Spring AI 实战：基于 SSE 构建 MCP Server 与 Client

定义服务类 MathTool

我们需要定义具体的工具方法供大模型调用。这里创建一个简单的数学计算工具。

package com.example.tool;

import org.springframework.ai.tool.annotation.Tool;

public class MathTool {

    @Tool(description = "两个数字相加")
    public static int addNumbers(int a, int b) {
        return a + b;
    }

    @Tool(description = "两个数字相减")
    public static int subtractNumbers(int a, int b) {
        return a - b;
    }
}

配置类注入到 Spring 容器

为了让 Spring AI 识别这些工具，需要将其注册为 ToolCallbackProvider。

package com.example.test_mcp_server.config;

import com.example.tool.MathTool;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class McpConfig {

    @Bean
    public ToolCallbackProvider mathTool() {
        return MethodToolCallbackProvider.builder()
                .toolObjects(new MathTool())
                .build();
    }
}

修改配置文件 application.yaml

配置服务端名称、版本以及 SSE 端点路径。

server:
  port: 8080

spring:
  application:
    name: math_mcp_server
  ai:
    mcp:
      server:
        enabled: true
        name: test_mcp_server
        version: 1.0.0
        sse-endpoint: /api/v1/sse
        sse-message-endpoint: /api/v1/mcp
        capabilities:
          tool: true
        logging:
          level:
            io.modelcontextprotocol: TRACE
            org.springframework.ai.mcp: TRACE

启动服务后，控制台会提示已注册两个 Tool，说明服务端初始化成功。

三、如何使用 MCP Server

方式一：使用 Chatbox 连接 MCP Server

这是最快捷的验证方式。

1. 设置 AI 模型提供方：在 Chatbox 中配置智谱等模型 API Key。
2. 配置 MCP 服务器：点击左侧 MCP 菜单，添加服务器地址和本地 SSE 端点。
3. 测试连接：务必点击'测试'按钮完成握手，否则工具无法加载。
4. 使用工具：发起对话询问工具功能或执行计算，如'8 加 7 等于几'，AI 会自动调用对应的 Tool。

方式二：开发一个 Client 来连接 Server

如果你需要在自己的应用中集成 MCP 能力，可以开发一个 Java Client。

创建 Java 工程

同样基于 Spring Boot，Artifact 名可改为 test-mcp-client。

修改 pom.xml，添加核心依赖

除了 Web 依赖外，需要引入 ZhipuAI 模型 Starter 和 MCP Client WebFlux 依赖。

<properties>
    <java.version>17</java.version>
    <spring-ai.version>1.1.2</spring-ai.version>
</properties>
<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <!-- 调用智谱系列大模型的依赖 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-zhipuai</artifactId>
    </dependency>
    <!-- MCP Client 依赖 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-client-webflux</artifactId>
    </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>

配置 application.yaml

重点在于配置 Client 如何连接到 Server 的地址。

server:
  port: 8081

spring:
  application:
    name: test-mcp-client
  ai:
    zhipuai:
      api-key: ${ZHIPU_KEY}
      base-url: "https://open.bigmodel.cn/api/paas"
      chat:
        options:
          model: glm-4-flash
    mcp:
      client:
        sse:
          connections:
            server1:
              url: http://localhost:8080
              sse-endpoint: /api/v1/sse

创建 Controller

利用 ChatClient 默认绑定工具回调，实现对外接口。

package com.example.test_mcp_client.controller;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/mcp")
public class ConnectMcpServer {

    private final ChatClient chatClient;

    public ConnectMcpServer(ChatClient.Builder builder, ToolCallbackProvider toolCallbackProvider) {
        this.chatClient = builder
                .defaultToolCallbacks(toolCallbackProvider.getToolCallbacks())
                .build();
    }

    @GetMapping("/test")
    public String test(@RequestParam(name = "query") String query) {
        return chatClient.prompt()
                .system("你是一个有用的 AI 助手")
                .user(query)
                .call()
                .content();
    }
}

启动 Client 服务后，访问 http://localhost:8081/mcp/test?query=8 加 6 等于几，即可看到 Server 端的日志输出，证明工具调用链路打通。

四、参考资料

• Spring AI 官网：https://docs.spring.io/spring-ai/reference/index.html