基于 Spring AI 构建MCP服务端与客户端（含SSE 与STDIO模式完整实现源码）
大家好，我是冰河~~
在当今的 AI 应用开发中，如何让大语言模型安全、灵活地访问外部数据和工具，是一个关键挑战。Anthropic 开源的模型上下文协议（Model Context Protocol, MCP） 为此提供了一种优雅的解决方案。
MCP就像一座“标准化的桥梁”，让模型能够通过统一的接口，动态调用本地文件、数据库或任意 API，从而实现真正“上下文感知”的智能交互。
Spring AI 作为 Java 生态中强大的 AI 集成框架，对 MCP 提供了出色的支持。本文将手把手带你基于 Spring AI，从零开始构建一个完整的 MCP 服务端与客户端，并同时实现 SSE（Server-Sent Events） 和 STDIO（标准输入输出） 两种主流通信模式。
一、理解 MCP 与通信模式
在深入代码之前，理解 MCP 的两种通信机制至关重要，它们决定了服务部署和调用的方式。
STDIO 模式 通过进程的标准输入（stdin）和标准输出（stdout）进行通信。这是一种高效、低延迟的本地进程间通信（IPC）方式，通常用于开发工具与本地运行的 MCP 服务器深度集成，例如 IDE 插件调用本地的代码分析服务。
SSE 模式 则是一种基于 HTTP 的服务器推送技术。它允许服务器主动向客户端发送事件流。这种网络通信模式使得客户端和服务端可以部署在不同的机器上，极大地扩展了应用的架构灵活性，适用于远程服务调用和分布式场景。
Spring AI 的模块化设计和对这两种传输模式的原生支持，使得开发者能够根据实际场景灵活选择，并用熟悉的 Spring Boot 风格进行开发，显著降低了技术门槛。
二、构建 SSE 模式 MCP 服务
SSE 模式适用于通过网络远程访问服务的场景。我们将首先构建一个提供天气查询功能的 MCP 服务端。
2.1 创建 MCP 服务端 (mcp-server)
1. 项目依赖配置 (pom.xml)
核心是引入 spring-ai-starter-mcp-server-webflux 依赖以支持 SSE 传输。
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.5.0</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>io.binghe.ai.mcp</groupId>
<artifactId>mcp-server</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>mcp-server</name>
<description>mcp-server</description>
<url/>
<licenses>
<license/>
</licenses>
<developers>
<developer/>
</developers>
<scm>
<connection/>
<developerConnection/>
<tag/>
<url/>
</scm>
<properties>
<java.version>21</java.version>
</properties>
<dependencies>
<!-- 只支持 STDIO 传输，使用如下两个依赖 -->
<!-- <dependency>-->
<!-- <groupId>org.springframework.ai</groupId>-->
<!-- <artifactId>spring-ai-starter-mcp-server</artifactId>-->
<!-- </dependency>-->
<!-- <dependency>-->
<!-- <groupId>org.springframework</groupId>-->
<!-- <artifactId>spring-web</artifactId>-->
<!-- </dependency>-->
<!-- 支持 SSE 传输，使用如下依赖 -->
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</dependency>
<dependency>
<groupId>org.json</groupId>
<artifactId>json</artifactId>
<version>20210307</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>1.0.0-M7</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
<repository>
<id>aliyunmaven</id>
<name>aliyun</name>
<url>https://maven.aliyun.com/repository/public</url>
</repository>
</repositories>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
2. 实现天气查询工具 (WeatherService.java)
定义一个 Spring Service，其中的方法通过 @Tool 注解暴露为 MCP 工具。
package io.binghe.ai.mcp.mcpserver.weather;
import lombok.extern.slf4j.Slf4j;
import org.json.JSONArray;
import org.json.JSONObject;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.http.ResponseEntity;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;
import java.io.UnsupportedEncodingException;
import java.net.URLEncoder;
@Service
@Slf4j
public class WeatherService {
private static final String BASE_URL = "http://api.openweathermap.org/data/2.5/weather";
@Value("${OPEN_WEATHER_API_KEY}")
private String OPEN_WEATHER_API_KEY;
public RestTemplate restTemplate = new RestTemplate();
@Tool(description = "获取指定城市的当前天气情况，返回格式化后的天气报告")
public String getWeather(@ToolParam(description = "城市名称必须是英文，例如：London 或者 Beijing") String city) throws UnsupportedEncodingException {
log.info("====调用了查询天气=====");
String query = String.format("?q=%s&APPID=%s&units=metric&lang=zh_cn",
URLEncoder.encode(city, "UTF-8"),
URLEncoder.encode(OPEN_WEATHER_API_KEY, "UTF-8"));
ResponseEntity<String> responseEntity = restTemplate.getForEntity(BASE_URL + query, String.class);
if (responseEntity.getStatusCode().is2xxSuccessful()) {
String body = responseEntity.getBody();
JSONObject data = new JSONObject(body);
JSONObject main = data.getJSONObject("main");
JSONArray weatherArray = data.getJSONArray("weather");
JSONObject weather = weatherArray.getJSONObject(0);
JSONObject wind = data.getJSONObject("wind");
String weatherDescription = weather.optString("description", "无描述");
double temperature = main.optDouble("temp", Double.NaN);
double feelsLike = main.optDouble("feels_like", Double.NaN);
double tempMin = main.optDouble("temp_min", Double.NaN);
double tempMax = main.optDouble("temp_max", Double.NaN);
int pressure = main.optInt("pressure", 0);
int humidity = main.optInt("humidity", 0);
double windSpeed = wind.optDouble("speed", Double.NaN);
return String.format("""
城市: %s
天气描述: %s
当前温度: %.1f°C
体感温度: %.1f°C
最低温度: %.1f°C
最高温度: %.1f°C
气压: %d hPa
湿度: %d%%
风速: %.1f m/s
""", data.optString("name", city),
weatherDescription,
temperature,
feelsLike,
tempMin,
tempMax,
pressure,
humidity,
windSpeed);
}
return null;
}
}
3. 注册工具并启动应用
在启动类中，将 WeatherService 注册为 ToolCallbackProvider Bean。
package io.binghe.ai.mcp.mcpserver;
import io.binghe.ai.mcp.mcpserver.weather.WeatherService;
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;
import org.springframework.web.reactive.config.EnableWebFlux;
@SpringBootApplication
@EnableWebFlux
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();
}
}
4. 应用配置 (application.properties)
spring.application.name=mcp-server
#指定 MCP 服务器的名称为 spring-ai-mcp-weather
spring.ai.mcp.server.name=spring-ai-mcp-weather
#配置应用监听的端口为 8081
server.port=8081
#禁用 Spring Boot 启动时的横幅（Banner）显示，对于使用 STDIO 传输的 MCP 服务器，禁用横幅有助于避免输出干扰。
spring.main.banner-mode=off
#如下参数启用并设置为空，将禁用控制台日志输出格式，减少输出干扰
logging.pattern.console=
#配置日志文件的输出路径，将日志写入指定的文件中
logging.file.name=./mcp-weather-stdio-server.log
#访问 OpenWeather API 的密钥，自己获取每天可免费调用100次
OPEN_WEATHER_API_KEY=
#设置日志的根级别为 INFO
logging.level.root=INFO
2.2 创建 MCP 客户端 (mcp-client)
1. 项目依赖配置 (pom.xml)
客户端需要引入 MCP 客户端和特定大模型（如通义千问）的 Starter。
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.5.0</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>io.binghe.ai.mcp</groupId>
<artifactId>mcp-client</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>mcp-client</name>
<description>mcp-client</description>
<url/>
<licenses>
<license/>
</licenses>
<developers>
<developer/>
</developers>
<scm>
<connection/>
<developerConnection/>
<tag/>
<url/>
</scm>
<properties>
<java.version>17</java.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-client</artifactId>
</dependency>
<!-- 导入 Spring AI - Anthropic 依赖-->
<!-- <dependency>-->
<!-- <groupId>org.springframework.ai</groupId>-->
<!-- <artifactId>spring-ai-starter-model-anthropic</artifactId>-->
<!-- </dependency>-->
<!-- 导入 Spring AI - OpenAI 依赖-->
<!-- <dependency>-->
<!-- <groupId>org.springframework.ai</groupId>-->
<!-- <artifactId>spring-ai-starter-model-openai</artifactId>-->
<!-- </dependency>-->
<!-- 导入Spring AI Alibaba - 通义千问依赖 -->
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter</artifactId>
<version>1.0.0-M6.1</version>
</dependency>
</dependencies>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>1.0.0-M7</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
2. 配置与交互客户端 (McpClientApplication.java)
核心是构建一个 ChatClient，并为其注入通过 SSE 连接到我们服务端的工具能力。
package io.binghe.ai.mcp.mcpclient;
import io.modelcontextprotocol.client.McpSyncClient;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.InMemoryChatMemory;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.boot.CommandLineRunner;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;
import java.util.List;
import java.util.Scanner;
@SpringBootApplication
public class McpClientApplication {
public static void main(String[] args) {
SpringApplication.run(McpClientApplication.class, args);
}
@Bean
public CommandLineRunner chatbot(ChatClient.Builder chatClientBuilder, List<McpSyncClient> mcpSyncClients) {
return args -> {
// 构建聊天客户端
ChatClient chatClient = chatClientBuilder
//设置系统提示，引导 AI 的行为和角色
.defaultSystem("你是一个可以查询天气的助手，可以调用工具回答用户关于天气相关问题。")
//配置工具回调提供者，使 AI 能调用外部工具
.defaultTools(new SyncMcpToolCallbackProvider(mcpSyncClients))
//设置对话记忆，使用内存存储对话历史，保持上下文
.defaultAdvisors(new MessageChatMemoryAdvisor(new InMemoryChatMemory()))
.build();
// 开始聊天循环
System.out.println("\n我是你的AI助手。\n");
try (Scanner scanner = new Scanner(System.in)) {
while (true) {
System.out.print("\n用户: ");
String content = scanner.nextLine();
System.out.println("\n助手: " +
chatClient.prompt(content)
.call()
.content());
}
}
};
}
}
3. 客户端配置 (application.properties)
关键是指定 SSE 模式的服务端连接地址。
spring.application.name=mcp-client
#指定应用类型为非 Web 应用，适用于命令行工具、批处理任务或仅作为客户端运行的场景
spring.main.web-application-type=none
#使用 Claude LLM，需要在pom.xml中引入对应依赖
#spring.ai.anthropic.api-key=your_anthropic_api_key
#spring.ai.anthropic.chat.options.model=claude-3-haiku-20240307
#使用 Deepseek LLM，需要在pom.xml中引入对应依赖
#spring.ai.openai.api-key=your_deepseek_api_key
#spring.ai.openai.base-url=https://api.deepseek.com
#spring.ai.openai.chat.options.model=deepseek-chat
#使用 通义千问 LLM，需要在pom.xml中引入对应依赖
spring.ai.dashscope.api-key=api-key
spring.ai.dashscope.chat.options.model=qwen-plus
#STDIO 模式，指定 MCP 客户端的服务器配置文件路径
#spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json
#SSE 模式，配置名为 server1 的 MCP 服务器连接，远程连接到指定的服务器地址
spring.ai.mcp.client.sse.connections.server1=http://localhost:8081
2.3 测试 SSE 模式
查看完整文章
加入冰河技术知识星球，解锁完整技术文章、小册、视频与完整代码
写在最后
在冰河技术知识星球， 《AI智能代码审查平台》 已完结，同时，《AI全链路短剧生成平台》、《智能代码审查系统》 已完结， 《多智能体协作与AI工作台》 项目热更中，还有其他二十几个项目，像实战Claude Code、AI知识库系统、智流助手平台、智能成语挑战赛项目、多轮AI智能对话系统、一站式AI智能平台、AI智能客服系统、AI智能问答系统、实战AI大模型、手写高性能敏组件、手写线程池、手写高性能SQL引擎、手写高性能Polaris网关、手写高性能熔断组件、手写通用指标上报组件、手写高性能数据库路由组件、手写分布式IM即时通讯系统、手写Seckill分布式秒杀系统、手写高性能RPC、实战高并发设计模式、简易商城系统等等。
这些项目的需求、方案、架构、落地等均来自互联网真实业务场景，让你真正学到互联网大厂的业务与技术落地方案，并将其有效转化为自己的知识储备。
值得一提的是：冰河自研的Polaris高性能网关比某些开源网关项目性能更高，目前正在热更AI一体化项目，也正在实现MCP，全程带你分析原理和手撸代码。
你还在等啥？不少小伙伴经过星球硬核技术和项目的历练，早已成功跳槽加薪，实现薪资翻倍，而你，还在原地踏步，抱怨大环境不好。抛弃焦虑和抱怨，我们一起塌下心来沉淀硬核技术和项目，让自己的薪资更上一层楼。
🚀PS：目前已开通最大优惠：长按或扫码加入星球立减30，注意：随着项目和专栏的更新，星球也即将涨价！！
目前，领券加入星球就可以跟冰河一起学习《实战Claude Code》、《多轮AI智能对话系统》、《一站式AI智能平台》、《AI智能客服系统》、《AI智能问答系统》、《实战AI大模型》、《手写高性能Redis组件》、《手写高性能脱敏组件》、《手写线程池》、《手写高性能SQL引擎》、《手写高性能Polaris网关》、《手写高性能RPC项目》、《分布式Seckill秒杀系统》、《分布式IM即时通讯系统》《手写高性能通用熔断组件项目》、《手写高性能通用监控指标上报组件》、《手写高性能数据库路由组件》、《手写简易商城脚手架项目》、《Spring6核心技术与源码解析》和《实战高并发设计模式》，从零开始介绍原理、设计架构、手撸代码。
花很少的钱就能学这么多硬核技术、中间件项目和大厂秒杀系统、分布式IM即时通讯系统，AI大模型项目，比其他培训机构不知便宜多少倍，硬核多少倍，如果是我，我会买他个十年！
加入要趁早，后续还会随着项目和加入的人数涨价，而且只会涨，不会降，先加入的小伙伴就是赚到。
另外，还有一个限时福利，邀请一个小伙伴加入，冰河就会给一笔 分享有奖 ，有些小伙伴都邀请了50+人，早就回本了！
其他方式加入星球
- 链接 ：打开链接 http://m6z.cn/6aeFbs 加入星球。
- 回复 ：在公众号 冰河技术 回复 星球 领取优惠券加入星球。
特别提醒： 苹果用户进圈或续费，请加微信 hacker_binghe 扫二维码，或者去公众号 冰河技术 回复 星球 扫二维码加入星球。
好了，今天就到这儿吧，我是冰河，我们下期见~~
