MCP模型上下文协议详解

前言

在当今快速发展的AI应用生态中，我们从优化提示词到使用Tool Calling突破大模型语言生成的界限，实现调用外部系统完成实际任务。但随着工具数量的增长和应用场景的复杂化，传统的Tool Calling实现方式暴露出一系列挑战：工具接口格式不统一、模型需硬编码工具定义、跨平台兼容性差等问题日益凸显。

为了解决这些痛点，一个全新的概念——MCP应运而生。

什么是MCP

MCP全称为Model Context Protocol，即模型上下文协议。需要明确的是，MCP并不是Tool Calling的替代品，而是为其提供一个统一、可扩展、跨平台的连接基础设施。

简单来说，MCP就是Tool Calling的管理者：

Tool Calling：负责决策——模型决定要不要调用工具、调用哪个工具
MCP：负责规范——规定如何描述工具、如何发起调用、如何传递结果

有了MCP之后，AI模型只需要学习一种标准格式，所有的协议转换工作都由MCP Server负责完成，极大降低了多工具集成的复杂度。

MCP Java SDK 架构

MCP Java SDK提供了MCP协议的Java语言实现，支持通过同步和异步两种通信模式，与AI模型及各类工具进行标准化交互。

其核心架构可以用餐饮服务类比来理解：

Client/Server：分别代表请求的发起者和请求的接收者，如同顾客和后厨的关系
Session：负责管理会话的整个生命周期，相当于订单管理系统
Transport：定义消息传递的具体方式，就像手机订餐加上骑手送餐的完整配送链路

Transport传输协议

MCP Java SDK提供了多种"通信方式"，让AI应用（客户端）能够灵活地与各种工具服务（服务器）进行对话，目前主要支持三种传输方式：

基于Stdio的进程间通信传输协议 通过标准输入/输出（stdin和stdout）在两个程序之间传递消息，高效直接，适合本地进程间通信
基于Java HttpClient的SSE客户端传输协议 基于Java HttpClient发起HTTP请求，并接收服务端持续发送的事件流，适合远程服务调用
WebFlux SSE客户端传输协议 基于WebFlux的非阻塞、响应式编程模型处理SSE流，适合高并发场景

MCP Server与MCP Client

MCP Server

MCP Server是MCP协议的具体服务端实现，是对外提供特定功能的服务程序。开发者可以直接到MCP Server社区查找并调用所需的功能，目前活跃的社区资源包括：

GitHub MCP Registry：https://github.com/mcp/registry
MCP Flow：https://mcpflow.io/home
火山引擎MCP广场：www.volcengine.com/mcp-marketplace

MCP Client

有了MCP服务端后，如何在代码中调用这些服务？这就需要借助MCP客户端。MCP客户端是连接本地开发环境或应用与远程MCP服务器之间的桥梁，不同客户端对MCP协议的支持程度各不相同，用户可以根据自己的需求选择合适的客户端。

MCP使用实战

在使用MCP Client之前，通常需要先运行一个或多个MCP Server实例。许多MCP Server是通过npx或uv命令启动的，在开始使用前，必须正确配置相应的运行环境。

第一步：准备MCP Server配置

可以到各大MCP社区获取相应的服务配置，以百度地图服务为例：

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

第二步：Spring AI项目接入

除了通过Cursor等客户端使用外，我们也可以通过Spring AI代码来接入这些MCP资源。首先引入相关依赖：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <artifactId>spring-ai-project</artifactId>
        <groupId>org.example</groupId>
        <version>1.0-SNAPSHOT</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>mcp-client-demo</artifactId>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>com.alibaba.cloud.ai</groupId>
            <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework</groupId>
            <artifactId>spring-webflux</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-client</artifactId>
        </dependency>
    </dependencies>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>com.alibaba.cloud.ai</groupId>
                <artifactId>spring-ai-alibaba-bom</artifactId>
                <version>1.0.0.2</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
</project>

第三步：配置文件设置

配置application.yml文件：

spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}
    mcp:
      client:
        request-timeout: 60000
        stdio:
          servers-configuration: classpath:/mcp/mcp-servers-config.json

同时创建MCP服务配置文件mcp/mcp-servers-config.json：

{
  "mcpServers": {
    "baidu-map": {
      "command": "npx.cmd",
      "args": ["-y", "@baidumap/mcp-server-baidu-map"],
      "env": {
        "BAIDU_MAP_API_KEY": "nLpm876DutMXGl6gEwzJksuya0gbfk0B"
      }
    }
  }
}

第四步：编写Controller

在Controller中集成MCP工具调用：

@RestController
@RequestMapping("/chat")
public class ChatController {
    private ChatClient chatClient;

    public ChatController(DashScopeChatModel chatModel, ToolCallbackProvider toolCallbackProvider) {
        this.chatClient = ChatClient.builder(chatModel)
                .defaultToolCallbacks(toolCallbackProvider)
                .build();
    }
    @RequestMapping("/generate")
    public String generate(String message){
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }
}

ToolCallbackProvider是Spring AI中用于向AI模型注册和提供可用工具的核心接口。只要有MCP配置进来，ToolCallbackProvider就可以自动发现并调用相应工具，完美解决了Tool Calling中各个工具接口不同的问题，实现了动态工具组合。

自定义MCP Server开发

MCP主要支持两种通信方式：Stdio和Streamable HTTP。在2025年3月26日的协议更新后，官方已用更强大的Streamable HTTP取代SSE，解决了SSE连接容易断开的痛点。

方式一：使用Stdio自定义MCP Server

首先创建天气查询服务类：

package com.zc.mcp.service;

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;

@Service
@Slf4j
public class WeatherService {

    private final Map<String, WeatherInfo> weatherCache = new ConcurrentHashMap<>();

    public WeatherService() {
        weatherCache.put("北京", new WeatherInfo("晴转多云", "22~28", "南风2级", "78"));
        weatherCache.put("上海", new WeatherInfo("小雨", "18~24", "东风3级", "52"));
        weatherCache.put("广州", new WeatherInfo("晴朗", "25~33", "微风", "45"));
        weatherCache.put("深圳", new WeatherInfo("多云", "24~30", "东北风2级", "60"));
    }

    @Tool(description = "查询指定城市的天气信息，返回天气状况、温度范围、风力、空气质量")
    public String queryWeather(
            @ToolParam(description = "城市名称，如：北京、上海、广州、深圳") String city) {

        log.info("[HTTP MCP] queryWeather 调用，城市: {}", city);

        if (!weatherCache.containsKey(city)) {
            return String.format("未找到「%s」的天气信息，支持的城市：%s",
                    city, weatherCache.keySet());
        }

        WeatherInfo info = weatherCache.get(city);
        return String.format("""
            🌍 %s天气报告
            ─────────────────
            ☁️ 天气：%s
            🌡️ 温度：%s°C
            💨 风力：%s
            🏭 AQI：%s
            ─────────────────
            🕐 更新时间：%s
            """,
                city, info.weather, info.temp, info.wind, info.aqi,
                LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"))
        );
    }

    record WeatherInfo(String weather, String temp, String wind, String aqi) {}
}

然后创建工具配置类：

package com.zc.mcp.config;

import com.zc.mcp.service.WeatherService;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ToolConfig {
    @Bean
    public ToolCallbackProvider getWeather(WeatherService weatherService){
        return MethodToolCallbackProvider.builder()
                .toolObjects(weatherService)
                .build();
    }
}

配置application.yml：

spring:
  ai:
    mcp:
      server:
        name: stdio-server
        version: 0.0.1
  main:
    web-application-type: none
    banner-mode: off

最后打包生成jar包即可使用。

方式二：使用SSE自定义MCP Server

使用SSE传输策略时，依赖选择取决于角色定位：

Starter	角色	被谁调用
spring-ai-starter-mcp-server	MCP Server	本地MCP Client(通过Stdio)
spring-ai-starter-mcp-server-webmvc	MCP Server	远程MCP Client(通过HTTP/SSE)
spring-ai-starter-mcp-server-webflux	MCP Server	远程MCP Client(通过HTTP/SSE/WebFlux)
spring-ai-starter-mcp-client	MCP Client	Stdio/SSE客户端
spring-ai-starter-mcp-client-webflux	MCP Client	WebFlux客户端

注意：在Web项目中同时存在Servlet和Reactive依赖时，Spring Boot会默认优先使用Servlet堆栈，导致WebFlux的/sse端点失效。可以通过以下配置解决：

server:
  port: 8081
spring:
  ai:
    mcp:
      server:
        name: sse-server
        version: 0.0.1
  main:
    web-application-type: reactive

SSE服务的pom.xml配置：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <artifactId>mcp</artifactId>
        <groupId>org.example</groupId>
        <version>1.0-SNAPSHOT</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>mcp-sse</artifactId>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
    </properties>

    <repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
        </repository>
    </repositories>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>
</project>

Service实现工具业务逻辑，Config将工具暴露给MCP Server（代码与Stdio方式类似）。Config中的MethodToolCallbackProvider就像一个"扫描器"，把所有@Tool注解的方法收集起来"交给"MCP Server。

SSE服务启动后，在Cursor中配置即可使用：

{
  "mcpServers": {
    "sse-server":{
      "url":"http://127.0.0.1:8081/sse"
    }
  }
}

在Spring AI中作为MCP Client调用该服务的Controller示例：

@RestController
@RequestMapping("/chat")
public class ChatController {

    private final ChatClient chatClient;

    @Autowired
    public ChatController(DashScopeChatModel chatModel,
                          SyncMcpToolCallbackProvider mcpToolProvider) {
        this.chatClient = ChatClient.builder(chatModel)
                .defaultToolCallbacks(mcpToolProvider.getToolCallbacks())
                .build();
    }

    @RequestMapping("/generate")
    public String generate(String message) {
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }
}

配合TreeRouter提升开发效率

在MCP标准化工具调用的基础上，搭配TreeRouter API中转站能够进一步提升AI应用开发效率。TreeRouter作为专业的API聚合中转平台，提供了统一的大模型API接入方案，支持GPT、Gemini、Claude、DeepSeek、Qwen等主流AI模型的统一调用。

开发者无需对接多家厂商的不同接口，只需通过TreeRouter一套标准API即可接入所有主流模型，配合MCP的工具管理能力，能够快速构建功能强大、扩展性强的AI应用系统，真正实现"一次开发，多模型兼容"的高效开发体验。

MCP模型上下文协议详解

前言

什么是MCP

MCP Java SDK 架构

Transport传输协议

MCP Server与MCP Client

MCP Server

MCP Client

MCP使用实战

第一步：准备MCP Server配置

第二步：Spring AI项目接入

第三步：配置文件设置

第四步：编写Controller

自定义MCP Server开发

方式一：使用Stdio自定义MCP Server

方式二：使用SSE自定义MCP Server

配合TreeRouter提升开发效率

聚合 40+ 顶尖厂商，稳定调度 300+ 核心模型

OpenClaw vs Hermes Agent 2026对比与选型指南

小孩儿才做选择！Hermes 和 OpenClaw 我都要！

别再裸用 Claude Code 了！32 个亲测Skills + 8 个 MCP，开发效率直接拉满！

吃透 ADK 套件，把 Claude Code 打造成专属开发团队

前言

什么是MCP

MCP Java SDK 架构

Transport传输协议

MCP Server与MCP Client

MCP Server

MCP Client

MCP使用实战

第一步：准备MCP Server配置

第二步：Spring AI项目接入

第三步：配置文件设置

第四步：编写Controller

自定义MCP Server开发

方式一：使用Stdio自定义MCP Server

方式二：使用SSE自定义MCP Server

配合TreeRouter提升开发效率

聚合 40+ 顶尖厂商，稳定调度 300+ 核心模型

延伸阅读

OpenClaw vs Hermes Agent 2026对比与选型指南

小孩儿才做选择！Hermes 和 OpenClaw 我都要！

别再裸用 Claude Code 了！32 个亲测Skills + 8 个 MCP，开发效率直接拉满！

吃透 ADK 套件，把 Claude Code 打造成专属开发团队