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。
一、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：
（1）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
1、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。
（1）maven配置文件
引入spring-ai-mcp-server-webflux-spring-boot-starter，完整pom.xml文件如下：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://maven.apache.org/POM/4.0.0"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://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>3.3.3</version>
<relativePath/>
</parent>
<groupId>org.example</groupId>
<artifactId>spring-ai-mcp-sse-server</artifactId>
<version>1.0-SNAPSHOT</version>
<properties>
<maven.compiler.source>21</maven.compiler.source>
<maven.compiler.target>21</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<spring-ai.version>1.0.0-M6</spring-ai.version>
<spring-ai-alibaba.version>1.0.0-M5.1</spring-ai-alibaba.version>
</properties>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>${spring-ai.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId>
</dependency>
</dependencies>
<repositories>
<repository>
<name>Central Portal Snapshots</name>
<id>central-portal-snapshots</id>
<url>https://central.sonatype.com/repository/maven-snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
</repositories>
<build>
<finalName>${project.artifactId}</finalName>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>（2）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！");
}
}（3）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();
}
}（4）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。
2、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：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://maven.apache.org/POM/4.0.0"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://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>3.3.3</version>
<relativePath/>
</parent>
<groupId>org.example</groupId>
<artifactId>spring-ai-mcp-stdio-server</artifactId>
<version>1.0-SNAPSHOT</version>
<properties>
<maven.compiler.source>21</maven.compiler.source>
<maven.compiler.target>21</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<spring-ai.version>1.0.0-M6</spring-ai.version>
<spring-ai-alibaba.version>1.0.0-M5.1</spring-ai-alibaba.version>
</properties>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>${spring-ai.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId>
</dependency>
</dependencies>
<repositories>
<repository>
<name>Central Portal Snapshots</name>
<id>central-portal-snapshots</id>
<url>https://central.sonatype.com/repository/maven-snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
</repositories>
<build>
<finalName>${project.artifactId}</finalName>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>（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;
}
}（3）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。
<configuration>
<appender name="FILE" class="ch.qos.logback.core.FileAppender">
<file>mcp-server.log</file>
<encoder>
<pattern>%d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n</pattern>
</encoder>
</appender>
<root level="INFO">
<appender-ref ref="FILE" />
</root>
</configuration>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。
3、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：
<?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 http://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>3.3.3</version>
<relativePath/>
</parent>
<groupId>org.example</groupId>
<artifactId>spring-ai-mcp-client</artifactId>
<version>1.0-SNAPSHOT</version>
<properties>
<maven.compiler.source>21</maven.compiler.source>
<maven.compiler.target>21</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<spring-ai.version>1.0.0-M6</spring-ai.version>
<spring-ai-alibaba.version>1.0.0-M6.1</spring-ai-alibaba.version>
</properties>
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>${spring-ai.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter</artifactId>
<version>${spring-ai-alibaba.version}</version>
</dependency>
</dependencies>
<repositories>
<repository>
<name>Central Portal Snapshots</name>
<id>central-portal-snapshots</id>
<url>https://central.sonatype.com/repository/maven-snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
<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>
</repositories>
<build>
<finalName>${project.artifactId}</finalName>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>（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:
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：
（1）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。
（2）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。
（3）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：http://www.yunchengxc.com
文章中示例工程源代码：https://gitee.com/hibpm/spring-ai-mcp-demo