引言

当大型语言模型首次出现时，用户必须将代码复制并粘贴到文本界面才能与其交互。这很快就被证明是不够的，因此需要自定义集成以更好地加载上下文。然而，这些集成是分散的，需要单独开发。模型上下文协议(MCP) 通过提供通用协议来解决此问题，以便与本地和远程资源进行高效的 AI 交互。

一、MCP概念

MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。

二、MCP架构

MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：

• MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
• MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。
• MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
• 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
• 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）

2.1 基于Java（springboot）的MCP应用架构图

2.2 MCP Client

MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：

• MCP client 首先从 MCP server 获取可用的工具列表。
• 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。
• LLM 决定是否需要使用工具以及使用哪些工具。
• 如果需要使用工具，MCP client 会通过 MCP server 执行相应的工具调用。
• 工具调用的结果会被发送回 LLM。
• LLM 基于所有信息生成自然语言响应。
• 最后将响应展示给用户。
  我们可以在：https://modelcontextprotocol.io/clients，找到当前支持 MCP 协议的客户端程序。

2.3 MCP Server

MCP server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：

• 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。
• 工具（Tools）：可以被 LLM 调用的函数（需要用户批准）。
• 提示（Prompts）：预先编写的模板，帮助用户完成特定任务。

这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。
我们可以在https://github.com/modelcontextprotocol/servers 和 https://github.com/punkpeye/awesome-mcp-servers 这两个 repo 中找到许多由社区实现的 MCP server。使用 TypeScript 编写的 MCP server 可以通过 npx 命令来运行，使用 Python 编写的 MCP server 可以通过 uvx 命令来运行。

三、 Java项目引入MCP协议示例

3.1 引入Maven依赖

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

3.2 创建MCP Tool Server

@Configuration
class McpConfig {

    @Bean
    McpServer mcpServer(List<FunctionCallback> callbacks) {
        // Convert Spring AI callbacks to MCP tools
        List<ToolRegistration> tools = ToolHelper.toToolRegistration(callbacks);

        return McpServer.using(transport)
            .info("spring-ai-server", "1.0.0")
            .tools(tools)
            .sync();
    }

    @Bean
    FunctionCallback calculatorFunction() {
        return FunctionCallback.builder()
            .name("calculator")
            .description("Basic calculator")
            .function(input -> {
                // Function implementation
                return result;
            })
            .build();
    }
}

配置说明：

1. 创建 Spring AI 函数回调
2. 使用 ToolHelper 将其转换为 MCP 工具
3. 将工具注册到 MCP 服务器
4. 使工具可供 MCP 客户端发现和执行