Spring AI integration with MCP (Model Context Protocol)

Spring AI 与 MCP（Model Context Protocol）集成

Model Context Protocol（MCP） 是一种标准化协议，可让 AI 模型以结构化的方式与外部工具和资源交互。它支持多种传输机制，以适应不同环境。

MCP Java SDK 提供了 Model Context Protocol 的 Java 实现，可通过同步和异步通信模式，实现与 AI 模型和工具的标准化交互。

Spring AI MCP 基于 Spring Boot 扩展了 MCP Java SDK，提供客户端和服务端启动器。使用 Spring Initializer 为 AI 应用添加 MCP 支持，快速搭建应用。

MCP Java SDK 架构

Java MCP 实现采用三层架构

• 客户端/服务端层：McpClient 处理客户端操作，而 McpServer 管理服务端协议操作。两者都使用 McpSession 管理通信。

• 会话层（McpSession）：通过 DefaultMcpSession 实现管理通信模式和状态。

• 传输层（McpTransport）：负责 JSON-RPC 消息的序列化和反序列化，并支持多种传输实现。

MCP 客户端

MCP 客户端是 Model Context Protocol（MCP）架构中的关键组件，负责与 MCP 服务建立和管理连接。

MCP 客户端

MCP 服务端是 Model Context Protocol（MCP）架构的基础组件，为客户端提供工具、资源和功能。

什么是 MCP？

MCP 采用客户端-服务端架构，包含几个关键组件：

MCP Host： 是我们的主应用，它集成了大模型，并需要连接外部数据源

MCP 客户端： 是建立并维护与 MCP 服务一对一连接的组件

MCP 服务端： 是与外部数据源集成并提供与其交互功能的组件

工具：指 MCP 服务端公开给客户端调用的可执行函数/方法 此外，为了处理客户端和服务端之间的通信，MCP 提供了两种传输通道。

为了通过标准输入和输出流与本地进程及命令行工具通信，MCP 提供了标准输入/输出（stdio）传输类型。此外，针对客户端和服务端之间基于 HTTP 的通信，MCP 提供了服务器发送事件（SSE）传输类型。

示例中实现了什么？

在本教程中，MCP 服务端连接到 Postgresql 数据库并获取数据，我们还在 MCP 服务端公开了两个工具。MCP 客户端连接到 MCP 服务端，并根据提示词由大模型决定要调用哪个工具。

步骤 1：创建 Postgresql 数据库

运行 docker-compose.yml 文件，并运行 table.sql 创建表。

步骤 2：在本地运行 ollama

下载 ollama，并根据你的机器性能运行任意模型

步骤 3：创建 MCP 服务端

下载 mcp-server 项目并运行。

需要注意的重要类 - SellerAccountTools

@Service
public class SellerAccountTools {
    private final SellerAccountRepository sellerAccountRepository;

    public SellerAccountTools(SellerAccountRepository sellerAccountRepository) {
        this.sellerAccountRepository = sellerAccountRepository;
    }

    @Tool(name = "Search Seller account by name", description = "Find all Seller Accounts by name")
    public String getAccountByName(
            @ToolParam(description = "Seller Account Name") String name) {
        List<SellerAccount> accountList = sellerAccountRepository.findByName(name);
        StringBuilder result = new StringBuilder();
        for (SellerAccount account : accountList) {
            result.append(account.toString()).append("\n");
        }
        return result.toString();
    }

    @Tool(description = "Find all Seller Accounts by owner")
    public String getAccountByOwner(
            @ToolParam(description = "Seller Account owner") String owner) {
        List<SellerAccount> accountList = sellerAccountRepository.findByOwner(owner);
        StringBuilder result = new StringBuilder();
        for (SellerAccount account : accountList) {
            result.append(account.toString()).append("\n");
        }
        return result.toString();
    }
}

说明

• 工具允许服务端公开可供大模型调用的工具。在此示例中，我创建了两个工具，分别按名称和所有者搜索 account 表。
• 根据提示词，AI 大模型会自动选择正确的方法，但我们需要正确编写名称和描述

步骤 4：创建 MCP 客户端

下载 mcp-client 项目并运行。

步骤 5：测试

数据库表数据

使用 Promts 进行测试

在这里可以看到，大模型会根据提示词自动选择正确的工具并返回结果，同时还会对结果进行格式化。