开发 Java MCP 服务像写 Controller 一样简单，支持 Java 8

提示：启动项目后，即可使用 McpClientProvider 或 Claude Desktop 连接端点进行测试。

2. 除了注解开发外，支持'动态构建'：

对于需要动态加载工具的场景，Solon-AI 提供了灵活的 Builder 模式，支持在运行时编排 AI 技能。

@Configuration
public class McpServerConfig {
    @Bean("mcp-weather")
    public McpServerEndpointProvider serverEndpoint() {
        McpServerEndpointProvider serverEndpoint = McpServerEndpointProvider.builder()
                .name("mcp-weather")
                .channel(McpChannel.STDIO)
                .build();
        FunctionToolDesc weatherTool = new FunctionToolDesc("get_weather")
                .description("获取指定城市的天气情况")
                .stringParamAdd("location", "根据用户提到的地点推测城市")
                .doHandle(map -> { return "24 度"; });
        serverEndpoint.addTool(new MethodToolProvider(weatherTool));
        return serverEndpoint;
    }
}

3. 强大的协议代理转换

这是 Solon-AI 的一大绝活：支持跨协议代理。例如，你可以将本地运行的 STDIO 工具通过 Solon 包装，转为更适合集群部署的 STREAMABLE_STATELESS（无状态流）传输。

@McpServerEndpoint(channel = McpChannel.STREAMABLE_STATELESS, mcpEndpoint = "/mcp")
public class McpServerTool implements ToolProvider {
    private McpClientProvider stdioToolProvider = McpClientProvider.builder()
            .channel(McpChannel.STDIO)
            // 表示使用 stdio.command("npx").args("-y","@gitee/mcp-gitee@latest")
            .addEnvVar("GITEE_API_BASE", "https://gitee.com/api/v5")
            .addEnvVar("GITEE_ACCESS_TOKEN", "<your personal access token>")
            .build();

    @Override
    public Collection<FunctionTool> getTools() {
        return stdioToolProvider.getTools();
    }
}

4. 支持'反向通讯'，比如：Sampling 采样

MCP 不仅仅是'模型调工具'，还支持'工具调模型'。Solon-AI 完整支持了 Sampling（采样）能力，允许服务端在执行工具时，反向请求客户端协助处理。

// 客户端
public class SamplingClientDemo {
    public void test() {
        McpClientProvider clientProvider = McpClientProvider.builder()
                .url("http://localhost:8080/mcp")
                .customize(spec -> {
                    spec.capabilities(McpSchema.ClientCapabilities.builder().sampling().build());
                    spec.sampling(req -> Mono.just(
                        McpSchema.CreateMessageResult.builder()
                            .content(new McpSchema.TextContent("test"))
                            .build()
                    ));
                })
                .build();
        clientProvider.callToolAsText("demo", Utils.asMap("a", 1)).getContent();
    }
}

// 服务端
@McpServerEndpoint(channel = McpChannel.STREAMABLE, mcpEndpoint = "/mcp")
public class SamplingServerDemo {
    // 可以注入 exchange（实现反向通讯：服务端向客户端请求）
    @ToolMapping(description = "复杂任务拆解")
    public Mono<McpSchema.CreateMessageResult> demo(McpAsyncServerExchange exchange) {
        // 服务端向客户端请求 AI 采样决策
        return exchange.createMessage(
            McpSchema.CreateMessageRequest.builder()
                .messages(Collections.singletonList(
                    McpSchema.PromptMessage.builder()
                        .role(McpSchema.Role.USER)
                        .content(new McpSchema.TextContent("请帮我拆解这个任务..."))
                        .build()
                ))
                .build()
        );
    }
}

5. '三合一'的超级客户端

McpClientProvider 实现了 Solon AI 体系内的 ToolProvider、ResourceProvider 和 PromptProvider。这意味着：连接一个 Server，即刻获得全量 AI 能力包。

McpClientProvider clientProvider = McpClientProvider.builder()
        .channel(McpChannel.STREAMABLE)
        .url("http://localhost:8080/mcp")
        .build();
// 获取所有工具原语
clientProvider.getTools();
// 获取所有模板原语
clientProvider.getResources();
// 获取所有资源模板原语
clientProvider.getResourceTemplates();
// 获取所有提示词原语
clientProvider.getPrompts();

为 ChatModel 赋能：

ChatModel chatModel = ChatModel.of(apiUrl).defaultToolAdd(clientProvider).build();
ReActAgent agent = ReActAgent.of(chatModel);

为 ReActAgent 赋能：

ChatModel chatModel = ChatModel.of(apiUrl).build();
ReActAgent agent = ReActAgent.of(chatModel).defaultToolAdd(clientProvider).build();

三、生产级的稳健性

在生产环境下，连接的稳定性与响应速度至关重要：

• 自愈能力：内置心跳检测（Ping），链路断开自动重连，确保 Agent 永不失联。
• 高性能缓存：支持工具列表与资源元数据缓存，减少网络开销，让 AI 响应'秒开'。
• 多通道支持：无论是跨进程的 STDIO 模式，还是跨网络的 STREAMABLE 模式，Solon-AI 都能丝滑切换。
• Skill 赋能：通过 MCP 获取的原语可直接转化为 Solon AI Skills，构建高度模块化的 Agent 技能树。

四、借助 Skills 实现智能加载（智能分发）

通过 Solon AI Skills 的智能路由，你可以避免模型因工具过多而产生幻觉，同时注入本地业务指令。

import org.noear.solon.ai.chat.skill.Skill;
import org.noear.solon.ai.chat.skill.SkillDesc;
import org.noear.solon.ai.mcp.McpChannel;
import org.noear.solon.ai.mcp.client.McpClientProvider;

public class McpSkillDemo {
    public void test() {
        // 1. 创建 MCP 客户端，从远端获取工具生态
        // 这里假设远端 Server 提供了如 "restart_server", "query_log" 等运维工具
        McpClientProvider devopsMcpProvider = McpClientProvider.builder()
                .channel(McpChannel.STREAMABLE)
                .url("http://devops-center:8080/mcp")
                .build();

        // 2. 使用 SkillDesc 将 MCP 工具集包装成一个'智能运维技能'
        Skill devopsSkill = SkillDesc.builder("devops-skill")
                .description("高级运维管理技能，支持服务器状态查询与故障处理")
                // 智能分发：只有当用户提问包含'服务器'、'重启'、'日志'时才激活此技能
                .isSupported("服务器", "重启", "日志", "负载")
                // 动态指令：为技能注入特殊的 System Prompt 引导
                .instruction(prompt -> {
                    return "你现在是一名高级架构师。在执行重启操作前，请务必确认操作人的权限。";
                })
                // 挂载工具：核心一步！直接将 MCP 获取的所有工具注入到该技能中
                .toolAdd(devopsMcpProvider)
                // 钩子函数：当技能被挂载到会话时触发逻辑（如：记录审计日志）
                .onAttach(prompt -> {
                    System.out.println("检测到运维相关指令，DevOps 技能已就绪...");
                })
                .build();

        // 3. 应用技能：将技能交给 Agent
        ChatModel chatModel = ChatModel.of(apiUrl).build();
        ReActAgent agent = ReActAgent.of(chatModel).defaultSkillAdd(devopsSkill).build();
        // 此时 Agent 只有在聊到运维话题时，才会通过 MCP 协议去调用对应的远端工具
        agent.prompt("帮我查一下 server-01 的负载情况").call();
    }
}

五、Solon-AI + MCP 的典型场景

场景 A：企业私有数据助手

通过 Solon-AI 构建一个 MCP Server，将企业的 ERP、CRM 系统通过 @ResourceMapping 暴露。AI 助手可以直接读取实时业务数据，而无需你手动编写复杂的数据抓取逻辑。

场景 B：跨语言工具链整合

你的团队可能有用 Python 写的算法脚本，现在只需将其包装成一个 MCP Server，Solon-AI 的客户端就能通过标准协议调用它，打破 Java 与 Python 的隔离。

场景 C：智能 IDE 与本地自动化

利用 Solon-AI 的 STDIO 通道，你可以编写 Java 程序作为本地插件，直接接入 Claude Desktop 或其他支持 MCP 的编辑器，实现用自然语言操控本地系统。

六、总结

Solon-AI 轻量强大，兼容 Java 8 至 Java 25。它为 Java 开发者提供了一种低门槛、高兼容性的 MCP 实践方案。