一、为什么需要 MCP？

在 AI 应用爆发式增长的今天，我们常常面临两个痛点：

1. 服务商想开放工具：比如高德地图提供位置查询、百度提供联网搜索，但每个服务商都有自己的 API 格式，调用方式千差万别。
2. 企业内部多应用共享工具：多个智能应用都想使用同一套内部工具（如订单查询、用户画像），如果每个应用各自接入，重复造轮子且维护成本极高。

解决方案很简单：把 Tools 单独抽取出来，由应用程序统一读取外部 Tools。

但问题随之而来——怎么读？怎么解析？
如果每个提供商各用一套规则，想象一下对接几十个不同 API 的混乱场面……

于是MCP（Model Context Protocol）应运而生。

MCP 指定了 标准通信规则，以JSON‑RPC 2.0格式进行交互，彻底统一了 Tools 的暴露与调用方式。

二、MCP 的两种通信方式

MCP 官方提供了两种主流传输方式：

三、STDIO 方式详解

1. MCP Server（服务端）

① 使用现成的公共 MCP Server

网上已有大量现成的 MCP 服务，例如：

• MCP Server 聚合站 提供了百度地图、文件系统、天气查询等众多 MCP Server。

② 自定义 STDIO MCP Server

下面我们用 Spring AI 创建一个自定义的 STDIO MCP Server。

第一步：添加依赖（pom.xml）

<!--MCP Server 依赖--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server</artifactId></dependency><!--Spring AI BOM 管理--><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><!--打包插件（用于生成可执行 jar）--><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId><executions><execution><goals><goal>repackage</goal></goals></execution></executions></plugin></plugins></build>

第二步：编写 Tool 服务

@ServicepublicclassUserToolService{Map<String,Double>userScore=Map.of("xushu",99.0,"zhangsan",2.0,"lisi",3.0);@Tool(description="获取用户分数")publicStringgetScore(Stringusername){if(userScore.containsKey(username)){returnuserScore.get(username).toString();}return"未检索到当前用户 "+username;}}

第三步：暴露 Tool

@BeanpublicToolCallbackProviderweatherTools(UserToolServiceuserToolService){returnMethodToolCallbackProvider.builder().toolObjects(userToolService).build();}

第四步：配置文件（application.yml）

spring:main:banner-mode:off# 必须关闭横幅，否则影响 STDIO 通信ai:mcp:server:name:my-weather-serverversion:0.0.1

⚠️ 注意：必须禁用横幅和控制台日志，否则会污染标准输入输出流，导致 MCP 通信失败。

第五步：打包

执行 mvn package，在 target/ 下生成可执行 jar 包。

2. MCP Client（客户端）调用 STDIO

第一步：依赖

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

第二步：配置 application.yml

spring:ai:mcp:client:request-timeout:60000stdio:servers-configuration:classpath:/mcp-servers-config.jsonconnections:server1:command:/path/to/serverargs:---port=8080---mode=productionenv:API_KEY:your-api-keyDEBUG:"true"

第三步：mcp-servers-config.json（放在 resources 下）

{"mcpServers":{"baidu-map":{"command":"cmd","args":["/c","npx","-y","@baidumap/mcp-server-baidu-map"],"env":{"BAIDU_MAP_API_KEY":"你的百度地图Key"}},"mcp-server-weather":{"command":"java","args":["-Dspring.ai.mcp.server.stdio=true","-Dlogging.pattern.console=","-jar","D:\\xxx\\target\\mcp-stdio-server.jar"]}}}

第四步：绑定到 ChatClient

@RestControllerpublicclassOpenAiController{privatefinalChatClientchatClient;publicOpenAiController(DashScopeChatModeldashScopeChatModel,ToolCallbackProvidermcpTools){this.chatClient=ChatClient.builder(dashScopeChatModel).defaultToolCallbacks(mcpTools).build();}@GetMapping(value="/ai/generateStream",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>generateStream(@RequestParamStringmessage){returnchatClient.prompt().user(message).stream().content();}}

3. STDIO 方式鉴权

STDIO 通过环境变量传递凭证。
在客户端配置中，通过 env 字段注入：

{"mcpServers":{"baidu-map":{"command":"cmd","args":["/c","npx","-y","@baidumap/mcp-server-baidu-map"],"env":{"BAIDU_MAP_API_KEY":"your-valid-key"}}}}

服务端获取环境变量进行校验：

@Tool(description="获取用户余额")publicStringgetScore(){StringapiKey=System.getenv("BAIDU_MAP_API_KEY");// 校验 apiKey 合法性...return"用户信息";}

⚠️ 局限：STDIO 环境下，环境变量在子进程启动时固定，不支持动态切换用户凭证。多用户场景下会产生争抢，只适合单租户或本地工具。

四、SSE 方式详解

1. MCP Server（服务端）

第一步：依赖

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

注意：如果用 webflux 版本，可能需要设置 spring.main.web-application-type=reactive，建议根据官方说明选择。

第二步：定义 Tool（同 STDIO）

@ServicepublicclassUserToolService{Map<String,Double>userScore=Map.of("xushu",99.0,"zhangsan",2.0,"lisi",3.0);@Tool(description="获取用户分数")publicStringgetScore(Stringusername){if(userScore.containsKey(username)){returnuserScore.get(username).toString();}return"未检索到当前用户 "+username;}}

第三步：暴露 Tool

@BeanpublicToolCallbackProvidertoolProvider(UserToolServiceuserToolService){returnMethodToolCallbackProvider.builder().toolObjects(userToolService).build();}

第四步：配置文件 application.yml

server:port:8088

启动后，MCP Server 会暴露 SSE 端点（通常是 /sse）。

2. MCP Client（客户端）

第一步：依赖

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

第二步：配置

spring:ai:mcp:client:enabled:truename:my-mcp-clientversion:1.0.0request-timeout:30stype:ASYNCsse:connections:server1:url:http://localhost:8088

第三步：代码绑定将 ToolCallbackProvider 注入 ChatClient 即可

@RestControllerpublicclassOpenAiController{privatefinalChatClientchatClient;publicOpenAiController(DashScopeChatModeldashScopeChatModel,ToolCallbackProvidermcpTools){this.chatClient=ChatClient.builder(dashScopeChatModel).defaultToolCallbacks(mcpTools).build();}@GetMapping(value="/ai/generateStream",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>generateStream(@RequestParamStringmessage){returnchatClient.prompt().user(message).stream().content();}}

3. SSE 方式鉴权（OAuth2）

SSE 基于 HTTP，天然适合使用 OAuth2 标准。
MCP 规范（2025 年 3 月版）明确支持 OAuth2，MCP Server 同时充当 资源服务器 和 授权服务器。

• 资源服务器：校验每个请求的 Authorization: Bearer 头。
• 授权服务器：颁发 access_token（通常使用 client_credentials 模式）。