一、MCP概念介绍
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年推出的AI 领域统一连接协议，被称为 “AI 的 USB-C 接口”，核心是让大模型（LLM）通过标准化方式安全、灵活地调用外部工具、数据库、API 与文件系统，打破数据孤岛。
从架构来看，MCP基于C/S（客户端-服务端）模式实现，因此要完成MCP调用，需分别搭建MCP服务端（暴露工具方法）和MCP客户端（调用服务端方法）。
本文将基于Spring Ai Alibaba生态，完整实现“本地方法封装为MCP服务 + 客户端调用MCP服务”的全流程，步骤清晰、可直接落地。
二、Spring AI MCP的介绍
Spring AI MCP 为模型上下文协议提供 Java 和 Spring 框架集成。它使 Spring AI 应用程序能够通过标准化的接口与不同的数据源和工具进行交互，支持同步和异步通信模式。整体架构如下：
三、搭建本地MCP服务端
1. 添加依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
<version>1.1.2</version>
</dependency>
注意：
此处未使用常规的spring-boot-starter-web（内置Tomcat），因为spring-ai-starter-mcp-server-webflux与Tomcat存在冲突。使用spring-boot-starter会默认通过Netty启动服务，适配MCP服务端要求。
2. 配置服务端application.yml
server:
port: 8088 # 服务端口，可自定义
servlet:
encoding:
enabled: true
force: true
charset: UTF-8 # 避免中文乱码
spring:
application:
name: local-mcp-server # 服务端应用名称
ai:
mcp:
server:
type: async # 异步模式，提升调用性能
name: local-mcp-server # MCP服务名称
version: 1.0.0 # 服务版本
3. 添加工具方法
创建工具类，将需要对外暴露的方法用@Tool注解标记，并将该类交给Spring容器管理：
@Service
public class WeatherService {
/**
* 根据城市名称获取天气信息
* @param city 城市名称
* @return 天气描述
*/
@Tool(description = "根据城市名称获取天气信息")
public String getWeatherByCity(String city) {
return city + " 今天天气很好！";
}
}
4. 添加MCP服务配置（McpServerConfig）
创建配置类，通过ToolCallbackProvider将工具类（WeatherService）封装为MCP服务：
@Configuration
public class McpServerConfig {
@Bean
public ToolCallbackProvider weatherTools(WeatherService weatherService) {
return MethodToolCallbackProvider.builder()
.toolObjects(weatherService)
.build();
}
}
5. 启动mcp-server 服务
启动Spring Boot应用，查看控制台输出，确认服务启动成功（重点关注Netty启动信息）：
2026-03-19T14:33:17.730+08:00 INFO 35517 --- [local-mcp-server] [ main] o.s.b.web.embedded.netty.NettyWebServer : Netty started on port 8088 (http)
2026-03-19T14:33:17.734+08:00 INFO 35517 --- [local-mcp-server] [ main] com.jcq.server.McpServerApplication : Started McpServerApplication in 1.198 seconds
可以看到服务使用netty成功启动，端口是8088
四、搭建MCP客户端
1. 添加依赖
client端正常配置spring-boot-starter-web，使用tomcat启动服务。
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI Alibaba Agent Framework -->
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-agent-framework</artifactId>
<version>1.1.2.0</version>
</dependency>
<!-- DashScope ChatModel 支持（如果使用其他模型，请跳转 Spring AI 文档选择对应的 starter） -->
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
<version>1.1.2.0</version>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-client</artifactId>
<version>1.1.2</version>
</dependency>
2. 配置客户端application.yml
spring:
application:
name: spring-ai-alibaba-agent # 客户端应用名称
ai:
dashscope:
api-key: ${
AliQwen_API} # 通义千问API密钥，建议通过环境变量配置，避免硬编码
mcp:
client:
type: async # 与服务端一致，异步调用
request-timeout: 60s # 调用超时时间，可根据实际调整
toolcallback:
enabled: true # 启用工具回调，用于接收服务端响应
sse: # mcp类型
connections:
local-mcp-server: # 这里表示mcp服务名称
url: http://localhost:8088 # MCP服务端地址（对应服务端ip端口）
3. 编写测试接口
@RestController
public class McpClientController {
@Resource
private ToolCallbackProvider toolCallbackProvider;
/**
* 测试MCP服务调用：查询指定城市天气
* 访问地址：http://localhost:8080/mcpTest（客户端端口默认8080，可自定义）
*/
@GetMapping("mcpTest")
private void mcpTest() throws GraphRunnerException {
// 1. 初始化DashScope聊天模型（可替换为其他LLM模型）
ChatModel chatModel = getChatModel();
// 2. 获取MCP服务端暴露的工具方法
ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();
System.out.printf("""
=====Find the tools from spring ToolCallbackProvider=====
%s
""",
JSON.toJSONString(toolCallbacks));
// 3. 构建智能体并绑定mcp服务
ReactAgent agent = ReactAgent.builder()
.name("ip_search")
.model(chatModel)
.description("你是一个天气查询助手")
.saver(new MemorySaver())
.toolCallbackProviders(toolCallbackProvider)
.build();
// 4. 配置运行参数
RunnableConfig config = RunnableConfig.builder()
.threadId("session")
.build();
// 5. 流式调用agent
Flux<NodeOutput> stream = agent.stream("上海天气怎么样", config);
StringBuffer answerString = new StringBuffer();
stream.doOnNext(output -> {
if (output.node().equals("_AGENT_MODEL_")) {
answerString.append(((StreamingOutput<?>) output).message().getText());
}
else if (output.node().equals("_AGENT_TOOL_")) {
answerString.append("\nTool Call:").append(((ToolResponseMessage) ((StreamingOutput<?>) output).message()).getResponses().get(0)).append("\n");
}
})
.doOnComplete(() -> System.out.println(answerString))
.doOnError(e -> System.err.println("Stream Processing Error: " + e.getMessage()))
.blockLast();
}
/**
* 初始化DashScope聊天模型（通义千问）
* @return ChatModel 聊天模型实例
*/
private static ChatModel getChatModel() {
DashScopeApi dashScopeApi = DashScopeApi.builder()
.apiKey(System.getenv("AliQwen_API"))
.build();
return DashScopeChatModel.builder()
.dashScopeApi(dashScopeApi)
.build();
}
}
4. 运行测试，查看结果
- 确保MCP服务端（8088端口）已启动；
- 启动MCP客户端，访问接口：http://localhost:8080/mcpTest
- 查看客户端控制台输出，若出现以下内容，说明MCP服务调用成功：
Tool Call:ToolResponse[id=call_b8f00f883a784fc1b35603, name=getWeatherByCity, responseData=[{
"text":"\"上海 今天天气很好！\""}]]
五、总结
本文通过Spring Ai Alibaba，实现了MCP协议的本地服务落地，服务端获取天气逻辑后续可以替换为真实调用api接口。
欢迎大家关注我，下一篇文章我将介绍一下如何调用MCP市场上的公开服务，敬请期待～
