一文吃透 Spring AI Alibaba + MCP：服务端搭建 + 客户端调用全流程

一、MCP概念介绍

MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年推出的AI 领域统一连接协议，被称为 “AI 的 USB-C 接口”，核心是让大模型（LLM）通过标准化方式安全、灵活地调用外部工具、数据库、API 与文件系统，打破数据孤岛。
从架构来看，MCP基于C/S（客户端-服务端）模式实现，因此要完成MCP调用，需分别搭建MCP服务端（暴露工具方法）和MCP客户端（调用服务端方法）。
本文将基于Spring Ai Alibaba生态，完整实现“本地方法封装为MCP服务 + 客户端调用MCP服务”的全流程，步骤清晰、可直接落地。
二、Spring AI MCP的介绍

Spring AI MCP 为模型上下文协议提供 Java 和 Spring 框架集成。它使 Spring AI 应用程序能够通过标准化的接口与不同的数据源和工具进行交互，支持同步和异步通信模式。整体架构如下：

三、搭建本地MCP服务端

1. 添加依赖

1. <dependency>
2.   <groupId>org.springframework.boot</groupId>
3.   spring-boot-starter</artifactId>
4. </dependency>
6. <dependency>
7.   <groupId>org.springframework.ai</groupId>
8.   spring-ai-starter-mcp-server-webflux</artifactId>
9.   <version>1.1.2</version>
10. </dependency>

复制代码

注意：
此处未使用常规的spring-boot-starter-web（内置Tomcat），因为spring-ai-starter-mcp-server-webflux与Tomcat存在冲突。使用spring-boot-starter会默认通过Netty启动服务，适配MCP服务端要求。
2. 配置服务端application.yml

1. server:
2.   port: 8088  # 服务端口，可自定义
3.   servlet:
4.     encoding:
5.       enabled: true
6.       force: true
7.       charset: UTF-8  # 避免中文乱码
8. spring:
9.   application:
10.     name: local-mcp-server # 服务端应用名称
11.   ai:
12.     mcp:
13.       server:  
14.         type: async  # 异步模式，提升调用性能
15.         name: local-mcp-server  # MCP服务名称
16.         version: 1.0.0  # 服务版本

复制代码

3. 添加工具方法

创建工具类，将需要对外暴露的方法用@Tool注解标记，并将该类交给Spring容器管理：

1. @Service
2. public class WeatherService {
4.           /**
5.      * 根据城市名称获取天气信息
6.      * @param city 城市名称
7.      * @return 天气描述
8.      */
9.     @Tool(description = "根据城市名称获取天气信息")
10.     public String getWeatherByCity(String city) {
11.         return city + " 今天天气很好！";
12.     }
13. }

复制代码

4. 添加MCP服务配置（McpServerConfig）

创建配置类，通过ToolCallbackProvider将工具类（WeatherService）封装为MCP服务：

1. @Configuration
2. public class McpServerConfig {
4.     @Bean
5.     public ToolCallbackProvider weatherTools(WeatherService weatherService) {
6.         return MethodToolCallbackProvider.builder()
7.                 .toolObjects(weatherService)
8.                 .build();
9.     }
10. }

复制代码

5. 启动mcp-server 服务

启动Spring Boot应用，查看控制台输出，确认服务启动成功（重点关注Netty启动信息）：

1. 2026-03-19T14:33:17.730+08:00  INFO 35517 --- [local-mcp-server] [           main] o.s.b.web.embedded.netty.NettyWebServer  : Netty started on port 8088 (http)
2. 2026-03-19T14:33:17.734+08:00  INFO 35517 --- [local-mcp-server] [           main] com.jcq.server.McpServerApplication      : Started McpServerApplication in 1.198 seconds

复制代码

可以看到服务使用netty成功启动，端口是8088
四、搭建MCP客户端

1. 添加依赖

client端正常配置spring-boot-starter-web，使用tomcat启动服务。

1. <dependency>
2.     <groupId>org.springframework.boot</groupId>
3.     spring-boot-starter-web</artifactId>
4. </dependency>
6. <dependency>
7.     <groupId>com.alibaba.cloud.ai</groupId>
8.     spring-ai-alibaba-agent-framework</artifactId>
9.     <version>1.1.2.0</version>
10. </dependency>
13. <dependency>
14.     <groupId>com.alibaba.cloud.ai</groupId>
15.     spring-ai-alibaba-starter-dashscope</artifactId>
16.     <version>1.1.2.0</version>
17. </dependency>
18. <dependency>
19.     <groupId>org.springframework.ai</groupId>
20.     spring-ai-starter-mcp-client</artifactId>
21.     <version>1.1.2</version>
22. </dependency>

复制代码

2. 配置客户端application.yml

1. spring:
2.   application:
3.     name: spring-ai-alibaba-agent # 客户端应用名称
4.   ai:
5.     dashscope:
6.       api-key: ${AliQwen_API}  # 通义千问API密钥，建议通过环境变量配置，避免硬编码
7.     mcp:
8.       client:
9.         type: async  # 与服务端一致，异步调用
10.         request-timeout: 60s # 调用超时时间，可根据实际调整
11.         toolcallback:
12.           enabled: true # 启用工具回调，用于接收服务端响应
13.         sse: # mcp类型
14.           connections:
15.             local-mcp-server: # 这里表示mcp服务名称
16.               url: http://localhost:8088 # MCP服务端地址（对应服务端ip端口）

复制代码

3. 编写测试接口

1. @RestController
2. public class McpClientController {
4.     @Resource
5.     private ToolCallbackProvider toolCallbackProvider;
7.           /**
8.      * 测试MCP服务调用：查询指定城市天气
9.      * 访问地址：http://localhost:8080/mcpTest（客户端端口默认8080，可自定义）
10.      */
11.     @GetMapping("mcpTest")
12.     private void mcpTest() throws GraphRunnerException {
14.               // 1. 初始化DashScope聊天模型（可替换为其他LLM模型）
15.         ChatModel chatModel = getChatModel();
17.               // 2. 获取MCP服务端暴露的工具方法
18.         ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();
20.         System.out.printf("""
21.                         =====Find the tools from spring ToolCallbackProvider=====
22.                         %s
23.                         """,
24.                 JSON.toJSONString(toolCallbacks));
26.         // 3. 构建智能体并绑定mcp服务
27.         ReactAgent agent = ReactAgent.builder()
28.                 .name("ip_search")
29.                 .model(chatModel)
30.                 .description("你是一个天气查询助手")
31.                 .saver(new MemorySaver())
32.                 .toolCallbackProviders(toolCallbackProvider)
33.                         .build();
35.         // 4. 配置运行参数
36.         RunnableConfig config = RunnableConfig.builder()
37.                 .threadId("session")
38.                 .build();
40.         // 5. 流式调用agent
41.         Flux<NodeOutput> stream = agent.stream("上海天气怎么样", config);
42.         StringBuffer answerString = new StringBuffer();
43.         stream.doOnNext(output -> {
44.                     if (output.node().equals("_AGENT_MODEL_")) {
45.                         answerString.append(((StreamingOutput<?>) output).message().getText());
46.                     }
47.                     else if (output.node().equals("_AGENT_TOOL_")) {
48.                         answerString.append("\nTool Call:").append(((ToolResponseMessage) ((StreamingOutput<?>) output).message()).getResponses().get(0)).append("\n");
49.                     }
50.                 })
51.                 .doOnComplete(() -> System.out.println(answerString))
52.                 .doOnError(e -> System.err.println("Stream Processing Error: " + e.getMessage()))
53.                 .blockLast();
54.     }
56.           /**
57.      * 初始化DashScope聊天模型（通义千问）
58.      * @return ChatModel 聊天模型实例
59.      */
60.     private static  ChatModel getChatModel() {
61.         DashScopeApi dashScopeApi = DashScopeApi.builder()
62.                 .apiKey(System.getenv("AliQwen_API"))
63.                 .build();
65.         return DashScopeChatModel.builder()
66.                 .dashScopeApi(dashScopeApi)
67.                 .build();
68.     }
70. }

复制代码

4. 运行测试，查看结果

• 确保MCP服务端（8088端口）已启动；
  
• 启动MCP客户端，访问接口：http://localhost:8080/mcpTest
  
• 查看客户端控制台输出，若出现以下内容，说明MCP服务调用成功：
  

1. Tool Call:ToolResponse[id=call_b8f00f883a784fc1b35603, name=getWeatherByCity, responseData=[{"text":""上海 今天天气很好！""}]]

复制代码

五、总结

本文通过Spring Ai Alibaba，实现了MCP协议的本地服务落地，服务端获取天气逻辑后续可以替换为真实调用api接口。
欢迎大家关注我，下一篇文章我将介绍一下如何调用MCP市场上的公开服务，敬请期待～

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！