Spring AI 大模型应用开发实战流程：MCP（Model Context Protocol）篇
（2026年1月视角 · 生产级实用指南）
MCP 是目前（2026年初）最被看好的下一代工具/资源/上下文标准化协议，由 Anthropic 发起，已被 Spring AI 深度集成，成为 Java 生态构建复杂 Agent、多工具系统、跨服务上下文共享的最主流选择之一。
MCP vs 传统 Function/Tool Calling 对比（2026现状）
| 维度 | 传统 Function Calling | MCP (Model Context Protocol) | 谁赢？（生产视角） |
|---|---|---|---|
| 标准化程度 | 各家模型自己定义 | 开放协议（类似 USB-C） | MCP ★★★★★ |
| 工具发现机制 | 基本靠硬编码/每次传 | 自动发现 + 动态更新 + 通知机制 | MCP 大胜 |
| 支持能力类型 | 主要 Tool/Function | Tool + Resource + Prompt Template + Sampling | MCP 更全面 |
| 部署方式 | 全塞在一个应用里 | 独立轻量 MCP Server（可分布式） | MCP 更解耦、更可扩展 |
| 跨团队/跨系统复用 | 差 | 极好（生态已出现大量预制 Server） | MCP 完胜 |
| Spring AI 支持度 | 原生很好 | 非常完善（Client/Server 双 Starter） | 平手 |
| 目前生态成熟度 | 很高 | 快速上升中（2025年底~2026年爆发） | Function Calling 暂领先 |
| 未来潜力（2~3年） | 中等 | 极高（已成为 Agent 基础设施候选） | MCP 占优 |
一句话总结：
短期用 Function Calling 最快落地，长期想做复杂、可维护、可组合的 Agent 系统 → MCP 是更未来的选择。
Spring AI 中 MCP 的典型实战开发流程（2026推荐路径）
阶段1：理解核心概念与角色分工
- MCP Client：通常是你核心的 Spring AI 应用（ChatClient 所在的项目）
- 负责连接多个 MCP Server
- 自动发现工具/资源/prompt
- 把发现的能力注册成 ToolCallback 给大模型用
- MCP Server：独立的小服务（可以很多个）
- 每个 Server 只负责一类能力（单一职责）
- 常见类型：文件系统、数据库、天气API、企业内部系统、知识库、计算器等
- 传输方式：stdio（本地进程）、SSE/http（远程）、未来可能有更多
- 三种主要能力（MCP 比传统 Tool Calling 丰富的地方）：
- Tools → 可执行函数（类似传统 function calling）
- Resources → 只读资源获取（文件内容、数据库记录、API响应等）
- Prompts → 标准化 Prompt 模板（可参数化复用）
阶段2：最快跑通 Hello MCP（推荐起步方式）
方式A：本地 stdio 最快（开发/调试首选）
- 新建 MCP Server 项目（天气预报示例）
<!-- MCP Server 核心依赖（2026年最新稳定） -->
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server</artifactId>
</dependency>
<!-- 或使用 webflux/sse 远程方式 -->
<!-- <artifactId>spring-ai-starter-mcp-server-webflux</artifactId> -->- 定义一个简单 Tool
@McpTool(name = "get_weather", description = "获取指定城市当前天气")
public WeatherInfo getWeather(
@McpParam("city") String city,
@McpParam(value = "date", required = false) String date) {
// 模拟调用真实天气API
return weatherApi.get(city, date);
}- 启动 Server（stdio方式最简单）
# 推荐使用 npx 或直接 java -jar 启动
java -jar mcp-weather-server.jar方式B：Client端连接（最常见生产方式 – SSE远程）
spring:
ai:
mcp:
client:
streamable-http: # 或 stdio、其他transport
connections:
weather:
url: http://weather-mcp.yourdomain.com:8080
calculator:
url: http://localhost:9090 # 另一个计算器服务
files:
url: stdio:npx @mcp/filesystem ./data- 使用方式几乎和普通 Tool Calling 一模一样！
String response = chatClient.prompt()
.user("明天上海天气怎么样？顺便算一下 28℃ 转 华氏度是多少？")
.call()
.content();大模型会自动发现并调用多个 MCP Server 提供的工具。
阶段3：典型生产级 MCP 架构推荐（2026主流做法）
[前端/业务系统]
↓
[核心 Agent 应用 (MCP Client)]
├── MCP Client (自动发现&注册所有工具)
├── ChatClient / ChatModel
└── 连接 ↓ (多路)
├── MCP Server - 文件系统（本地/共享盘）
├── MCP Server - 企业知识库（RAG专用）
├── MCP Server - 内部CRM/ERP API
├── MCP Server - 实时计算/风控引擎
└── MCP Server - 第三方服务（天气/股票/翻译...）优点：
- 解耦极强：每个业务域维护自己的 MCP Server
- 权限隔离更容易
- 可独立升级/灰度
- 工具可复用给多个 Agent/多个团队
阶段4：进阶必知点（生产必踩&必会）
- 动态工具更新（2025下半年~2026大热功能）
- Server 工具新增/删除会主动通知 Client
- Client 可热更新可用工具列表
- 安全与权限（最重要！）
- 使用
McpToolFilter做运行时鉴权 - 建议每个 Server 带用户上下文（JWT/Principal）
- 性能与稳定性
- SSE 连接建议设置心跳
- 重要 Server 做高可用（多实例 + 负载均衡）
- 国产模型兼容现状（2026.1）
- 通义千问、DeepSeek、豆包、智谱 → 基本都已支持 MCP 调用
- 部分模型在采样（sampling）和 resource 获取上还有细微差异
总结：2026年 MCP 实战推荐选择路径
业务复杂度/长期性 推荐方案
─────────────────────
简单Demo/快速验证 → 传统 @Tool / Function Calling
中型项目、稳定需求 → 传统 Function + Advisors
复杂Agent、多系统集成 → MCP（强烈推荐）
大型企业、生态化建设 → MCP + 自建多个领域 Server（终极形态）MCP 正在成为 Java 体系里“下一代 Agent 基础设施”最有力的候选。
想深入某个具体场景（文件系统操作、企业内部系统对接、动态工具热更新、多 Server 权限管理、国产模型最佳实践等），欢迎继续提问！🚀
