Spring AI + FastMCP 跨语言 MCP 集成踩坑实录：为什么 SSE 一直报错？

最近在研究 MCP（Model Context Protocol）生态时，尝试做了一个：

Spring AI MCP Client
    ->
Python FastMCP Server

的跨语言 Demo。

目标很简单：

• Python 使用 FastMCP 提供 Tool
• Spring AI 自动发现并调用 Tool
• 使用 SSE 或 HTTP 方式通信

原以为会很顺利，结果一路踩坑。

尤其是：

Spring AI + FastMCP SSE Transport

兼容问题。

这篇文章就把整个排查过程、原理、以及最终可行方案整理一下，希望能帮大家少踩坑。

---

一、目标架构

最开始想实现的是：

Spring AI MCP Client
        |
        | HTTP/SSE
        |
Python FastMCP Server

Python 提供一个用户查询 Tool：

@mcp.tool()
def get_user_info(user_id: str):
    return {
        "id": user_id,
        "name": "Tom"
    }

Spring AI 自动调用。

---

二、FastMCP SSE Server

Python 端代码：

from fastmcp import FastMCP

mcp = FastMCP("user-service")

@mcp.tool()
def get_user_info(user_id: str):
    return {
        "id": user_id,
        "name": "Tom"
    }

if __name__ == "__main__":
    mcp.run(
        transport="sse",
        host="0.0.0.0",
        port=8081
    )

启动后：

http://localhost:8081/sse

访问：

curl http://localhost:8081/sse

返回：

event: endpoint
data: /messages/

说明 SSE Server 正常。

---

三、Spring AI 配置

Spring Boot：

spring:
  ai:
    mcp:
      client:
        enabled: true

        sse:
          connections:
            user-service:
              url: http://localhost:8081
              endpoint: /sse

看起来没问题。

但是启动后直接报错。

---

四、诡异错误

日志：

ValidationError: Invalid JSON: EOF while parsing a value

核心报错：

POST /messages/?session_id=xxx 400 Bad Request

FastMCP 收到：

body = b''

也就是：

空请求体

而 FastMCP 的 SSE Server：

要求：

POST /messages/
Content-Type: application/json

body 必须是：

{
  "jsonrpc":"2.0",
  "method":"initialize"
}

结果 Spring AI 发了一个：

空 POST

于是直接：

400 Bad Request

---

五、问题根源

最开始以为：

• endpoint 写错
• session 有问题
• trailing slash
• Spring AI 配置错误

后来发现：

真正问题是：

Spring AI 与 FastMCP 的 SSE 协议实现并不完全兼容

虽然都叫：

MCP SSE Transport

但：

两边实际上：

• SDK 不同
• 生命周期不同
• session 机制不同
• probe 行为不同

尤其：

Spring AI 在建立连接时：

会先发送一个：

empty POST body

作为连接探测。

而 FastMCP：

严格要求必须是 JSON-RPC body。

于是协议直接冲突。

---

六、为什么会这样？

因为 MCP 生态目前还在快速演进。

现在实际上有几套实现：

生态	实现
Spring AI	Java MCP SDK
FastMCP	Python MCP SDK
Claude Desktop	Anthropic MCP
FastAPI-MCP	OpenAPI Adapter

虽然都叫：

MCP

但：

Transport 细节还没完全统一。

尤其：

SSE / Streamable HTTP

仍然存在兼容问题。

---

七、后来又试了 Streamable HTTP

Spring AI 1.1 已支持：

streamable-http:

理论上：

POST /mcp

会比 SSE 更标准。

但实际测试：

FastMCP 这边仍然不够稳定。

跨语言场景：

Spring AI ↔ Python MCP

目前还是容易踩坑。

---

八、生产环境怎么做？

目前比较稳的做法其实是：

方案1：Java MCP Gateway

Spring AI Client
    ->
Java MCP Server
    ->
Python REST API

即：

MCP 只在 Java 层

Python 不直接参与 MCP。

---

方案2：纯 REST

Spring AI Tool
    ->
HTTP
    ->
FastAPI

其实很多企业最终还是：

REST API

因为：

• 成熟
• 稳定
• 网关友好
• K8s 友好

---

九、现在到底推荐什么？

目前我的建议：

场景	推荐
学习 MCP	stdio
本地开发	stdio
Claude Desktop	stdio
Java 全栈	Spring AI MCP
Python Tool	FastMCP
跨语言 HTTP	暂时谨慎
企业生产	REST / Java MCP Gateway

---

十、总结

这次踩坑最大的感受：

MCP 的理念非常先进

但：

跨语言 transport 生态
还没有完全成熟

尤其：

Spring AI ↔ Python MCP

目前：

stdio 依然是最稳定方案。

如果你只是：

• 学习 MCP
• 做本地 Agent
• Tool 实验

那么：

stdio 足够了

如果要：

• 微服务
• 云原生
• 跨机器

建议暂时：

REST API

或者：

Java MCP Gateway

会更稳一些。