用于独立服务部署。

通过使用@Tool注解和@ToolParameter注解，可以轻松地将普通的Java方法转换为MCP工具，使其可以被MCP客户端发现和调用。Spring Boot的自动配置机制使得MCP服务端的开发变得简单高效。

智能体开发平台在线体验：www.yunchengxc.com

示例工程源代码：gitee.com/hibpm/sprin…