MCP (Model Context Protocol) 学习

原创已于 2025-09-01 16:21:43 修改 · 190 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

于 2025-09-01 11:34:47 首次发布

部署运行你感兴趣的模型镜像

参考：(2 封私信) AI是如何确定应使用的MCP Server的? - 知乎

MCP的全称是模型上下文协议（Model Context Protocol），是由Anthropic推出的一种开放标准协议。其设计目的在于让大型语言模型（LLMs）能够与外部的数据源和工具实现无缝交互。MCP就像是为AI提供了一个“通用插头”，使得这些智能模型可以像我们使用USB接口一样，轻松连接到各种不同的设备和服务上。

MCP Server Boot Starter :: Spring AI Reference

GitHub - spring-projects/spring-ai-examples

MCP允许AI模型通过标准化的方式连接到外部数据源或服务（比如天气API、数据库查询等）。

Spring MCP Server

Spring MCP Server 提供了三种不同的模式：

• Standard Input/Output (STDIO) - spring-ai-starter-mcp-server
• Spring MVC (Server-Sent Events) - spring-ai-starter-mcp-server-webmvc
• Spring WebFlux (Reactive SSE) - spring-ai-starter-mcp-server-webflux

• Standard MCP Server 适合简单的本地开发和单进程通信。
• WebMVC Server Transport 适合传统的基于 Servlet 的 Web 应用，支持同步模式。
• WebFlux Server Transport 适合高性能、高并发的响应式应用，支持异步模式。

WebFlux Server Transport

• 核心功能：WebFlux Server Transport 是基于 Spring WebFlux 的服务器实现。它提供了响应式 SSE 支持，能够处理高并发的异步流式数据。
• 适用场景：适合需要高性能、非阻塞 I/O 的现代响应式应用，特别是在处理大量并发连接时表现出色。
• 特点：
- • 基于响应式编程模型，支持非阻塞操作。
- • 提供响应式的 SSE 端点，客户端可以通过 text/event-stream 协议与服务器进行流式交互。
- • 支持异步模式，适合需要高并发和低延迟的应用。

GitHub - spring-projects/spring-ai-examples

打开项目后，我们先运行 McpServerApplication.java

然后运行测试文件 ClientSse.java ，可以看到终端返回了天气信息。

Dify MCP客户端是指在Dify平台上通过插件安装的能够调用MCP Server的工具。具体来说：

Dify MCP客户端是指Dify平台上的插件，这些插件允许Dify作为客户端与MCP Server进行交互。
它们包括Agent策略和MCP SSE / StreamableHTTP插件，其中Agent策略支持MCP工具，而MCP SSE / StreamableHTTP插件则用于处理基于HTTP和SSE协议的MCP请求。
通过安装这些插件，Dify可以轻松地将任何MCP Server配置为工具，从而调用这些服务中的功能或数据。

这个客户端插件的存在，使得Dify能够与遵循MCP协议的外部服务无缝对接，扩展其功能并利用更多外部资源。

Dify 暂时未使用

参考：必看！SpringAI轻松构建MCP Client-Server架构-腾讯云开发者社区-腾讯云

STDIO 是 Standard Input/Output（标准输入/输出）的缩写。

在 spring-ai-starter-mcp-client 这个上下文中，支持 STDIO 意味着该客户端可以通过进程的标准输入（stdin）和标准输出（stdout）流与另一个进程进行通信。

具体来说：

通信方式：它不依赖于网络（如 HTTP），而是通过操作系统提供的标准输入输出流。通常，一个进程（比如你的 Spring Boot 应用）会启动另一个进程（比如一个实现了 MCP 协议的本地工具或服务），然后通过读取该子进程的 stdout 来接收数据，并通过向其 stdin 写入数据来发送指令。
应用场景：这种方式常用于与本地运行的、命令行工具风格的进程进行集成。例如，你的 Spring Boot 应用启动一个 Python 脚本，这个脚本负责与某个 AI 模型交互，两者之间通过 STDIO 传递 JSON 格式的请求和响应。
优点：
- 简单高效：对于本地进程间通信（IPC），STDIO 通常比网络通信开销更小。
- 易于集成：很多脚本语言（Python, Node.js 等）编写的工具天然支持从 stdin 读取输入并输出到 stdout，便于与主应用集成。
- 跨语言：只要子进程能处理 STDIO 流，就可以用任何语言编写。
与 HTTP/SSE 的对比：
- HTTP/SSE (Server-Sent Events) 是基于网络的通信，适用于远程服务或需要通过网络 API 访问的场景。
- STDIO 是基于本地进程管道的通信，适用于与同一台机器上运行的辅助进程协作。

总结：在 spring-ai-starter-mcp-client 中，STDIO 支持允许你的 Spring Boot 应用通过标准输入输出流，与一个本地运行的、实现了 MCP (Model Context Protocol) 的进程进行通信，为集成本地 AI 工具或代理提供了一种轻量级、高效的途径。

参考 SpringAI系列---【MCP协议与AI Agent技术解析】 - 少年攻城狮 - 博客园