基于 Spring AI 的 MCP 客户端/服务端架构指南
背景
随着人工智能技术的爆发式增长，企业级应用对AI大模型的分析、推理、生成等能力需求日益迫切。然而，传统模型面临“数据孤岛”困境：大量关键业务数据分散在本地系统、专有数据库或第三方服务中，难以通过简单的提示词直接注入模型，导致模型理解受限、决策质量不足。更严峻的是，对于涉及隐私或合规要求的数据（如企业财务信息、医疗记录等），直接暴露给云端模型存在显著安全风险。如何打破数据壁垒，同时确保敏感信息的安全可控，成为AI落地的核心挑战。
在此背景下，模型上下文协议（MCP）应运而生。这一由Anthropic开源的开放协议，为AI模型与外部数据/工具提供了“标准化桥梁”，通过统一的接口规范，使模型能够动态调用本地文件、数据库、API等资源，实现“上下文感知”的智能交互。MCP的核心价值在于：
- 标准化集成：告别“一对一”定制开发，通过协议对接即可连接任意兼容MCP的数据源或工具，大幅降低生态构建成本。
- 安全与灵活性：支持本地部署，数据无需离境，兼顾隐私合规与实时访问需求。
- 智能体赋能：为AI Agent提供“手脚”，使其能自主执行查询、分析、操作等复杂任务流。
而Spring AI作为Java生态中领先的AI开发框架，通过深度集成MCP协议，为开发者提供了企业级解决方案：其模块化架构、对同步/异步通信的支持、以及与Spring Boot的无缝融合，使得构建本地MCP客户端与服务端变得高效且可靠。无论是快速搭建文件系统的本地数据中台，还是构建与业务系统（如CRM、ERP）的实时联动，Spring AI的声明式配置、注解驱动开发模式极大降低了技术门槛。
本文将聚焦于“本地MCP服务建设”实战，详细讲解如何基于Spring AI框架，从零开始搭建MCP客户端与服务端，实现模型与本地资源的的安全交互。通过案例演示，读者将掌握如何通过标准化协议突破数据孤岛，构建既安全可控又具备动态扩展能力的AI应用，为业务智能化升级提供可落地的技术路径。
一、环境准备
1.1 基础环境要求
- JDK：17+（推荐 JDK 21）
- Spring Boot：3.4.5（3.x.x 系列）
- Spring Framework：6.2.6（6.x.x 系列）
- Spring AI：1.0.0-M7+（M6 之前版本存在已知问题）
二、模块架构
2.1 核心模块
三、代码实现
3.1 MCP 客户端
Maven 依赖配置
pom.xml
<dependencies>
<!-- Spring AI Starter -->
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-client-webflux</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>
<!-- WebFlux 支持 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-webflux</artifactId>
</dependency>
</dependencies>
<!-- 打包配置 -->
<build>
<finalName>${appname}</finalName>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<executions>
<execution>
<goals><goal>repackage</goal></goals>
</execution>
</executions>
</plugin>
</plugins>
</build>Controller示例
McpClientController.java
@RestController
@RequestMapping("/service")
publicclassMcpClientController {
privatefinal ChatClient chatClient;
publicMcpClientController(ChatClient.Builder builder, ToolCallbackProvider tools){
this.chatClient = builder.defaultToolCallbacks(tools).build();
}
@GetMapping("/query/currentTime/{country}")
Flux<String> queryCurrentTime(@PathVariable String country){
returnthis.chatClient
.prompt(new PromptTemplate("调用本地工具查询国家{country}当前时间")
.create(Map.of("country", country)))
.stream()
.content();
}
}3.2 MCP 服务端
工具类实现
DateTimeTool.java
@Service
publicclassDateTimeTool {
privatestaticfinal Map<String, String> COUNTRY_MAP = Map.of(
"c1", "2020-02-01 12:00:00",
"c2", "2020-02-01 13:00:00"
);
@Tool(description = "国家时间查询工具")
public String getCurrentDateTimeByCountry(String country){
return COUNTRY_MAP.getOrDefault(country,
LocalDateTime.now().format(DateTimeFormatter.ISO_LOCAL_DATE_TIME));
}
}服务配置
McpServerApplication.java
@SpringBootApplication
publicclassMcpServerApplication {
publicstaticvoidmain(String[] args){
SpringApplication.run(McpServerApplication.class, args);
}
@Bean
public ToolCallbackProvider tools(DateTimeTool tool){
return MethodToolCallbackProvider.builder()
.toolObjects(tool)
.build();
}
}四、关键配置
4.1 客户端配置（application.properties）
application.properties
# 日志调试
logging.level.org.springframework.ai=DEBUG
logging.level.io.modelcontextprotocol=DEBUG
# OpenAI 配置
spring.ai.openai.base-url=${AI_BASE_URL}
spring.ai.openai.api-key=${API_KEY}
spring.ai.openai.chat.options.model=qwen-plus
# MCP 客户端配置
spring.ai.mcp.client.toolcallback.enabled=true
spring.ai.mcp.client.request-timeout=60s
spring.ai.mcp.client.root-change-notification=true
spring.ai.mcp.client.stdio.servers-configuration=classpath:mcp-service.json4.2 服务端启动配置（mcp-service.json）
mcp-service.json
{
"mcpServers": {
"my-mcp-service": {
"command": "java",
"args": [
"-Dspring.ai.mcp.server.stdio=true",
"-Dspring.main.web-application-type=none",
"-Dspring.main.banner-mode=off",
"-Dlogging.pattern.console=",
"-jar",
"/home/admin/app/target/my-mcp-service.jar"
]
}
}
}重要提示：必须禁用控制台输出，避免污染 stdio 输入流！
五、部署方案
5.1 打包配置（assembly.xml）
本文系作者在时代Java发表，未经许可，不得转载。
如有侵权，请联系nowjava@qq.com删除。
编辑于
关注时代Java
关注时代Java