Spring AI + MCP 将后端服务改造成 MCP 服务实践

Spring AI + MCP 将后端服务改造成 MCP 服务实践

本文主要介绍 Spring AI 与 MCP 的集成实践。

一、SpringBoot 版本要求

接下来介绍如何将我们的后端服务改造成 MCP 服务，首先，SpringAI 对 SpringBoot 版本有要求，需要 SpringBoot 3.4.x 及以上版本，本文案例使用 3.4.12 版本。如果原有服务版本不是 3.4.x 的，需要升级，JDK 版本最低需要 JAVA 17。我们可以先创建一个简单的项目来帮助我们了解 MCP 的落地效果，然后再慢慢升级已有的服务。

二、服务端（Server）开发

看过 MCP 文档的都知道，MCP 主要包含 服务端（Server）和 客户端 (Client)，我们先创建一个服务端的 springboot 项目 spring-ai-mcp-server，注意 springboot 的版本需要 3.4.x 或以上。

1. 在 pom.xml 中添加 Maven 依赖和 spring-ai 相关配置

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
</dependencies>
<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>

2. 在 application.yml 中配置项目信息

spring:
  application:
    name: spring-ai-mcp-server
  ai:
    mcp:
      server:
        name: spring-ai-mcp-server
        version: 1.0.0
  server:
    port: 8888

3. 编写 Service，并标注为 MCP 工具

这里的 Service 和我们后端服务的 Service 一样的，就是多了 MCP 工具标注@Tool。

package com.example.springaimcpserver.service;

import lombok.extern.slf4j.Slf4j;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;
import com.example.springaimcpserve.pojo.param.EmployeeQueryParam;
import com.example.springaimcpserve.pojo.vo.EmployeeVO;

@Slf4j
@Service
public class MyMcpService {

    @Tool(name = "get-company-info", description = "获取公司全称")
    public String getCompanyInfo() {
        log.info("获取公司全称");
        return "xxx 有限责任公司";
    }

    @Tool(name = "get-dep-info", description = "获取部门列表")
    public List<String> getDepList() {
        log.info("获取部门列表");
        return List.of("研发部", "人事部", "销售部", "广告部", "......");
    }

    @Tool(name = "get-all-employee-list", description = "获取所有员工列表")
    public List<String> getAllEmployeeList() {
        log.info("获取所有员工列表");
        return List.of("张三", "李四", "小明", "小红", "小花", "小军", "小勇", "小兰");
    }

    @Tool(name = "get-dep-employee-list", description = "获取部门员工列表")
    public List<EmployeeVO> getDepEmployeeList(EmployeeQueryParam param) {
        log.info("获取{}部门员工列表", param.getDepartment());
        Map<String, List<EmployeeVO>> map = new HashMap<>();
        map.put("研发部", List.of(new EmployeeVO("张三", "研发部"), new EmployeeVO("李四", "研发部")));
        map.put("人事部", List.of(new EmployeeVO("小明", "人事部"), new EmployeeVO("小红", "人事部")));
        map.put("销售部", List.of(new EmployeeVO("小花", "销售部"), new EmployeeVO("小军", "销售部")));
        map.put("广告部", List.of(new EmployeeVO("小勇", "广告部"), new EmployeeVO("小兰", "广告部")));
        return map.get(param.getDepartment());
    }

    @Tool(name = "get-employee-count", description = "获取员工数量")
    public Integer getEmployeeCount() {
        log.info("获取员工数量");
        return 8;
    }
}

为了演示方便，这里的数据都是虚构的，实际应用中直接从数据库获取，上述代码中涉及到的实体类如下：

员工信息实体 EmployeeVO

package com.example.springaimcpserver.pojo.vo;

import lombok.Data;
import org.springframework.ai.tool.annotation.ToolParam;

@Data
public class EmployeeVO {
    @ToolParam(description = "姓名")
    private String name;

    @ToolParam(description = "部门")
    private String department;

    //构造函数
    public EmployeeVO(String name, String department) {
        this.name = name;
        this.department = department;
    }
}

员工信息查询参数 EmployeeQueryParam

package com.example.springaimcpserver.pojo.param;

import lombok.Data;
import org.springframework.ai.tool.annotation.ToolParam;

@Data
public class EmployeeQueryParam {
    @ToolParam(description = "部门")
    private String department;
}

上面的 Service 和相关实体仅仅只是比我们平常开发多了 MCP 的相关注解，不影响 Controller 的调用，也就是可以同时使用接口直接调用，也可以通过 MCP 调用，后面继续讲解如何实现 MCP 方式调用。

服务编写好之后，我们需要将该服务里面的方法配置成可以调用的 MCP 工具，可以理解成工具注册。

4. 编写配置类，将 Service 里面的工具暴露出来

package com.example.springaimcpserver.config;

import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import com.example.springaimcpserver.service.MyMcpService;

@Configuration
public class ToolCallbackProviderConfig {

    @Autowired
    private MyMcpService myMcpService;

    @Bean
    public ToolCallbackProvider toolCallbackProvider() {
        //这里可以添加多个服务类，多个的时候直接在 toolObjects 里面传多个即可
        return MethodToolCallbackProvider.builder().toolObjects(myMcpService).build();
    }
}

上面的代码都编写好以后，我们的 MCP 的服务端就开发好了，接下来开发客户端。

三、客户端（Client）开发

创建一个新的 springboot 项目 spring-ai-mcp-client，注意 springboot 的版本需要 3.4.x 或以上。MCP 架构是大模型驱动的，所以我们还需大模型的支持，这里使用的是 deepseek。

然后去 API keys 里面创建一个 key，用来调用 deepseek 的接口（Spring AI 自动调用，我们不需要手动调用，只需要配置到我们的项目中即可，后面会讲到配置在什么地方）。

1. 在 pom.xml 中添加 Maven 依赖和 spring-ai 相关配置以及 deepseek 的依赖配置

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-client</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-deepseek</artifactId>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
</dependencies>
<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>

2. 在 application.yml 中配置项目信息以及 deepseek 配置

spring:
  application:
    name: spring-ai-mcp-client
  ai:
    mcp:
      client:
        name: spring-ai-mcp-client
        version: 1.0.0
        toolcallback:
          enabled: true
          type: sync
        sse:
          connections:
            server1:
              url: http://localhost:8888
    deepseek:
      api-key: "这里替换成你的 API key"
  server:
    port: 8880

上面配置了我们的 MCP 服务端的地址以及使用的大模型 deepseek 的 API key。

3. 编写 Controller 提供对外访问的统一接口

package com.example.springaimcpclient.controller;

import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping(value = "/chat")
public class MyChatController {

    @Autowired
    private ChatClient.Builder builder;

    @Autowired
    private SyncMcpToolCallbackProvider provider;

    @PostMapping("/ask")
    public String ask(@RequestParam("question") String question) {
        ChatClient chatClient = builder.defaultSystem(
                "你是 xxx 公司的一名行政 AI 助手，你的名字叫小静。你可以帮助用户解答关于 xxx 公司相关的知识").build();
        return chatClient.prompt().user(question).toolCallbacks(provider.getToolCallbacks()).call().content();
    }
}

四、效果演示

1. 启动服务端（8888 端口）

启动成功后，可以看到有五个工具，也就是我们 service 里面加了@Tool 注解的 5 个方法。

2. 启动客户端（8880 端口）

3. 访问客户端 controller 里面的 /chat/ask 接口，通过聊天方式调用你的 MCP 服务。

我这里使用 postman 作为演示工具，输入问题查看效果：公司有多少人？有哪些部门？每个部门有多少人？张三是哪个部门的？

可以看到，我们只有一个聊天的接口，并没有指定去调用服务端的某个方法，使用 MCP 架构之后，AI 能够自动的去识别和编排工具（方法）的调用顺序，服务端的日志如下：

此致，整个案例的落地分享结束。