> ## Documentation Index
> Fetch the complete documentation index at: https://blog.pig4cloud.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Spring AI 再进化，支持 MCP 协议

Model Context Protocol (MCP) 是一种开放标准，旨在促进人工智能（AI）系统与各种数据源之间的安全双向连接。它为 AI 应用程序提供了统一的接口，使其能够高效地访问和利用外部数据，从而取代了以往需要为每个数据源定制集成的复杂做法\[1]\[7]\[10]。

[https://modelcontextprotocol.io/docs/concepts/architecture](https://modelcontextprotocol.io/docs/concepts/architecture)

![1736129106](https://minio.pigx.vip/oss/202501/1736129106.png)

## 是什么？

Model Context Protocol（MCP）是由Anthropic推出的一项开放协议，旨在促进大型语言模型（LLM）与外部数据源之间的无缝集成。MCP通过提供一个标准化的客户端-服务器架构，使得不同的AI应用能够高效地访问和共享本地及远程资源，从而解决了数据孤岛问题。

MCP 协议让开发者能够以统一的方式，连接各种本地或远程资源。

## 统一标准：

开发者只需要针对 MCP 进行一次开发，就能够实现与各种数据来源的对接，免去为每个数据源编写单独连接器的麻烦，从而大幅减少开发和维护的成本。

### 支持多种数据格式

MCP 能够处理各种不同的数据，包括结构化数据（如数据库）和非结构化数据（如文本或影像），这使得开发者可以在不考虑数据格式的情况下，轻松地将不同来源的资料整合到一起。

### 无缝整合

开发者可以在一个统一的界面中，从多个来源同时获取并操作数据。例如，MCP 让你可以在语言模型的聊天界面中，直接访问 GitHub、Google Drive 等资源，让团队协作更加流畅，提升工作流程效率。

## 和 function calling 的区别

MCP（多协议通信）提供了一种灵活且高效的数据交换机制，支持跨系统的通信和数据交换。它通过协议标准化，简化了分布式系统的开发，并有效降低了长期生态开发的成本，实现了数据共享和上下文协同等高级功能。

相较之下，Function Calling 主要适用于简单任务，且与具体的 AI 应用紧密绑定。**在实际应用中，Function Calling 一旦设计完毕，通常很难在其他业务场景中复用。而 MCP 的设计初衷是为了应对跨系统、跨工具的复杂场景，它着重解决了复用性和系统间交互的问题，使得数据和功能能够在不同系统间灵活传递，从而提升了系统的整体协同效率。**

## Spring AI MCP

![1736130236](https://minio.pigx.vip/oss/202501/1736130236.png)

### 添加依赖

```xml theme={null}
	<dependencyManagement>
		<dependencies>
			<dependency>
				<groupId>org.springframework.ai</groupId>
				<artifactId>spring-ai-bom</artifactId>
				<version>1.0.0-M5</version>
				<type>pom</type>
				<scope>import</scope>
			</dependency>
		</dependencies>
	</dependencyManagement>

	<dependencies>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter</artifactId>
		</dependency>

		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
		</dependency>

		<dependency>
			<groupId>org.springframework.experimental</groupId>
			<artifactId>spring-ai-mcp</artifactId>
			<version>0.4.1</version>
		</dependency>

	</dependencies>
```

### 增加配置

* application.properties

```
spring.ai.openai.base-url=https://api.openai-hk.com
spring.ai.openai.api-key=XXX
```

### MCP Client 实现

业务目标，让 MCP 直接加载当前公众号推文，让大模型提出修改意见

```java theme={null}
	@Bean
	public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,
			List<McpFunctionCallback> functionCallbacks, ConfigurableApplicationContext context) {

		return args -> {
			var chatClient = chatClientBuilder
					.defaultFunctions(functionCallbacks.toArray(new McpFunctionCallback[0]))
					.build();
			String question1 = "mcp.txt 这篇文档有什么建议吗？方便公众号传播推广";
			System.out.println("ASSISTANT: " + chatClient.prompt(question1).call().content());
			context.close();
		};
	}

	@Bean
	public List<McpFunctionCallback> functionCallbacks(McpSyncClient mcpClient) {

        return mcpClient.listTools(null)
                .tools()
                .stream()
                .map(tool -> new McpFunctionCallback(mcpClient, tool))
                .toList();
	}

	@Bean(destroyMethod = "close")
	public McpSyncClient mcpClient() {
		var stdioParams = ServerParameters.builder("npx")
				.args("-y", "@modelcontextprotocol/server-filesystem", getDbPath())
				.build();

		var mcpClient = McpClient.using(new StdioClientTransport(stdioParams))
				.requestTimeout(Duration.ofSeconds(10)).sync();

		var init = mcpClient.initialize();

		System.out.println("MCP Initialized: " + init);

		return mcpClient;

	}

	private static String getDbPath() {
		return Paths.get(System.getProperty("user.dir"), "target").toString();
	}

```

## 测试执行

运行以下命令来启动Spring Boot应用，测试MCP功能：

```
mvn springboot:run
```