Spring AI × MCP（Model Context Protocol）：AI驱动的业务数据革命

实现效果

• 目前数据库有一条数据
  
• 通过助手查询我们库中数据
  

---

快速开始

要求JDK：17+

1. 父工程devil-ai搭建

<dependency>
    <groupId>org.springframework.aigroupId>
    <artifactId>spring-ai-bomartifactId>
    <version>${spring-ai.version}version>
    <type>pomtype>
    <scope>importscope>
dependency>

<dependency>
    <groupId>com.alibaba.cloud.aigroupId>
    <artifactId>spring-ai-alibaba-starterartifactId>
    <version>${spring-ai-alibaba.version}version>
dependency>

---

2. 子工程devil-mcp服务端搭建

• 添加MCP服务端依赖 本文使用响应式方案

 
 <dependency>
     <groupId>org.springframework.aigroupId>
     <artifactId>spring-ai-mcp-server-webflux-spring-boot-starterartifactId>
 dependency>

• Tools工具开发 - 提供给客户端调用

package com.devil.mcp.tools;

import com.baomidou.mybatisplus.core.toolkit.Wrappers;
import com.devil.mcp.entity.ArticleInfo;
import com.devil.mcp.service.ArticleInfoService;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

/**
 * @author Devil
 * @version 1.0
 * @description 文章信息工具
 * @date 2025/4/11 21:38
 */
@Service
public class ArticleInfoTools {
    @Autowired
    private ArticleInfoService articleInfoService;

    @Tool(description = "获取文章信息")
    String getArticleInfo(@ToolParam(description = "标题") String title) {
        ArticleInfo articleInfo = articleInfoService.getOne(Wrappers.<ArticleInfo>query().lambda().eq(ArticleInfo::getTitle, title));
        return articleInfo.toString();
    }
}

• 工具配置类将ArticleInfoTools 添加到Spring容器中

package com.devil.mcp.config;

import com.devil.mcp.tools.ArticleInfoTools;
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;

/**
 * @author Devil
 * @version 1.0
 * @description 工具配置类
 * @date 2025/4/11 22:53
 */
@Configuration
public class ToolsConfiguration {

    /**
     * 文章信息工具注册Bean
     *
     * 
该配置方法将文章信息相关工具封装为Spring AI可识别的工具回调提供者，
     * 使得AI智能体可以通过自然语言指令调用文章处理能力。
     *
     * 
实现特性：
     * 

     *   
基于方法级工具注册机制，自动暴露标注了@ToolMethod的端点
     *   
支持动态工具发现，与Spring AI的Function Calling机制无缝集成
     *   
工具方法支持参数自动类型转换（JSON Schema → Java Type）
     * 
     *
     * @param articleInfoTools 文章信息工具集合（需实现具体工具方法）
     * @return ToolCallbackProvider Spring AI工具回调提供者实例
     * @author Devil
     * @version 1.0.0
     * @see ArticleInfoTools 具体工具方法实现类
     * @see MethodToolCallbackProvider 方法级工具注册器
     * @since 2025/4/11
     */
    @Bean
    public ToolCallbackProvider articleInfoProvider(ArticleInfoTools articleInfoTools) {
        return MethodToolCallbackProvider.builder()
                .toolObjects(articleInfoTools)  // 注入实现了@ToolMethod注解的工具类
                .build();
    }
}

• application.yml配置信息

server:
  port: 8088
spring:
  application:
    name: devil-mcp
  ai:
    mcp:
      server:
        name: devil-mcp
        version: 1.0.0

---

3. 子工程devil-assistant客户端搭建

• 添加MCP服务端依赖和阿里百炼

<dependency>
    <groupId>org.springframework.bootgroupId>
    <artifactId>spring-boot-starter-webartifactId>
dependency>


<dependency>
    <groupId>com.alibaba.cloud.aigroupId>
    <artifactId>spring-ai-alibaba-starterartifactId>
dependency>


<dependency>
    <groupId>org.springframework.aigroupId>
    <artifactId>spring-ai-mcp-client-webflux-spring-boot-starterartifactId>
dependency>

• ChatClient聊天客户端构造器

/**
 * 聊天客户端构造器（组件装配核心）
 *
 * 
通过Spring AI的ChatClientBuilder构建具备以下能力的聊天引擎：
 * 

 *   
系统角色定义：设定助手的性格特征和行为规范
 *   
对话拦截链：
 *     

 *       
PromptChatMemoryAdvisor：上下文记忆管理
 *       
LoggingAdvisor：请求/响应日志追踪
 *     
 *   
 *   
工具集成：
 *     

 *       
AssistantTools：本地预置工具集
 *       
mcpTools：MCP协议远程工具
 *     
 *   
 * 
 *
 * @param chatClientBuilder 聊天客户端构建器（Spring AI自动装配）
 * @param vectorStore       向量存储组件（用于RAG检索）
 * @param chatMemory        对话记忆管理组件
 * @param assistantTools    本地工具集合（文章处理/数据分析等）
 * @param mcpTools          MCP协议工具提供者（动态工具发现）
 */
public AssistantController(ChatClient.Builder chatClientBuilder,
                           VectorStore vectorStore,
                           ChatMemory chatMemory,
                           AssistantTools assistantTools,
                           ToolCallbackProvider mcpTools) {
    this.chatClient = chatClientBuilder
            .defaultSystem("""
                    您是“Devil”的助手。请以友好、乐于助人且愉快的方式来回复。
                    您正在通过在线聊天系统与客户互动。
                    在获取文章信息之前，您必须始终从用户处获取以下信息：文章标题。
                    请讲中文。
                    """)
            .defaultAdvisors(
                    new PromptChatMemoryAdvisor(chatMemory), // 上下文记忆管理
                    new LoggingAdvisor())                     // 日志追踪
            .defaultTools(assistantTools)                    // 本地工具注册
            .defaultTools(mcpTools)                          // MCP协议工具
            .build();
}

• 本地助手工具AssistantTools

/**
 * @author Devil
 * @version 1.0
 * @description 本地助手工具
 * @date 2025/4/11 21:45
 */
@Slf4j
@Service
public class AssistantTools {

    @Tool(description = "我的开发者是谁")
    String getDeveloper() {
        return "Devil";
    }
}

• AI核心组件配置中心AiConfiguration

package com.devil.assistant.config;

import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.InMemoryChatMemory;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.vectorstore.SimpleVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * AI核心组件配置中心
 *
 * 
本配置类负责构建AI系统基础架构，包括对话记忆管理、向量存储等关键组件，
 * 为上层业务功能提供基础设施支持。
 *
 * 
配置功能清单：
 * 

 *   
内存型对话记录存储（开发环境适用）
 *   
简易向量存储组件（基于Embedding模型）
 * 
 *
 * @author yuanxu
 * @version 1.0
 * @see InMemoryChatMemory 基于内存的对话记忆实现
 * @see SimpleVectorStore 轻量级向量存储方案
 * @since 2025/4/12
 */
@Configuration
public class AiConfiguration {

    /**
     * 对话记忆存储Bean（内存实现）
     *
     * 
特性说明：
     * 

     *   
采用ConcurrentHashMap实现线程安全的对话存储
     *   
默认保存最近20轮对话（可通过配置参数调整）
     *   
重启服务后数据丢失，建议生产环境替换为持久化实现
     * 
     *
     * @return ChatMemory 对话记忆接口实例
     *
     * @apiNote 生产建议：替换为RedisChatMemory等持久化实现
     */
    @Bean
    public ChatMemory chatMemory() {
        return new InMemoryChatMemory();  // 开发环境快速启动方案
    }

    /**
     * 向量存储组件配置
     *
     * 
构建流程：
     * 

     *   
注入Embedding模型实现（如OpenAIEmbeddingModel）
     *   
初始化向量存储构建器
     *   
配置相似度计算阈值（默认0.75）
     * 
     *
     * @param embeddingModel 嵌入模型（自动装配）
     * @return VectorStore 向量存储实例
     *
     * @see EmbeddingModel 向量嵌入模型接口
     * @warning 需要额外配置向量持久化策略（默认内存存储）
     */
    @Bean
    public VectorStore vectorStore(EmbeddingModel embeddingModel) {
        return SimpleVectorStore.builder(embeddingModel)
                .build();  // 可追加.withIndexFolder()配置持久化路径
    }
}

• 流式处理日志增强切面顾问LoggingAdvisor

package com.devil.assistant.advisor;

import lombok.extern.slf4j.Slf4j;
import org.jetbrains.annotations.NotNull;
import org.springframework.ai.chat.client.advisor.api.AdvisedRequest;
import org.springframework.ai.chat.client.advisor.api.AdvisedResponse;
import org.springframework.ai.chat.client.advisor.api.StreamAroundAdvisor;
import org.springframework.ai.chat.client.advisor.api.StreamAroundAdvisorChain;
import reactor.core.publisher.Flux;

/**
 * 流式处理日志增强切面顾问
 *
 * 
实现流式处理全生命周期的日志跟踪能力，作为Spring Cloud Stream的增强组件，
 * 在消息流的处理链中注入日志切面，提供可观测性支持。
 *
 * 
核心职责：
 * 

 *   
记录流式请求的元数据（入参、上下文等）
 *   
透传处理链保证消息流连续性
 *   
支持多切面执行顺序控制（通过getOrder()调节优先级）
 * 
 *
 * @see StreamAroundAdvisor 流式切面顾问标准接口
 * @see AdvisedRequest 增强请求包装对象（包含消息头/体）
 * @see StreamAroundAdvisorChain 处理链上下文（责任链模式实现）
 * @author Devil
 * @version 1.0
 * @date 2025/4/11 21:48
 */
@Slf4j
public class LoggingAdvisor implements StreamAroundAdvisor {

    /**
     * 环绕式流处理增强（DEBUG级别日志记录）
     *
     * 
在流处理链执行前后添加日志跟踪点，注意：
     * 

     *   
采用Reactive模式，需确保日志记录操作符的正确位置
     *   
通过chain.nextAroundStream()保持流处理连续性
     *   
DEBUG级别日志避免记录敏感数据或过大消息体
     * 
     *
     * @param advisedRequest 增强请求对象（包含消息上下文）
     * @param chain 处理链执行器（触发下一个切面/最终处理器）
     * @return 响应流（保持背压传递特性）
     */
    @NotNull
    @Override
    public Flux<AdvisedResponse> aroundStream(@NotNull AdvisedRequest advisedRequest, StreamAroundAdvisorChain chain) {
        log.debug("request: {}", advisedRequest); // 记录请求快照
        return chain.nextAroundStream(advisedRequest); // 透传处理链
    }

    /**
     * 切面执行顺序（默认最高优先级）
     *
     * 
数值越小优先级越高，建议：
     * 

     *   
日志切面通常设置为最早执行（最小数值）
     *   
安全校验类切面可设置为更高优先级（更小数值）
     * 
     *
     * @return 执行顺序标识（Spring OrderUtils优先级规范）
     */
    @Override
    public int getOrder() {
        return 0; // 最高优先级执行
    }

    /**
     * 获取切面标识（默认使用类全限定名）
     *
     * 
用于：
     * 

     *   
监控系统显示切面名称
     *   
动态配置排除特定切面
     *   
异常堆栈定位问题切面
     * 
     *
     * @return 切面唯一标识符
     */
    @NotNull
    @Override
    public String getName() {
        return this.getClass().getName(); // 使用类名保证唯一性
    }
}

• 聊天访问接口

    /**
     * 流式对话接口（SSE协议）
     *
     * 
技术实现要点：
     * 

     *   
采用响应式流（Flux）处理持续对话
     *   
动态注入当前日期作为系统参数
     *   
集成问答建议顾问（基于向量检索的RAG）
     *   
响应流结尾追加[complete]作为结束标识
     * 
     *
     * @param message 用户输入消息（默认示例："讲个笑话"）
     * @return SSE事件流（text/event-stream）
     * @apiNote 示例请求：GET /assistant/chat?message=什么是Spring AI
     */
    @GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> generateStreamAsString(
            @RequestParam(value = "message", defaultValue = "讲个笑话") String message) {

        return chatClient.prompt()
                .system(spec -> spec.param("current_date", LocalDate.now().toString())) // 注入时间上下文
                .advisors(spec -> spec.param(AbstractChatMemoryAdvisor.CHAT_MEMORY_RETRIEVE_SIZE_KEY, 100)) // 记忆检索窗口
                .user(message)  // 用户输入
                .advisors(new QuestionAnswerAdvisor(vectorStore,  // RAG增强
                        SearchRequest.builder().query(message).build()))
                .stream()
                .content()
                .concatWith(Flux.just("[complete]")); // 流结束标识
    }
}

• 配置文件application.yml

server:
  port: 8080
  servlet:
    encoding:
      charset: UTF-8
      enabled: true
      force: true
spring:
  application:
    name: devil-assistant
  ai:
    dashscope:
      api-key: #你的ApiKey
      chat:
        options:
          model: #模型
    mcp:
      client:
        enabled: true
        name: devil-assistant
        version: 1.0.0
        request-timeout: 30s
        type: ASYNC  # or SYNC
        sse:
          connections:
            server1:
              url: http://localhost:8088

完整代码

Gitee访问
GitCode访问