Java 開發玩轉 MCP：從 Claude 自動化到 Spring AI Alibaba 生態整合

摘要

本文以原理與示例結合的形式講解?Java?開發者如何基于?Spring?AI?Alibaba?框架玩轉?MCP，主要包含以下內容。

1.?一些?MCP?基礎與快速體驗（熟悉的讀者可以跳過此部分）

2.?如何將自己開發的?Spring?應用發布為?MCP?Server，驗證使用?Claude?或?Spring?應用作為客戶端接入自己發布的?Java?MCP?Server。

發布?stdio?模式的?MCP?Server
發布?SSE?模式的?MCP?Server
開發另一個?Spring?應用作為?MCP?Client?調用?MCP?Server?服務
使用?Claude?桌面應用接入我們的?Java?MCP?Server

3.?如何使用自己開發的?Spring?應用調用?MCP?Server，包括調用自己發布的?Java?MCP?Server，也包括市面上其他通用?MCP?Server。

配置并調用?stdio?模式的?MCP?Server
配置并調用?SSE?模式的?MCP?Server

4.?如何在?Spring?AI?Alibaba?OpemManus?實現中使用?MCP?服務。

5.?關于存量應用如何一行代碼不動就可以被當作?MCP?服務被智能體調用，請關注后續文章解決方案。

Spring?AI?Alibaba?開源項目地址

https://github.com/alibaba/spring-ai-alibaba

本文外網博客地址

https://java2ai.com

本示例源碼地址

https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-mcp-example

模型上下文協議（Model?Context?Protocol）入門

2024?年?11?月，Anthropic?公司搞了個挺有意思的新玩意?-?Model?Context?Protocol（模型上下文協議）簡稱為?MCP?協議。簡單來說，它就是給?AI?和各類工具數據之間搭了個標準化的”橋梁”，讓開發者不用再為對接問題頭疼了。

大模型應用可以使用別人分享的?MCP?服務來完成各種各樣的工作內容，你可以從這些地方獲取?MCP?服務：

awesome-mcp-servers
mcp.so

MCP?協議在實際的應用場景上非常廣泛，列舉一些比較常見的應用場景：

使用百度/高德地圖分析旅線計算時間
接?Puppeteer?自動操作網頁
使用?Github/Gitlab?讓大模型接管代碼倉庫
使用數據庫組件完成對?Mysql、ES、Redis?等數據庫的操作
使用搜索組件擴展大模型的數據搜索能力

1.1?在?Claude?Desktop?中體驗?MCP

接下來我們使用?Claude?快速接入?Github?服務（提前申請?token），編輯一下?Claude?Desktop?的配置文件：

macOS：

~/Library/Application?Support/Claude/claude_desktop_config.json

Windows：

%APPDATA%\Claude\claude_desktop_config.json

添加如下內容，注意把<YOUR_TOKEN>替換成你自己申請的?token：

{??"mcpServers": {? ??"github": {? ? ??"command":?"npx",? ? ??"args": [? ? ? ??"-y",? ? ? ??"@modelcontextprotocol/server-github"? ? ? ],? ? ??"env": {? ? ? ??"GITHUB_PERSONAL_ACCESS_TOKEN":?"`"? ? ? }? ? }? }

重啟Claude之后，可以看到已經加載了MCP對應的工具：

點開之后可以看到具體的工具內容：

此時我們就可以享受?Github?服務提供的操作倉庫的能力：

從圖上可以看到，通過創建倉庫?test-mcp?這樣的提示詞，Claude?的大模型自行判斷需要使用?mcp?中提供的?create_repository?能力，從而完成了倉庫的創建，接下來我們打開?Github?也確實發現了這個已經創建的倉庫。

通過這種方式，大模型就可以利用?MCP?接入各式各樣的能力，完成各種更為復雜的工作。

1.2?MCP?的架構

MCP?主要分為?MCP?服務和?MCP?客戶端：

客戶端：一般指的是大模型應用，比如?Claude、通過?Spring?AI?Alibaba、Langchain?等框架開發的?AI?應用
服務端：連接各種數據源的服務和工具

整體架構如下：

整體的工作流程是這樣的：AI?應用中集成?MCP?客戶端，通過?MCP?協議向?MCP?服務端發起請求，MCP?服務端可以連接本地/遠程的數據源，或者通過?API?訪問其他服務，從而完成數據的獲取，返回給?AI?應用去使用。

在?Spring?AI?中使用?MCP?Server

2.1?Spring?AI?MCP?的介紹

Spring?AI?MCP?為模型上下文協議提供?Java?和?Spring?框架集成。它使?Spring?AI?應用程序能夠通過標準化的接口與不同的數據源和工具進行交互，支持同步和異步通信模式。整體架構如下：

Spring?AI?MCP?采用模塊化架構，包括以下組件：

Spring?AI?應用程序：使用?Spring?AI?框架構建想要通過?MCP?訪問數據的生成式?AI?應用程序
Spring?MCP?客戶端：MCP?協議的?Spring?AI?實現，與服務器保持?1:1?連接

通過?Spring?AI?MCP，可以快速搭建?MCP?客戶端和服務端程序。

2.2?使用?Spring?AI?MCP?快速搭建?MCP?Server

Spring?AI?提供了兩種機制快速搭建?MCP?Server，通過這兩種方式開發者可以快速向?AI?應用開放自身的能力，這兩種機制如下：

基于?stdio?的進程間通信傳輸，以獨立的進程運行在?AI?應用本地，適用于比較輕量級的工具。
基于?SSE（Server-Sent?Events）?進行遠程服務訪問，需要將服務單獨部署，客戶端通過服務端的?URL?進行遠程訪問，適用于比較重量級的工具。

接下來逐一介紹一下這兩種方式的實現，示例代碼可以通過如下鏈接獲取：

https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-mcp-example/starter-example/server

2.2.1?基于?stdio?的?MCP?服務端實現

基于?stdio?的?MCP?服務端通過標準輸入輸出流與客戶端通信，適用于作為子進程被客戶端啟動和管理的場景。

添加依賴

首先，在項目中添加?Spring?AI?MCP?Server?Starter?依賴：

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

配置?MCP?服務端

在?application.yml?中配置?MCP?服務端，這次要實現的是一個天氣服務：

spring:main:web-application-type: none  # 必須禁用web應用類型banner-mode: off           # 禁用bannerai:mcp:server:stdio: true            # 啟用stdio模式name: my-weather-server # 服務器名稱version: 0.0.1         # 服務器版本

實現?MCP?工具

使用?@Tool?注解標記方法，使其可以被?MCP?客戶端發現和調用，通過?@ToolParameter?注解工具的具體參數：

@Service
public class OpenMeteoService {private final WebClient webClient;public OpenMeteoService(WebClient.Builder webClientBuilder) {this.webClient = webClientBuilder.baseUrl("https://api.open-meteo.com/v1").build();}@Tool(description = "根據經緯度獲取天氣預報")public String getWeatherForecastByLocation(@ToolParameter(description = "緯度，例如：39.9042") String latitude,@ToolParameter(description = "經度，例如：116.4074") String longitude) {try {String response = webClient.get().uri(uriBuilder -> uriBuilder.path("/forecast").queryParam("latitude", latitude).queryParam("longitude", longitude).queryParam("current", "temperature_2m,wind_speed_10m").queryParam("timezone", "auto").build()).retrieve().bodyToMono(String.class).block();// 解析響應并返回格式化的天氣信息// 這里簡化處理，實際應用中應該解析JSONreturn "當前位置（緯度：" + latitude + "，經度：" + longitude + "）的天氣信息：\n" + response;} catch (Exception e) {return "獲取天氣信息失敗：" + e.getMessage();}}@Tool(description = "根據經緯度獲取空氣質量信息")public String getAirQuality(@ToolParameter(description = "緯度，例如：39.9042") String latitude,@ToolParameter(description = "經度，例如：116.4074") String longitude) {// 模擬數據，實際應用中應調用真實APIreturn "當前位置（緯度：" + latitude + "，經度：" + longitude + "）的空氣質量：\n" +"- PM2.5: 15 μg/m3 (優)\n" +"- PM10: 28 μg/m3 (良)\n" +"- 空氣質量指數(AQI): 42 (優)\n" +"- 主要污染物: 無";}
}

這里使用了?OpenMeteo，?OpenMeteo?是一個開源的天氣?API，為非商業用途提供免費訪問，無需?API?密鑰。

注冊?MCP?工具

在應用程序入口類中注冊工具：


@SpringBootApplication
public class McpServerApplication {public static void main(String[] args) {SpringApplication.run(McpServerApplication.class, args);}@Beanpublic ToolCallbackProvider weatherTools(OpenMeteoService openMeteoService) {return MethodToolCallbackProvider.builder().toolObjects(openMeteoService).build();}
}

運行服務端

在控制臺中執行如下命令，編譯并打包應用：

Terminal?window

mvn clean?package?-DskipTests

2.2.2?基于?SSE?的?MCP?服務端實現

基于?SSE?的?MCP?服務端通過?HTTP?協議與客戶端通信，適用于作為獨立服務部署的場景，可以被多個客戶端遠程調用，具體做法與?stdio?非常類似。

添加依賴

首先，在您的項目中添加依賴

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-server-webflux-spring-boot-starter</artifactId>
</dependency>

配置?MCP?服務端

在application.yml中配置?MCP?服務端：

server:port: 8080  # 服務器端口配置spring:ai:mcp:server:name: my-weather-server    # MCP服務器名稱version: 0.0.1            # 服務器版本號

實現?MCP?工具

與基于?stdio?的實現完全相同：

@Service
public class OpenMeteoService {private final WebClient webClient;public OpenMeteoService(WebClient.Builder webClientBuilder) {this.webClient = webClientBuilder.baseUrl("https://api.open-meteo.com/v1").build();}@Tool(description = "根據經緯度獲取天氣預報")public String getWeatherForecastByLocation(@ToolParameter(description = "緯度，例如：39.9042") String latitude,@ToolParameter(description = "經度，例如：116.4074") String longitude) {try {String response = webClient.get().uri(uriBuilder -> uriBuilder.path("/forecast").queryParam("latitude", latitude).queryParam("longitude", longitude).queryParam("current", "temperature_2m,wind_speed_10m").queryParam("timezone", "auto").build()).retrieve().bodyToMono(String.class).block();// 解析響應并返回格式化的天氣信息return "當前位置（緯度：" + latitude + "，經度：" + longitude + "）的天氣信息：\n" + response;} catch (Exception e) {return "獲取天氣信息失敗：" + e.getMessage();}}@Tool(description = "根據經緯度獲取空氣質量信息")public String getAirQuality(@ToolParameter(description = "緯度，例如：39.9042") String latitude,@ToolParameter(description = "經度，例如：116.4074") String longitude) {// 模擬數據，實際應用中應調用真實APIreturn "當前位置（緯度：" + latitude + "，經度：" + longitude + "）的空氣質量：\n" +"- PM2.5: 15 μg/m3 (優)\n" +"- PM10: 28 μg/m3 (良)\n" +"- 空氣質量指數(AQI): 42 (優)\n" +"- 主要污染物: 無";}
}

注冊?MCP?工具

在應用程序入口類中注冊工具：

@SpringBootApplication
public class McpServerApplication {public static void main(String[] args) {SpringApplication.run(McpServerApplication.class, args);}@Beanpublic ToolCallbackProvider weatherTools(OpenMeteoService openMeteoService) {return MethodToolCallbackProvider.builder().toolObjects(openMeteoService).build();}@Beanpublic WebClient.Builder webClientBuilder() {return WebClient.builder();}
}

運行服務端

在控制臺中輸入命令，運行服務端：

Terminal?window

mvn?spring-boot:run

服務端將在?http://localhost:8080?啟動。

2.3?在?Claude?中測試?mcp?服務

在上一小節中我們編寫完了?MCP?服務，這些服務到底是否能正常運行呢？在?Claude?Desktop?中可以測試一下。

修改配置文件，添加?weather?的配置，一定要注意?jar?包的路徑必須是全路徑：


{"mcpServers": {"github": {"command": "npx","args": ["-y","@modelcontextprotocol/server-github"],"env": {"GITHUB_PERSONAL_ACCESS_TOKEN": your token}},"weather": {"command": "java","args": ["-Dspring.ai.mcp.server.stdio=true","-Dspring.main.web-application-type=none","-Dlogging.pattern.console=","-jar","<修改為stdio編譯之后的jar包全路徑>"],"env": {}}}
}

重啟?Claude?之后看到，我們編寫的兩個?Tool?已經被加載進來了：

輸入提示詞，查詢今天北京的空氣質量：

Claude?觸發了我們自己編寫的天氣服務，展示了完整的數據：

上面使用了?stdio?的方式在?Claude?Desktop?中使用我們自己編寫的?MCP?服務，但是很可惜?Claude?Desktop?不支持直接通過?SSE?模式訪問，必須使用?mcp-proxy?作為中介，所以這里我們不再演示?Claude?Desktop?接入?SSE?模式的?MCP?服務。

在?Spring?AI?Alibaba?中集成?Mcp?Client

對于客戶端，Spring?AI?同樣提供了?stdio?和?SSE?兩種機制快速集成?MCP?Server，分別對應到?MCP?Server?的?stdio?和?SSE?兩種模式，參考代碼如下：

https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-mcp-example/starter-example/client

3.1?基于?stdio?的?MCP?客戶端實現

基于?stdio?的實現是最常見的?MCP?客戶端實現方式，它通過標準輸入輸出流與?MCP?服務器進行通信。這種方式適用于使用了?stdio?方式本地部署的?MCP?服務器，可以直接在同一臺機器上啟動?MCP?服務器進程。

添加依賴

首先，在項目中添加?Spring?AI?MCP?starter?依賴：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
</dependency>
<!-- 添加Spring AI MCP starter依賴 -->
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
</dependency>

配置?MCP?服務器

在?application.yml?中配置?MCP?服務器：

spring:ai:dashscope:# 配置通義千問API密鑰api-key: ${DASH_SCOPE_API_KEY}mcp:client:stdio:# 指定MCP服務器配置文件路徑（推薦）servers-configuration: classpath:/mcp-servers-config.json# 直接配置示例，和上邊的配制二選一# connections:#   server1:#     command: java#     args:#       - -jar#       - /path/to/your/mcp-server.jar

這個配置文件設置了?MCP?客戶端的基本配置，包括?API?密鑰和服務器配置文件的位置。你也可以選擇直接在配置文件中定義服務器配置，但是還是建議使用?json?文件管理?mcp?配置。在?resources?目錄下創建?mcp-servers-config.json?配置文件：

{"mcpServers": {// 定義名為"weather"的MCP服務器"weather": {// 指定啟動命令為java"command": "java",// 定義啟動參數"args": ["-Dspring.ai.mcp.server.stdio=true","-Dspring.main.web-application-type=none","-jar","<修改為stdio編譯之后的jar包全路徑>"],// 環境變量配置（可選）"env": {}}}
}

這個?JSON?配置文件定義了?MCP?服務器的詳細配置，包括如何啟動服務器進程、需要傳遞的參數以及環境變量設置，還是要注意引用的?jar?包必須是全路徑的。

編寫一個啟動類進行測試：

```java
@SpringBootApplication
public class Application {public static void main(String[] args) {// 啟動Spring Boot應用SpringApplication.run(Application.class, args);}@Beanpublic CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,ToolCallbackProvider tools,ConfigurableApplicationContext context) {return args -> {// 構建ChatClient并注入MCP工具var chatClient = chatClientBuilder.defaultTools(tools).build();// 定義用戶輸入String userInput = "北京的天氣如何？";// 打印問題System.out.println("\n>>> QUESTION: " + userInput);// 調用LLM并打印響應System.out.println("\n>>> ASSISTANT: " +chatClient.prompt(userInput).call().content());// 關閉應用上下文context.close();};}
}


這段代碼展示了如何在?Spring?Boot?應用中使用?MCP?客戶端。它創建了一個命令行運行器，構建了?ChatClient?并注入了?MCP?工具，然后使用這個客戶端發送查詢并獲取響應。在?Spring?AI?Alibaba?中使用?Mcp?工具非常簡單，只需要把?ToolCallbackProvider?放到?chatClientBuilder的defaultTools?方法中，就可以自動的適配。通過命令啟動程序進行測試：Terminal?window```plaintext
mvn?spring-boot:run

啟動之后顯示結果為，從日志可以看到我們自己編寫的?mcp?server?被調用了，返回了數據：

>>> QUESTION: 北京的天氣如何？
2025-03-31T17:56:17.931+08:00 DEBUG 23455 --- [mcp] [pool-1-thread-1] io.modelcontextprotocol.spec.McpSchema   : Received JSON message: {"jsonrpc":"2.0","id":"60209de5-3","result":{"content":[{"type":"text","text":"\"當前天氣:\n溫度: 18.6°C (體感溫度: 15.1°C)\n天氣: 多云\n風向: 南風 (4.7 km/h)\n濕度: 18%\n降水量: 0.0 毫米\n\n未來天氣預報:\n2025-03-31 (周一):\n溫度: 2.4°C ~ 19.5°C\n天氣: 多云\n風向: 南風 (8.4 km/h)\n降水量: 0.0 毫米\n\n2025-04-01 (周二):\n溫度: 7.6°C ~ 20.6°C\n天氣: 多云\n風向: 西北風 (19.1 km/h)\n降水量: 0.0 毫米\n\n2025-04-02 (周三):\n溫度: 6.9°C ~ 18.4°C\n天氣: 晴朗\n風向: 西北風 (12.8 km/h)\n降水量: 0.0 毫米\n\n2025-04-03 (周四):\n溫度: 7.0°C ~ 19.8°C\n天氣: 多云\n風向: 南風 (16.3 km/h)\n降水量: 0.0 毫米\n\n2025-04-04 (周五):\n溫度: 7.5°C ~ 21.6°C\n天氣: 多云\n風向: 西北風 (19.6 km/h)\n降水量: 0.0 毫米\n\n2025-04-05 (周六):\n溫度: 5.6°C ~ 20.7°C\n天氣: 多云\n風向: 西風 (16.5 km/h)\n降水量: 0.0 毫米\n\n2025-04-06 (周日):\n溫度: 8.4°C ~ 22.3°C\n天氣: 晴朗\n風向: 南風 (9.4 km/h)\n降水量: 0.0 毫米\n\n\""}],"isError":false}}
2025-03-31T17:56:17.932+08:00 DEBUG 23455 --- [mcp] [pool-1-thread-1] i.m.spec.McpClientSession                : Received Response: JSONRPCResponse[jsonrpc=2.0, id=60209de5-3, result={content=[{type=text, text="當前天氣:\n溫度: 18.6°C (體感溫度: 15.1°C)\n天氣: 多云\n風向: 南風 (4.7 km/h)\n濕度: 18%\n降水量: 0.0 毫米\n\n未來天氣預報:\n2025-03-31 (周一):\n溫度: 2.4°C ~ 19.5°C\n天氣: 多云\n風向: 南風 (8.4 km/h)\n降水量: 0.0 毫米\n\n2025-04-01 (周二):\n溫度: 7.6°C ~ 20.6°C\n天氣: 多云\n風向: 西北風 (19.1 km/h)\n降水量: 0.0 毫米\n\n2025-04-02 (周三):\n溫度: 6.9°C ~ 18.4°C\n天氣: 晴朗\n風向: 西北風 (12.8 km/h)\n降水量: 0.0 毫米\n\n2025-04-03 (周四):\n溫度: 7.0°C ~ 19.8°C\n天氣: 多云\n風向: 南風 (16.3 km/h)\n降水量: 0.0 毫米\n\n2025-04-04 (周五):\n溫度: 7.5°C ~ 21.6°C\n天氣: 多云\n風向: 西北風 (19.6 km/h)\n降水量: 0.0 毫米\n\n2025-04-05 (周六):\n溫度: 5.6°C ~ 20.7°C\n天氣: 多云\n風向: 西風 (16.5 km/h)\n降水量: 0.0 毫米\n\n2025-04-06 (周日):\n溫度: 8.4°C ~ 22.3°C\n天氣: 晴朗\n風向: 南風 (9.4 km/h)\n降水量: 0.0 毫米\n\n"}], isError=false}, error=null]

3.2?基于?SSE?的?MCP?客戶端實現

除了基于?stdio?的實現外，Spring?AI?Alibaba?還提供了基于?Server-Sent?Events?（SSE）的?MCP?客戶端實現。這種方式適用于遠程部署的?MCP?服務器，可以通過?HTTP?協議與?MCP?服務器進行通信。

添加依賴

首先，在您的項目中添加?Spring?AI?MCP?starter?依賴：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId>
</dependency>

配置?MCP?服務器

在?application.yml?中配置?MCP?服務器，這里需要指定?SSE?啟動的服務地址，之前我們在?8080?端口上啟動了對應的服務：

spring:ai:dashscope:api-key: ${DASH_SCOPE_API_KEY}mcp:client:sse:connections:server1:url: http://localhost:8080  #服務地址

使用?MCP?客戶端

使用方式與基于?stdio?的實現相同，只需注入?ToolCallbackProvider?和?ChatClient.Builder：


@SpringBootApplication
public class Application {public static void main(String[] args) {SpringApplication.run(Application.class, args);}@Beanpublic CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,ToolCallbackProvider tools,ConfigurableApplicationContext context) {return args -> {// 構建ChatClient并注入MCP工具var chatClient = chatClientBuilder.defaultTools(tools).build();// 使用ChatClient與LLM交互String userInput = "北京的天氣如何？";System.out.println("\n>>> QUESTION: " + userInput);System.out.println("\n>>> ASSISTANT: " + chatClient.prompt(userInput).call().content());context.close();};}
}

通過命令啟動程序進行測試：

Terminal?window

mvn?spring-boot:run

啟動之后會有報錯：

Caused by: java.lang.IllegalStateException: Multiple tools with the same name (spring-ai-mcp-client-getWeatherForecastByLocation, spring-ai-mcp-client-getAirQuality)at org.springframework.ai.mcp.SyncMcpToolCallbackProvider.validateToolCallbacks(SyncMcpToolCallbackProvider.java:126) ~[spring-ai-mcp-1.0.0-20250325.064812-147.jar:1.0.0-SNAPSHOT]at org.springframework.ai.mcp.SyncMcpToolCallbackProvider.getToolCallbacks(SyncMcpToolCallbackProvider.java:110) ~[spring-ai-mcp-1.0.0-20250325.064812-147.jar:1.0.0-SNAPSHOT]at org.springframework.ai.autoconfigure.mcp.client.McpClientAutoConfiguration.toolCallbacksDeprecated(McpClientAutoConfiguration.java:196) ~[spring-ai-mcp-client-spring-boot-autoconfigure-1.0.0-M6.jar:1.0.0-M6]at java.base/jdk.internal.reflect.DirectMethodHandleAccessor.invoke(DirectMethodHandleAccessor.java:103) ~[na:na]at java.base/java.lang.reflect.Method.invoke(Method.java:580) ~[na:na]at org.springframework.beans.factory.support.SimpleInstantiationStrategy.lambda$instantiate$0(SimpleInstantiationStrategy.java:171) ~[spring-beans-6.2.0.jar:6.2.0]... 23 common frames omitted

從日志上分析，是因為注冊了相同的服務名?spring-ai-mcp-client-getWeatherForecastByLocation?和?spring-ai-mcp-client-getAirQuality，但是從代碼上分析，這兩個服務我們都只注冊了一次，那為什么會報錯呢？

其實這是?Spring?AI?目前的一個?BUG，Spring?AI?提供了兩個自動配置類去生成客戶端工具處理?MCP?服務中?Tool?的獲取，分別是?SseHttpClientTransportAutoConfiguration?和?SseWebFluxTransportAutoConfiguration。這兩個自動配置類提供了同步和異步兩種方式，本身應該是互斥的，但是?Spring?AI?對于互斥的處理上出了問題，導致兩個自動配置類都會加載。

SseWebFluxTransportAutoConfiguration?的加載：

SseHttpClientTransportAutoConfiguration?的加載：

兩個自動配置類加載之后，就會向提供?SSE?服務的?MCP?服務申請?Tool，這樣就導致同樣的?Tool?被申請了兩次，自然就會重復了。解決方案也非常簡單，在啟動類上排除?SseHttpClientTransportAutoConfiguration?實現就可以了。

@SpringBootApplication(exclude = {org.springframework.ai.autoconfigure.mcp.client.SseHttpClientTransportAutoConfiguration.class
})
public class Application {
...

再次通過命令啟動程序進行測試：

Terminal?window

mvn?spring-boot:run

這一次就輸出了正確的結果：

在?Spring?AI?Alibaba?的?Open?Manus?中體驗?MCP

Spring?AI?Alibaba?中提供了?Open?Manus?的實現，整體架構如下：

在執行階段，會調用各種?Tool?來完成任務，如果我們能使用?MCP?增加?Tool?的能力，那勢必能?Open?Manus?如虎添翼，接下來我們就來看一下?Open?Manus?中是如何去使用?MCP?的。

源代碼如下：

++https://github.com/alibaba/spring-ai-alibaba/tree/main/community/openmanus++

添加依賴

首先，在項目中添加?Spring?AI?MCP?starter?依賴：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId><version>${spring-ai.version}</version>
</dependency>

配置?MCP?服務器

在?application.yml?中已經配置了?MCP?服務器，設置客戶端請求服務端的超時時間為?1?分鐘：

添加?mcp-servers-config.json，在?json?中配置了百度地圖。百度地圖核心?API?現已全面兼容?MCP?協議，是國內首家兼容?MCP?協議的地圖服務商。百度地圖已經完成了?8?個核心?API?接口和?MCP?協議的對接，?涵蓋逆地理編碼、地點檢索、路線規劃等。

使用百度地圖的?MCP，需要申請ak：

https://lbsyun.baidu.com/apiconsole/key。

{"mcpServers": {"baidu-map": {"command": "npx","args": ["-y","@baidumap/mcp-server-baidu-map"],"env": {"BAIDU_MAP_API_KEY": "your_baidu_AK"}}}
}

將其中BAIDU_MAP_API_KEY修改為申請的ak。

使用?MCP?工具

修改?LlmService?的構造方法源碼，在構造時直接通過?Spring?容器獲取?ToolCallbackProvider?并加入到?ChatClient.builder?中：

public LlmService(ChatModel chatModel, ToolCallbackProvider toolCallbackProvider) {this.chatModel = chatModel;this.planningChatClient = ChatClient.builder(chatModel).defaultSystem(PLANNING_SYSTEM_PROMPT).defaultAdvisors(new MessageChatMemoryAdvisor(planningMemory)).defaultAdvisors(new SimpleLoggerAdvisor()).defaultTools(ToolBuilder.getPlanningAgentToolCallbacks()).defaultTools(toolCallbackProvider).build();this.chatClient = ChatClient.builder(chatModel).defaultSystem(MANUS_SYSTEM_PROMPT).defaultAdvisors(new MessageChatMemoryAdvisor(memory)).defaultAdvisors(new SimpleLoggerAdvisor()).defaultTools(ToolBuilder.getManusAgentToolCalls()).defaultTools(toolCallbackProvider).defaultOptions(OpenAiChatOptions.builder().internalToolExecutionEnabled(false).build()).build();this.finalizeChatClient = ChatClient.builder(chatModel).defaultSystem(FINALIZE_SYSTEM_PROMPT).defaultAdvisors(new MessageChatMemoryAdvisor(finalizeMemory)).defaultAdvisors(new SimpleLoggerAdvisor()).build();
}

通過?defaultTools?將?mcp?服務提供的?tool?交給?ChatClient?處理。

測試效果

啟動?OpenManus，執行提示詞：規劃下從上海到北京的路線。但是如果這樣寫，可能會觸發?google?search，我們可以優化下提示詞主動選擇百度地圖。

使用百度地圖規劃從北京市到上海市的路線

執行程序之后可以看到規劃之后的計劃：

Steps:
0. [ ] [MANUS] 使用百度地圖的地理編碼服務獲取北京市和上海市的經緯度坐標
1. [ ] [MANUS] 使用百度地圖的路線規劃服務計算從北京市到上海市的駕車路線
2. [ ] [MANUS] 分析并提供最終的路線信息，包括距離、預計耗時等

很顯然，這一次?OpenManus?選擇了我們集成的百度地圖?mcp?server，我們來看一下結果。

獲取到了北京市和上海市的經緯度坐標：

Here is a summary of what we accomplished in this step:
- For Beijing, we received the coordinates: Longitude (lng): 116.4133836971231, Latitude (lat): 39.910924547299565.
- For Shanghai, we received the coordinates: Longitude (lng): 121.48053886017651, Latitude (lat): 31.235929042252014.

計算從北京市到上海市的駕車路線：

Distance: The total distance of the route is 1,223,200 meters (approximately 1,223 kilometers).
Duration: The estimated travel time is 50,592 seconds (approximately 14 hours and 3 minutes).

結果：

總距離：約?1223?公里

預計耗時：約?12?小時?45?分鐘

主要途徑：京滬高速公路（G2）

總結

作為?AI?開發領域的革命性突破，Model?Context?Protocol（MCP）重新定義了智能體與工具生態的交互范式。通過標準化協議打通地圖服務、代碼倉庫、數據庫等核心工具鏈，MCP?不僅解決了傳統?AI?開發中跨平臺對接的碎片化難題，更以”開箱即用”的輕量化集成模式，讓開發者能夠快速構建具備多模態能力的智能應用。

未來，隨著更多工具接入?MCP?生態，開發者只需專注于業務邏輯創新，而復雜的工具鏈整合將真正成為”看不見的底層能力”——這或許正是?AI?普惠化進程中，最具實際意義的技術躍遷。

Spring?AI?中的?MCP?支持可以讓?Java?開發者輕松的將自己的應用發布為?MCP?Server?或者是作為消費者去集成任意的?MCP?Server?實現。Spring?AI?Alibaba?社區?3?群：61290041831

Spring?AI?Alibaba?開源項目地址：

https://github.com/alibaba/spring-ai-alibaba

Spring?AI?Alibaba?官網地址：

https://java2ai.com/

本示例源碼地址：

https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-mcp-example