Spring AI实战：基于SSE的MCP Server与Client开发全流程解析-开发者社区

1. 初识Spring AI与MCP架构

如果你正在寻找一种高效的方式让AI模型与Java应用无缝集成，Spring AI的MCP（Model Context Protocol）架构绝对值得关注。MCP就像一座智能桥梁，让大语言模型能够调用外部工具和服务，而SSE（Server-Sent Events）则是实现实时通信的秘密武器。

记得我第一次尝试用传统REST API对接AI服务时，最头疼的就是处理长轮询和实时响应。直到发现Spring AI的SSE支持，才明白原来实时交互可以如此优雅。SSE采用单向事件流，服务端可以主动推送数据到客户端，特别适合需要持续获取AI生成内容的场景。

MCP的核心价值在于标准化交互协议。它定义了工具发现、调用和资源访问的统一方式，就像给AI模型装上了标准USB接口。通过Spring Boot Starter，我们只需几行配置就能让普通Java方法变身AI可调用的智能工具。

2. 搭建MCP Server工程

2.1 初始化项目骨架

打开start.spring.io，选择：

Java 17
Spring Boot 3.5.8
添加依赖：Spring Web、Spring AI MCP Server WebMVC

关键配置在pom.xml中：

<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId> </dependency> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.1.2</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

2.2 开发工具服务类

创建一个简单的数学工具类：

package com.example.tool; import org.springframework.ai.tool.annotation.Tool; public class MathTool { @Tool(description = "两个数字相加") public static int addNumbers(int a, int b) { return a + b; } @Tool(description = "两个数字相减") public static int subtractNumbers(int a, int b) { return a - b; } }

2.3 配置工具注入

通过配置类将工具注册到Spring容器：

@Configuration public class McpConfig { @Bean public ToolCallbackProvider mathTool() { return MethodToolCallbackProvider.builder() .toolObjects(new MathTool()) .build(); } }

2.4 关键配置参数

application.yaml需要特别注意SSE端点配置：

server: port: 8080 spring: ai: mcp: server: enabled: true sse-endpoint: /api/v1/sse sse-message-endpoint: /api/v1/mcp capabilities: tool: true

启动应用后，控制台会显示类似日志：

Registered tools: 2, notification: true

说明我们的数学工具已成功注册为AI可调用的服务。

3. 连接MCP Server的两种方式

3.1 通过Chatbox可视化调试

推荐使用Chatbox这类AI调试工具快速验证：

添加MCP服务器配置
填写SSE端点URL：http://localhost:8080/api/v1/sse
点击测试连接

成功后会显示可用的工具列表。试着提问："请计算15加8等于多少"，AI会自动调用addNumbers方法并返回结果。

3.2 开发自定义Client应用

3.2.1 初始化Client工程

创建新项目并添加关键依赖：

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

3.2.2 配置连接参数

application.yaml配置：

spring: ai: mcp: client: sse: connections: server1: url: http://localhost:8080 sse-endpoint: /api/v1/sse

3.2.3 实现调用Controller

创建对接端点：

@RestController @RequestMapping("/mcp") public class ConnectMcpServer { private final ChatClient chatClient; public ConnectMcpServer(ChatClient.Builder builder, ToolCallbackProvider toolCallbackProvider) { this.chatClient = builder .defaultToolCallbacks(toolCallbackProvider.getToolCallbacks()) .build(); } @GetMapping("/test") public String test(@RequestParam String query) { return chatClient.prompt() .system("你是有数学计算能力的AI助手") .user(query) .call().content(); } }

启动后访问测试：

GET http://localhost:8081/mcp/test?query=25减13等于多少

会返回正确计算结果："25减13等于12"。

4. 生产环境注意事项

4.1 连接稳定性优化

SSE连接可能因网络波动中断，建议添加重试机制：

@Bean public WebClientCustomizer webClientCustomizer() { return webClientBuilder -> webClientBuilder .clientConnector(new ReactorClientHttpConnector( HttpClient.create() .doOnConnected(conn -> conn .addHandlerLast(new ReadTimeoutHandler(30)) .addHandlerLast(new WriteTimeoutHandler(10))) .retry(3) )); }

4.2 性能监控配置

添加执行耗时监控：

@Aspect @Component public class ToolMonitorAspect { @Around("@annotation(org.springframework.ai.tool.annotation.Tool)") public Object logToolExecution(ProceedingJoinPoint pjp) throws Throwable { long start = System.currentTimeMillis(); try { return pjp.proceed(); } finally { long duration = System.currentTimeMillis() - start; Metrics.timer("mcp.tool.execution") .tag("tool", pjp.getSignature().getName()) .record(duration, TimeUnit.MILLISECONDS); } } }

4.3 安全防护措施

建议添加JWT认证拦截器：

@Bean public SecurityWebFilterChain securityFilterChain(ServerHttpSecurity http) { return http .authorizeExchange(exchanges -> exchanges .pathMatchers("/api/v1/sse").authenticated() .anyExchange().permitAll() ) .oauth2ResourceServer(server -> server .jwt(Customizer.withDefaults()) ) .build(); }

5. 调试技巧与问题排查

当SSE连接异常时，首先检查：

服务端是否启用CORS：

spring: mvc: cors: mappings: "/api/v1/**": allowed-origins: "*" allowed-methods: GET,POST

客户端连接状态监控：

client.monitor() .doOnSubscribe(s -> log.info("连接建立")) .doOnError(e -> log.error("连接异常", e)) .doOnCancel(() -> log.warn("连接断开")) .subscribe();

常见错误解决方案：

返回404：检查端点路径是否包含base-url前缀
连接立即断开：确认服务端keep-alive配置
工具未显示：检查@Tool注解的description是否为空

6. 扩展应用场景

6.1 结合知识库查询

开发文档检索工具：

@Tool(description = "根据关键词查询知识库") public List<String> searchKnowledge(@Param("关键词") String keyword) { return vectorStore.similaritySearch(keyword) .stream() .map(Document::getContent) .collect(Collectors.toList()); }

6.2 业务流程自动化

订单状态查询示例：

@Tool(description = "查询订单状态") public OrderStatus getOrderStatus(@Param("订单号") String orderId) { return orderService.findById(orderId) .orElseThrow(() -> new RuntimeException("订单不存在")); }

6.3 实时数据监控

股票价格推送工具：

@Tool(description = "订阅股票价格变动") public Flux<StockPrice> watchStock( @Param("股票代码") String symbol, McpAsyncServerExchange exchange) { return stockService.getPriceStream(symbol) .doOnNext(price -> exchange.createMessage( new TextContent("最新价格: " + price.getCurrent()))); }

在实际项目中，我发现SSE的keep-alive机制需要特别注意。曾经遇到生产环境连接莫名断开的问题，后来发现是代理服务器超时设置过短。建议在Nginx配置中添加：

proxy_read_timeout 300s; proxy_send_timeout 300s;

对于需要更高并发的场景，可以考虑使用WebFlux版本的starter：

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

Spring AI实战：基于SSE的MCP Server与Client开发全流程解析