Spring AI MCP 架构详解

原创 已于 2025-03-30 00:03:39 修改 · 2.3k 阅读 · 24 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#spring #人工智能 #架构

于 2025-03-30 00:03:21 首次发布

Spring AI MCP 架构详解

1.什么是MCP?

MCP 是一种开放协议，它对应用程序向大语言模型（LLMs）提供上下文信息的方式进行了标准化。可以把 MCP 想象成人工智能应用程序的 USB-C 接口。就像 USB-C 为将设备连接到各种外围设备和配件提供了一种标准化方式一样，MCP 将人工智能模型连接到不同的数据源和工具提供了一种标准化方式。

MCP 可帮助你在 LLM 之上构建智能体和复杂的工作流。LLM 通常需要与数据和工具集成，而 MCP 可提供：

  1. 在 LLM 提供商和供应商之间切换的灵活性。
  2. 不断扩充的预构建集成列表，你的大语言模型可以直接接入其中；
  3. 保护基础设施内数据的最佳实践

MCP协议官网 https://modelcontextprotocol.io/

2.整体架构

MCP 的核心是客户端-服务器架构，其中主机应用程序可以连接到多个服务器：

在这里插入图片描述

MCP Hosts:想要通过 MCP 访问数据的程序（例如 Claude Desktop、IDE 或 AI 工具）

**MCP Clients:**与服务器保持 1：1 连接的协议客户端

**MCP Servers:**每个轻量级程序都通过标准化模型上下文协议公开提供特定功能

**Local Data Sources：**MCP 服务器可以安全访问您的计算机的文件、数据库和服务

**Remote Services：**MCP 服务器可以连接到互联网上的外部系统（例如通过 API）

Spring AI MCP

MCP Java SDK 提供了模型上下文协议的 Java 实现，支持通过同步和异步通信模式与 AI 模型和工具进行标准化交互。

Spring AI MCP 通过 Spring Boot 集成扩展了 MCP Java SDK，提供客户端和服务器启动器。使用 Spring Initializer 通过 MCP 支持引导您的 AI 应用程序。

MCP Java SDK Architecture

Java MCP 实现遵循三层架构：

在这里插入图片描述

客户端 / 服务器层：McpClient 处理客户端操作，而 McpServer 管理服务器端的协议操作。两者都使用 McpSession 来进行通信管理。

会话层（McpSession）：通过 DefaultMcpSession 实现来管理通信模式和状态。

传输层（McpTransport）：处理 JSON-RPC 消息的序列化和反序列化，支持多种传输实现方式。

MCP Client

在这里插入图片描述

MCP 客户端是模型上下文协议 (MCP) 架构中的关键组件，负责建立和管理与 MCP 服务器的连接。它实现了协议的客户端：

  1. 协议版本协商，确保与服务器的兼容性

  2. 能力协商以确定可用功能

  3. 消息传输和 JSON-RPC 通信

  4. 工具发现和执行

  5. 资源访问和管理

  6. Prompt系统交互

  7. 可选特性:Roots管理，采样支持

  8. 同步和异步操作

  9. 传输可选项：

         基于标准输入输出（Stdio）的传输，用于基于进程的通信

     基于 Java HttpClient 的 SSE 客户端传输

     反应式 HTTP 流的 WebFlux SSE 客户端传输

MCP Server

在这里插入图片描述

MCP 服务端是模型上下文协议 (MCP) 架构中的基础组件，为客户端提供工具、资源和功能。它实现协议的服务端，负责：

  1. 服务端协议操作实现
  • 工具暴露与发现
  • 基于统一资源标识符（URI）访问的资源管理
  • 提示词模板的提供与处理
  • 与客户端进行能力协商
  • 结构化日志记录与通知
  1. 客户端并发连接管理
  2. 同步和异步 API 支持
  3. 传输实现方式：
  • 基于标准输入输出（Stdio）的传输，用于基于进程的通信
  • 基于 Servlet 的服务器发送事件（SSE）服务器传输
  • 响应式 HTTP 流的基于 WebFlux 的服务器发送事件（SSE）服务器传输
  • Servlet 的 HTTP 流基于 WebMVC 的服务器发送事件（SSE）服务器传输

Spring AI MCP 集成

Spring AI 通过以下 Spring Boot Starters提供 MCP 集成：

Client Starters

  • spring-ai-starter-mcp-client - 核心starter，提供基于标准输入输出（STDIO）和基于HTTP的服务器发送事件（SSE）
  • spring-ai-starter-mcp-client-webflux - 基于 WebFlux 的服务器发送事件（SSE）传输实现

Server Starters

  • spring-ai-starter-mcp-server - 核心server，基于标准输入输出（STDIO）传输支持
  • spring-ai-starter-mcp-server-webmvc - 基于Spring MVC的 SSE 传输实现
  • spring-ai-starter-mcp-server-webflux - 基于WebFlux SSE 传输实现
【AI智能体】Spring AI MCP 服务常用开发模式实战详解
congge
06-22 3134
Spring AI MCP 常用几种开发模式实战详解
【AI智能体】Spring AI MCP 从使用到操作实战详解
congge
06-02 6756
Spring AI MCP 从使用到操作实战详解
集团IT应用架构规划详解.pptx
09-25
集团IT应用架构规划详解.pptx
MCP：大模型时代的智能导航系统
static_coder的博客
04-10 569
MCP，全称是一种开放协议，标准化了应用程序为大语言模型（LLM）提供上下文的方式，类似 AI 应用程序的 USB-C 端口。它能帮助构建基于 LLM 的代理和复杂工作流程，提供了越来越多的预构建集成、在 LLM 提供商和供应商之间切换的灵活性以及保护数据的最佳实践。M
【SpringAI】第六弹：深入解析 MCP 上下文协议、开发和部署 MCP 服务、MCP 安全问题与最佳实践
最新发布
OuO-1 的博客
10-09 1332
深入解析 MCP 上下文协议、开发和部署 MCP 服务、MCP 安全问题与最佳实践
spring ai mcp 进阶版
zhonghua881016的博客
04-16 1482
这编文章主要通过介绍mcp-client通过stdio通信方式跟mcp-server交互的流程，更加直观的理解mcp。mcp的stdio通信方式是本地机器进程直接的通信方式，所以意味着我们mcp-server也是需要在本机部署的，目前claude的claude-desktop应用只支持stdio方式。所以mcp-server部署在本地，一些需要联网使用工具也是可以访问，前提是需要在mcp-server实现，把这些映射出去。
MCP Client Boot Starter
xiatiaohcx的专栏
06-08 1254
Spring AI MCP（模型上下文协议）客户端引导启动器为Spring Boot应用程序中的MCP客户端功能提供自动配置。它支持具有各种传输选项的同步和异步客户端实现。MCP客户端引导启动器提供：管理多个客户端实例自动客户端初始化（如果启用）支持多个命名传输与Spring AI的工具执行框架集成适当的生命周期管理，在应用程序上下文关闭时自动清理资源通过定制器创建可定制的客户端。
Spring AI 智能体通过 MCP 集成本地文件数据
阿里巴巴云原生的博客
02-05 5176
MCP 作为一款开放协议，直接规范了应用程序如何向LLM提供上下文。MCP 就像是面向 AI 应用程序的 USB-C 端口，正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一个将 AI 模型连接到不同数据源和工具的标准化方法。
Spring AI+MCP强强联合：三步打造智能体开发王炸组合！
2401_84204207的博客
04-06 6447
注意，它连接的不是物理设备，而是AI模型和外部的数据源、工具等。有了MCP，AI模型就能更方便地获取外部的信息，完成更多的任务。比如，通过MCP，AI模型可以操作电脑读写文件，或者模拟浏览器操作等。
Spring AI 中 MCP 架构与工具调用技术详解
llwszx的博客
06-29 3366
MCP（Message Communication Protocol）是 Spring AI 用于支持 AI 模型交互的消息通信协议，在客户端与服务端之间搭建桥梁，支持多种传输层协议，提供标准化消息格式定义，实现 AI 能力的高效交互与管理。其核心流程为：客户端接收用户输入，通过大模型判断是否调用 MCP 服务器中的工具；若需调用，客户端向 MCP 服务器发起请求，服务器执行对应工具并返回结果，大模型整合结果后生成最终回答。
Spring AI + MCP Client 配置与使用详解
2503_92145588的博客
06-25 4304
本文介绍了在Spring Boot项目中集成Spring AI的MCP Client的完整流程。主要内容包括：MCP协议的基础概念、项目环境准备与依赖配置、MCP Server接口要求、application.yml配置方式、代码示例（含自动装配和WebClient手动调用）、流式输出处理、模型切换方法以及自定义配置扩展点。重点讲解了McpRequestInterceptor和McpResponsePostProcessor两大扩展接口的使用，通过拦截器和后处理器实现认证头添加、日志记录等功能。
Spring AI 实现 MCP 多通道提供者实践指南
lingding_cn的专栏
04-19 1613
本文深入探讨了MCP(多通道提供者)的核心概念及其在Spring AI中的实现方法，重点对比分析了SSE和STDIO两种不同的通信方式，并提供了详细的代码实现示例。文章适合想要了解和使用Spring AI框架进行大语言模型应用开发的读者参考。
大模型系列——正式推出 Spring AI MCP：用于 MCP（模型上下文协议）的 Java SDK
02-27 6990
我们很高兴推出 Spring AI MCP，它是模型上下文协议（Model Context Protocol，）的强大 Java SDK 实现。Spring AI生态系统的这一新成员为 Java 平台带来了标准化的 AI 模型集成能力。
Spring AI之模型上下文协议（MCP）
湖边工程师
04-03 7185
MCP工具实用程序为Spring AI应用集成模型上下文协议（MCP）提供基础支持，实现Spring AI工具系统与MCP服务器间的无缝通信，支持同步与异步操作。Spring AI MCP（模型上下文协议）客户端启动器为Spring Boot应用程序中的MCP客户端功能提供自动配置支持，包含同步和异步客户端实现，并支持多种传输选项。Spring AI MCP（模型上下文协议）服务器启动器为Spring Boot应用程序提供MCP服务器的自动配置支持，实现与Spring Boot自动配置系统的无缝集成。
Spring AI 1.0.0 M6新特性MCP
qq1071643762的博客
03-11 7103
本文用于了解MCP的的使用
Spring AI Alibaba MCP(Model Context Protocol)模型上下文协议 让AI操作本地文件系统示例
Inherentmind的博客
02-24 4357
模型上下文协议，规范应用程序如何向LLM提供上下文，实际上是通过统一的方式（JSON-RPC消息格式），将MCP Server （数据/工具提供者）和MCP Client进行通信MCP Server多数是基于TypeScript/Python开发的，Spring AI提供了Java和Spring的集成，分模块架构: Spring AI应用，例如ChatClient： Spring AI下的MCP客户端MCP Server： MCP服务： 本地数据源： 远程服务。
基于Spring AI 搭建MCP服务，保姆级教程来了！
热门推荐
static_coder的博客
05-06 1万+
之前分享过一篇《CherryStudio+百度地图MCP为大模型赋能实时位置》的文章，讲解了CherryStudio搭载百度地图MCP服务实时获取位置，使用了第三方的MCP服务。大家有没有发现一个问题：搭建的客户端，调用了MCP服务以后，除了MCP服务相关的问题他可能给出回答，其他的他就不能回答了，这个是什么原因呢？是 Spring AI MCP 框架中用于快速暴露业务能力为 AI 工具的核心注解，该注解实现 Java 方法与 MCP 协议工具的自动映射，并且可以通过注解的属性。今天我们一起来探秘！
Spring AI MCP
Made In SQL
07-03 1095
Spring AI MCP为开发者提供了强大的工具集成能力，通过标准化的协议和灵活的架构设计，简化了AI模型与外部工具、数据源和服务之间的交互。快速集成：通过注解和自动配置，快速将现有服务暴露为MCP工具双向通信：支持服务端主动推送和客户端请求响应两种模式动态扩展：运行时动态添加/移除工具，不影响现有服务安全可靠：内置认证授权机制，保证通信安全生产就绪：与Spring生态系统深度集成，可直接用于生产环境智能客服系统集成多种业务系统数据分析平台动态加载计算工具AI助手连接企业内部API。
SpringAI之模型上下文协议（MCP）
loser.with.m的博客
05-02 1503
模型上下文协议 （MCP） 是一种标准化协议，使 AI 模型能够以结构化方式与外部工具和资源交互。
Spring AI MCP 从使用到操作实战详解
06-26
<think>我们正在讨论SpringAI中的多模型控制器(MCP)的使用。根据用户的问题，他想要一个使用指南和操作实战教程。我们将结合之前的引用内容，特别是引用[1]中提到的MCPStarter的依赖配置，以及引用[2]中关于环境准备的信息。首先，我们需要明确MCP（Multi-modelController）的作用：它允许开发者在同一个应用中轻松切换和调用不同的AI模型（如DeepSeek、OpenAI等），而无需修改核心业务代码。接下来，我们将按照以下步骤进行：1.环境准备2.添加依赖3.配置MCP和模型API密钥4.编写代码示例5.运行和测试###环境准备根据引用[2]，我们需要：-Java17或更高（推荐Java21）-SpringBoot3.2.x或更高-DeepSeekAPI密钥（或其他支持的模型API密钥）###添加依赖在项目的`pom.xml`中添加MCPStarter依赖（如引用[1]所示）：```xml<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-spring-boot-starter</artifactId><version>1.0.0</version></dependency>```###配置MCP和模型API密钥在`application.yml`（或`application.properties`）中配置MCP和模型。这里以DeepSeek为例：```yamlspring:ai:mcp:enabled:trueproviders:deepseek:api-key:YOUR_DEEPSEEK_API_KEY#其他模型特定配置（可选）#全局配置（可选）```###编写代码示例使用MCP的核心是注入`AiClient`，然后通过它来调用模型。MCP会根据配置自动路由到指定的模型。创建一个简单的控制器：```javaimportorg.springframework.ai.client.AiClient;importorg.springframework.ai.client.AiResponse;importorg.springframework.ai.prompt.Prompt;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;@RestControllerpublicclassAiController{privatefinalAiClientaiClient;publicAiController(AiClientaiClient){this.aiClient=aiClient;}@GetMapping("/ask")publicStringask(@RequestParamStringquestion){Promptprompt=newPrompt(question);AiResponseresponse=aiClient.generate(prompt);returnresponse.getGeneration().getText();}}```###运行和测试启动SpringBoot应用，访问`http://localhost:8080/ask?question=你的问题`，即可看到模型返回的回答。###多模型切换如果想在同一个应用中使用多个模型，可以在配置中指定多个提供者，并在代码中通过`AiClient`的特定方法（如指定模型名称）来调用。例如：```yamlspring:ai:mcp:providers:deepseek:api-key:YOUR_DEEPSEEK_API_KEYopenai:api-key:YOUR_OPENAI_API_KEY```然后在代码中，可以通过设置提示的选项来指定模型：```javaPromptprompt=newPrompt(question,Map.of("model","deepseek"));//或"openai"```###注意事项-确保API密钥正确，并且网络可以访问模型服务。-MCPStarter会自动配置`AiClient`，因此无需手动创建。-详细配置和高级用法可参考SpringAI官方文档。§§相关问题§§1.如何在SpringAI中同时配置多个AI模型提供者？2.如何通过MCP实现模型调用的负载均衡或故障转移？3.在使用DeepSeek模型时，有哪些特殊的配置参数需要注意？</think>### Spring AI 多模型控制器（MCP）使用指南与实战 #### 一、MCP 核心概念 多模型控制器（MCP）是 Spring AI 的核心组件，它提供统一的接口管理多个 AI 模型（如 DeepSeek、OpenAI 等），支持动态切换模型、请求路由和负载均衡。其核心优势在于**解耦业务代码与模型实现**，只需通过标准 API 调用，无需关注底层模型差异[^1]。 #### 二、环境配置（实战步骤） ##### 1. 添加 MCP 依赖 ```xml <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-spring-boot-starter</artifactId> <version>1.0.0</version> </dependency> ``` ##### 2. 配置模型密钥 在 `application.yml` 中配置 DeepSeek 和其他模型： ```yaml spring: ai: mcp: providers: deepseek: api-key: YOUR_DEEPSEEK_API_KEY # 官网申请 endpoint: https://api.deepseek.com/v1 openai: api-key: sk-xxxxxxxxxxxxxxxx default-provider: deepseek # 设置默认模型 ``` #### 三、代码实战 ##### 场景1：基础对话服务 ```java @RestController public class ChatController { @Autowired private AiClient aiClient; // MCP 自动注入的统一客户端 @PostMapping("/chat") public String generate(@RequestBody String prompt) { // 调用当前激活的模型（默认DeepSeek） return aiClient.generate(prompt); } } ``` **测试请求**： ```bash curl -X POST http://localhost:8080/chat -d "用Java实现快速排序" ``` ##### 场景2：动态切换模型 ```java @Service public class ModelService { @Autowired private ModelRouter modelRouter; public String switchModel(String modelId, String prompt) { // 动态切换到指定模型 AiResponse response = modelRouter.route(modelId) .generate(new Prompt(prompt)); return response.getGeneration().getContent(); } } ``` **调用示例**： ```java switchModel("openai", "解释量子计算"); // 实时切换至OpenAI ``` ##### 场景3：多模型负载均衡 ```yaml # 在配置中启用负载均衡 spring: ai: mcp: routing-strategy: load_balance # 轮询策略 ``` ```java // 自动均衡请求到不同模型 aiClient.generate("多模型负载测试"); ``` #### 四、高级功能 1. **请求拦截器** 自定义预处理逻辑： ```java @Bean public AiClientInterceptor loggingInterceptor() { return (prompt, attributes) -> { System.out.println("发送请求: " + prompt.getContents()); return prompt; }; } ``` 2. **模型性能监控** ```java @Autowired private ModelMetrics modelMetrics; public void printMetrics() { modelMetrics.getProviderStats("deepseek") .forEach((k, v) -> System.out.println(k + ": " + v)); } ``` 输出示例：`response_time_ms: 420 | tokens_used: 1050` #### 五、调试技巧 1. **查看激活模型** ```bash curl http://localhost:8080/actuator/aimodels ``` 2. **强制指定模型** 请求头添加：`X-AI-Provider: openai` > **最佳实践**：生产环境中建议配置**模型降级策略**，当主模型不可用时自动切换备用模型[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

laopeng301

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值