菜鸟教程 – 学的不仅是技术，更是梦想！

技术网站，更是交流网站

MCP

Spring AI MCP实战 调用高德api查询天气

likuolei

Spring AI MCP实战：调用高德API查询天气（2025年最新完整教程）

MCP 在 Spring AI 上下文中，通常指 Model-Controller-Pattern（模型-控制器-模式），这是 Spring Boot 应用的标准 MVC 架构（Model-View-Controller 的变体，View 部分可替换为 API 响应）。本教程将手把手教你从零构建一个 Spring AI 应用，使用 MCP 架构集成高德地图天气查询 API，并结合 Spring AI 的 AI 能力（如通义大模型）生成智能天气报告（例如，基于天气数据生成“今天出门建议”）。

为什么用 Spring AI？
Spring AI 是 Spring 官方 2023 年推出的框架（2025 年已达 1.0 GA），简化 AI 集成（如大模型调用）。这里我们用它调用阿里云通义模型（DashScope）生成天气解读，同时用 RestTemplate 调用高德 API。整个应用是 RESTful API，支持城市查询天气。

前提条件

  • JDK 17+（Spring Boot 3.x 要求）
  • Maven 3.6+ 或 Gradle
  • 高德 API Key（免费申请，日限 30 万次）
  • 阿里云 DashScope API Key（免费试用，集成 Spring AI Alibaba）
  • IDE：IntelliJ IDEA 或 VS Code

预计时间：30-45 分钟。最终输出：一个可运行的 Spring Boot 应用，POST /weather?city=北京，返回 JSON 天气数据 + AI 生成的建议。

第一步：申请 API Key（5 分钟）

高德天气 API

  1. 访问 高德开放平台，注册/登录开发者账号。
  2. 点击“应用管理 > 创建新应用”，应用类型选“Web 服务”。
  3. 添加 Key（服务平台选“Web 服务”），复制 Key（例如：your_amap_key）。
  • API 文档：天气查询接口
  • URL 示例：https://restapi.amap.com/v3/weather/weatherInfo?key=your_amap_key&city=110000&extensions=all
    • city：城市编码（北京=110000，上海=310000；全国列表见文档）。
    • extensions：base（实时）或 all（+预报）。
    • 返回：JSON，如 { "status": "1", "lives": [{ "weather": "晴", "temperature": "22", ... }] }。

阿里云 DashScope（Spring AI 用）

  1. 访问 阿里云控制台，开通 DashScope 服务（免费额度 1000 元）。
  2. 创建 API Key（例如：your_dashscope_key）。
  3. Spring AI Alibaba 集成：用此 Key 调用通义模型生成天气解读。

第二步：创建 Spring Boot 项目（5 分钟）

用 Spring Initializr（https://start.spring.io/）生成项目：

  • Project: Maven
  • Language: Java
  • Spring Boot: 3.2.x（最新）
  • Group: com.example
  • Artifact: spring-ai-weather-mcp
  • Dependencies:
  • Spring Web（REST API）
  • Spring AI Alibaba AutoConfiguration（AI 集成）
  • Spring Boot Starter Test

下载 ZIP，解压到本地，用 IDE 打开。

pom.xml 关键依赖（自动添加 Spring AI Alibaba）：

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <!-- Spring AI Alibaba (通义大模型) -->
    <dependency>
        <groupId>com.alibaba.cloud.ai</groupId>
        <artifactId>spring-ai-alibaba-starter</artifactId>
        <version>1.0.0-M1</version> <!-- 2025 最新版 -->
    </dependency>
</dependencies>

第三步：配置 application.yml（3 分钟）

在 src/main/resources/application.yml 添加：

spring:
  ai:
    alibaba:
      dashscope:
        api-key: ${DASHSCOPE_API_KEY:your_dashscope_key}  # 环境变量或直接填
        chat:
          options:
            model: qwen-max  # 通义千问大模型
            temperature: 0.7

amap:
  key: ${AMAP_API_KEY:your_amap_key}  # 高德 Key

server:
  port: 8080

运行前设置环境变量：

  • Windows: set DASHSCOPE_API_KEY=your_key
  • Linux/Mac: export DASHSCOPE_API_KEY=your_key
    同理设置 AMAP_API_KEY。

第四步：构建 MCP 架构（Model-Controller-Pattern，15 分钟）

Model（模型）：天气数据 POJO

创建 src/main/java/com/example/model/WeatherResponse.java（高德 API 响应模型）：

package com.example.model;

import com.fasterxml.jackson.annotation.JsonProperty;
import java.util.List;

public class WeatherResponse {
    private String status;
    private String info;
    private Integer infocode;
    private List<Live> lives;  // 实时天气
    private List<Forecast> forecasts;  // 预报

    // Getters/Setters
    public String getStatus() { return status; }
    public void setStatus(String status) { this.status = status; }
    // ... 其他 getters/setters

    public static class Live {
        private String province;
        private String city;
        private String adcode;
        private String reporttime;
        private String weather;
        private String temperature;
        private String winddirection;
        private String windpower;
        private String humidity;
        // Getters/Setters...
    }

    public static class Forecast {
        // 类似 Live，省略...
    }
}

创建 AiWeatherAdvice.java（AI 生成的建议模型）：

package com.example.model;

public class AiWeatherAdvice {
    private String punnyResponse;  // AI 生成的双关语或建议
    private String weatherConditions;  // 天气解读

    // Getters/Setters
    public String getPunnyResponse() { return punnyResponse; }
    public void setPunnyResponse(String punnyResponse) { this.punnyResponse = punnyResponse; }
    public String getWeatherConditions() { return weatherConditions; }
    public void setWeatherConditions(String weatherConditions) { this.weatherConditions = weatherConditions; }
}

Controller（控制器）：REST API 入口

创建 src/main/java/com/example/controller/WeatherController.java：

package com.example.controller;

import com.example.model.WeatherResponse;
import com.example.model.AiWeatherAdvice;
import com.example.service.WeatherService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class WeatherController {

    @Autowired
    private WeatherService weatherService;

    @Value("${amap.key}")
    private String amapKey;

    @GetMapping("/weather")
    public WeatherResponse getWeather(@RequestParam String city) {
        // 调用服务获取天气 + AI 建议
        WeatherResponse weather = weatherService.getWeather(city, amapKey);
        AiWeatherAdvice advice = weatherService.generateAdvice(weather);

        // 这里可合并到响应中，或返回复合对象
        System.out.println("AI 建议: " + advice.getPunnyResponse());  // 日志输出
        return weather;  // 实际项目中返回 WeatherResponse + advice
    }
}

Pattern（服务层：集成 Spring AI + 高德 API）

在 Service 中实现核心逻辑。创建 src/main/java/com/example/service/WeatherService.java：

package com.example.service;

import com.alibaba.dashscope.aigc.chat.ChatClient;
import com.alibaba.dashscope.aigc.chat.options.ChatOptions;
import com.example.model.WeatherResponse;
import com.example.model.AiWeatherAdvice;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.ai.chat.model.ToolContext;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;

import java.util.HashMap;
import java.util.Map;
import java.util.function.BiFunction;

@Service
public class WeatherService {

    @Autowired
    private RestTemplate restTemplate;  // Spring Web 自带

    @Autowired
    private ChatClient chatClient;  // Spring AI Alibaba 的 ChatClient

    // 高德城市编码映射（简化，实际用数据库或缓存）
    private final Map<String, String> cityCodes = Map.of(
        "北京", "110000", "上海", "310000", "广州", "440100"
    );

    public WeatherResponse getWeather(String city, String key) {
        String adcode = cityCodes.getOrDefault(city, "110000");  // 默认北京
        String url = "https://restapi.amap.com/v3/weather/weatherInfo?key=" + key +
                     "&city=" + adcode + "&extensions=all&output=JSON";

        String response = restTemplate.getForObject(url, String.class);
        ObjectMapper mapper = new ObjectMapper();
        try {
            return mapper.readValue(response, WeatherResponse.class);
        } catch (Exception e) {
            throw new RuntimeException("天气查询失败: " + e.getMessage());
        }
    }

    // Spring AI 工具：天气解读生成器
    public AiWeatherAdvice generateAdvice(WeatherResponse weather) {
        WeatherResponse.Live live = weather.getLives().get(0);
        String prompt = "基于天气: " + live.getWeather() + ", 温度: " + live.getTemperature() +
                        "°C, 风力: " + live.getWindpower() + "。生成一个有趣的出门建议（双关语风格）。";

        // 用 Spring AI Alibaba 调用通义模型
        ChatOptions options = ChatOptions.builder()
            .withModel("qwen-max")
            .withMessages(prompt)
            .build();

        String aiResponse = chatClient.call(options).getOutput().getContent();  // 简化调用

        AiWeatherAdvice advice = new AiWeatherAdvice();
        advice.setPunnyResponse(aiResponse);
        advice.setWeatherConditions("今天" + live.getWeather() + "，适合户外活动！");
        return advice;
    }
}

说明：

  • getWeather：用 RestTemplate 调用高德 HTTP API。
  • generateAdvice：用 Spring AI 的 ChatClient 调用通义模型生成智能建议（例如，“晴天如你心情，带把伞防惊喜！”）。
  • 工具集成：可扩展为 Spring AI Tool（如 WeatherForLocationTool），用 @ToolParam 注解。

第五步：运行与测试（5 分钟）

  1. 运行主类 SpringAiWeatherMcpApplication.java：
   @SpringBootApplication
   public class SpringAiWeatherMcpApplication {
       public static void main(String[] args) {
           SpringApplication.run(SpringAiWeatherMcpApplication.class, args);
       }
   }
  1. 测试 API：用 Postman 或 curl：
   curl "http://localhost:8080/weather?city=北京"


返回示例：

   {
     "status": "1",
     "lives": [{
       "city": "北京市",
       "weather": "晴",
       "temperature": "15",
       "windpower": "≤3",
       "humidity": "40"
     }],
     // ... 预报数据
   }


控制台日志：AI 建议（如“晴朗天气，钻石般闪耀，出门捡钱吧！”）。

  1. 扩展：添加异常处理、缓存（Redis）、安全（OAuth）。

常见问题与优化（2025 年实战Tips）

问题解决方案
Key 无效检查高德控制台配额（日 30 万次），DashScope 额度。
AI 响应慢用 temperature=0.5 优化，或异步调用。
城市编码未知集成高德“行政区查询 API”动态获取 adcode。
部署生产用 Docker + Kubernetes，监控 AI 调用次数。

资源推荐（2025 最新）：

这个 MCP 应用已完整可跑！如果需要 GitHub 源码、Docker 镜像，或扩展（如多城市批量查询），告诉我，我直接发你。玩转 Spring AI，未来 AI 开发就是这么简单！

分类： MCP
网站 http://yingjuxia.com
文章已创建 2838

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

相关文章

开始在上面输入您的搜索词，然后按回车进行搜索。按ESC取消。

返回顶部