手把手教你用 Alibaba‑AI 组件打造一台高颜值、高性能的 MCP 服务

本文链接：https://blog.youkuaiyun.com/null_equals/article/details/147402419

关键词：Spring AI Alibaba、Model Context Protocol、MCP Server、Qwen、云原生、Agent、最佳实践

0. 为什么我一定要关心 MCP？

模型越来越聪明，数据却越来越分散——LLM 想读本地文件、想调外部接口，统统得靠「中间人」把上下文塞回去。
Anthropic 主导的 Model Context Protocol (MCP) 正式把这个「中间人」标准化：像 USB 一样，任何模型、任何数据源插上就能用。
Spring AI Alibaba 率先在 Java 生态内落地 MCP，一句话集成阿里云 Qwen、DashScope 以及一票第三方 LLM，还顺带把日志、观测、配置都打包好了。

一句话总结：学会 MCP = 拥抱下一代「AI × 业务」的新连接范式，能让你的 Agent、RAG、Workflow 立刻拥有“读万卷书、行千里路”的能力。

1. 项目骨架：两行命令拉起「骨骼清奇」的 MCP 服务

git clone https://github.com/springaialibaba/spring-ai-alibaba-examples.git
cd spring-ai-alibaba-examples/spring-ai-alibaba-mcp-example/starter-example
./mvnw spring-boot:run      # 初体验

目录结构一览

starter-example
├── application.yaml        # 关键配置：模型&Server 端口
├── McpFilesystemServer.java# 本地文件系统 Server 示例
├── MsmClientDemo.java      # 如何通过 Client 调用
└── …

踩坑提示：如果你在公司网络无法 raw.githubusercontent.com，记得配好代理或者把代码搬到自建 GitLab。

2. 关键依赖一站配齐

<dependencyManagement>
    <dependency>
        <groupId>com.alibaba.spring.ai</groupId>
        <artifactId>spring-ai-alibaba-bom</artifactId>
        <version>1.0.0-M6.1</version>
        <type>pom</type>
        <scope>import</scope>
    </dependency>
</dependencyManagement>

<!-- MCP starter -->
<dependency>
    <groupId>com.alibaba.spring.ai</groupId>
    <artifactId>spring-ai-mcp-starter</artifactId>
</dependency>

<!-- 想接 Qwen？ 再加这一行 -->
<dependency>
    <groupId>com.alibaba.spring.ai</groupId>
    <artifactId>spring-ai-qwen-starter</artifactId>
</dependency>

三个亮点

BOM 管理——告别版本地狱，所有子模块同一个版本号。
Starter 化——和 Spring Cloud 一样，即插即用。
无侵入——你的业务 Bean 依旧是 @Service，只是多了个 @McpTool 而已。

3. 五分钟写出一个「读本地 Markdown 并总结」的 MCP Server

@Component
@McpServer(path = "/fs")
public class FilesystemMcpServer {

    @McpTool(name = "read_markdown", description = "读取并总结指定 Markdown")
    public String readMarkdown(String absolutePath) throws IOException {
        var content = Files.readString(Path.of(absolutePath));
        // 使用 Qwen 快速总结
        ChatResponse res = aiChatClient
             .call("用中文总结以下 Markdown 的关键点:\n" + content);
        return res.getContent();
    }
}

启动后，Server 会自动暴露 SSE + HTTP/JSON 两种 MCP 端点：

POST http://localhost:8080/mcp/v1/fs/read_markdown
{
  "absolutePath": "/Users/you/Notes/LLM.md"
}

4. Client 侧体验：像调用普通 REST 一样丝滑

McpClient client = new McpClient("http://localhost:8080/mcp/v1");
String summary = client.tool("fs/read_markdown")
                       .param("absolutePath", "/tmp/demo.md")
                       .call(String.class);
System.out.println(summary);

串联 Agent：配合 @EnableAiAgent，让 Qwen 在聊天中自动决定何时调用 read_markdown 工具，“会聊天”+“会动手”一把梭。

5. 容器化部署：让 MCP Server 跑进 K8s

FROM eclipse-temurin:17-jre as base
ARG JAR_FILE=target/mcp-demo.jar
COPY ${JAR_FILE} app.jar
ENTRYPOINT ["java", "-jar", "/app.jar"]

再加一个最小化的 Helm Chart，10 秒钟把 Agent 接到你们的云原生平台，顺便复用现成的 Observability Example，Prometheus + Grafana 打点开箱即用。

6. 性能与安全实战

场景	常见问题	优化打法
高频小文件读取	I/O 抖动	加 LRU Cache 或用 Redis/GemFire 做二级缓存
并发请求打满 LLM QPS	模型限流	`RateLimiter` + `Resilience4J Retry` 双保险
内网敏感数据	权限控制	在 MCP Server 侧加 Spring Security + OIDC；工具级别 `@PreAuthorize` 细粒度鉴权
长流式输出	浏览器 WS 断连	启用 SSE Transport，Header `Cache-Control: no-transform`

7. 写在最后：让你的 AI 服务「长肌肉」

MCP 只是开始，Spring AI Alibaba 还有 Prompt 模版、RAG、Graph、Tool Calling 等能力，完全可以拼出一条从数据到 Agent 的全链路流水线。
官方 Example 仓库 每周都在更新，Star 一下随时抄作业：https://github.com/springaialibaba/spring-ai-alibaba-examples

📚 延伸阅读

《Spring AI Agent 集成本地文件数据（MCP 实战）》citeturn7search0

Spring 官方博客《Announcing Spring AI MCP》citeturn7search6

AI 圈热议：Axios——“MCP will glue AI to every app you know.”citeturn7news10

觉得有帮助？ 点个 ⭐Star + 关注评论区，一起探索下一代 AI 应用架构！