版本：1.1.6

MCP

MCP（Model Context Protocol）是 AI 模型与外部工具服务器的标准通信协议。Spring AI 的 MCP 集成让 ChatClient 能够调用任何实现了 MCP 协议的工具服务器——无论使用何种编程语言或运行环境——就像调用本地的 @Tool 方法一样。

Spring AI 1.1.6 内置 MCP SDK 0.18.2（升级自 1.1.5 的 0.17.0）。新增 mcp-annotations-spring 模块（0.9.0），支持 Spring 风格的 MCP 注解。1.1.0 对 MCP 架构进行了全面重构，从单模块拆分为六模块：

客户端：common → httpclient / webflux
服务端：common → webmvc / webflux

新增 Streamable HTTP 传输和 SSE HTTP Client 传输，支持工具回调缓存和客户端注解扫描。

ChatClient → ToolCallback → McpClient → 传输层（STDIO / SSE / Streamable HTTP） → MCP Server → 实际工具

1. 客户端：调用外部 MCP 工具

1.1 自动配置（YAML）

引入 spring-ai-starter-mcp-client 后，通过 YAML 配置 MCP 服务器连接，工具会自动注册到 ChatClient。

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

STDIO
SSE
Streamable HTTP（1.1.0 新增）

application.yml
spring:
  ai:
    mcp:
      client:
        enabled: true
        type: SYNC
        stdio:
          connections:
            weather-server:
              command: python
              args: ["/opt/mcp-servers/weather-server.py"]

application.yml
spring:
  ai:
    mcp:
      client:
        enabled: true
        type: SYNC
        sse:
          connections:
            weather-server:
              url: http://localhost:8080

application.yml
spring:
  ai:
    mcp:
      client:
        enabled: true
        type: SYNC
        streamable-http:
          connections:
            weather-server:
              url: http://localhost:8080/mcp

客户端配置项：

配置项	默认值	说明
`spring.ai.mcp.client.enabled`	`true`	是否启用 MCP 客户端
`spring.ai.mcp.client.type`	`SYNC`	客户端类型，`SYNC` 或 `ASYNC`
`spring.ai.mcp.client.name`	`spring-ai-mcp-client`	向服务器报告的客户端名称
`spring.ai.mcp.client.version`	`1.0.0`	客户端版本
`spring.ai.mcp.client.request-timeout`	`20s`	请求超时时间
`spring.ai.mcp.client.toolcallback.enabled`	`true`	是否自动注册为 ToolCallback
`spring.ai.mcp.client.stdio.connections.<name>.command`	-	STDIO 模式下执行的命令
`spring.ai.mcp.client.stdio.connections.<name>.args`	-	命令行参数列表
`spring.ai.mcp.client.sse.connections.<name>.url`	-	SSE 服务端点 URL
`spring.ai.mcp.client.streamable-http.connections.<name>.url`	-	Streamable HTTP 端点 URL

配置完成后无需任何 Java 代码——MCP 服务器的工具自动出现在 ChatClient 中：

@Bean
public ChatClient chatClient(ChatClient.Builder builder) {
    return builder.build();
}

// MCP 服务器的工具会自动可用
String response = chatClient.prompt()
        .user("北京今天天气怎么样？")
        .call()
        .content();

1.2 编程式创建

适合需要动态管理连接或细粒度控制的场景：

// 创建 STDIO 传输
var transport = new StdioClientTransport(
        ServerParameters.builder("python")
                .args(List.of("/opt/mcp-servers/weather-server.py"))
                .build());

// 创建 MCP 客户端
McpSyncClient mcpClient = McpClient.sync(transport)
        .clientInfo(new Implementation("my-app", "1.0.0"))
        .requestTimeout(Duration.ofSeconds(20))
        .build();
mcpClient.initialize();

// 包装为 ToolCallbackProvider
ToolCallbackProvider provider = new SyncMcpToolCallbackProvider(mcpClient);

// 注册到 ChatClient
ChatClient chatClient = ChatClient.builder(chatModel)
        .defaultToolCallbacks(provider)
        .build();

2. 工具过滤

当 MCP 服务器提供的工具较多时，可按名称过滤只需部分工具：

// 仅保留以 "weather_" 开头的工具
BiPredicate<McpSyncClient, Tool> weatherOnly =
        (client, tool) -> tool.name().startsWith("weather_");

ToolCallbackProvider provider = new SyncMcpToolCallbackProvider(weatherOnly, mcpClient);

2.1 工具回调缓存（1.1.0 新增）

MCP 工具列表通过事件驱动缓存机制（McpAsyncToolsChangeEventEmmiter / McpSyncToolsChangeEventEmmiter）管理，避免每次请求都重复获取工具列表，减少通信开销。

2.2 客户端注解扫描（1.1.0 新增）

McpClientAnnotationScannerAutoConfiguration 自动扫描 @McpTool 注解的方法并注册为工具回调，简化客户端工具接入流程。

3. 自定义客户端

通过实现 McpSyncClientCustomizer 在客户端创建前注入自定义配置：

@Component
public class WeatherClientCustomizer implements McpSyncClientCustomizer {

    @Override
    public void customize(String serverName, McpClient.SyncSpec spec) {
        if ("weather-server".equals(serverName)) {
            spec.requestTimeout(Duration.ofSeconds(30));
        }
    }
}

4. 服务端：将 Spring AI 工具暴露为 MCP 工具

Spring AI 也可以作为 MCP 服务器，将 @Tool 方法暴露给外部 MCP 客户端调用。

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

application.yml
spring:
  ai:
    mcp:
      server:
        enabled: true
        name: "spring-ai-tools"
        version: "1.0.0"
        instructions: "提供天气查询、计算等工具"

服务端会自动收集所有 ToolCallback 和 ToolCallbackProvider Bean，转换为 MCP 工具规格。

服务端配置项：

配置项	默认值	说明
`spring.ai.mcp.server.enabled`	`true`	是否启用 MCP 服务器
`spring.ai.mcp.server.type`	`SYNC`	服务器类型
`spring.ai.mcp.server.name`	`mcp-server`	服务器名称
`spring.ai.mcp.server.version`	`1.0.0`	服务器版本
`spring.ai.mcp.server.instructions`	-	客户端可见的说明文本
`spring.ai.mcp.server.stdio`	`false`	启用 STDIO 传输（有 Web 框架时默认禁用以使用 SSE）

4.1 MCP Server ObjectMapper

Spring AI 1.0.7 新增 McpServerObjectMapperAutoConfiguration，自动注册名为 mcpServerObjectMapper 的 ObjectMapper Bean，配置为符合 MCP 协议规范的 JSON 序列化：

禁止将日期写为时间戳（SerializationFeature.WRITE_DATES_AS_TIMESTAMPS）
忽略未知属性（DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES）
序列化时排除 null 值（JsonInclude.Include.NON_NULL）

如需自定义序列化行为，提供同名的 mcpServerObjectMapper Bean 即可覆盖。

@Bean("mcpServerObjectMapper")
public ObjectMapper customMcpServerObjectMapper() {
    return JsonMapper.builder()
            .serializationInclusion(JsonInclude.Include.NON_EMPTY)
            .build();
}

5. 完整示例：服务端 + 客户端

以下示例展示一个完整的 MCP 调用链路——服务端通过 STDIO 暴露天气工具，客户端连接后由 ChatClient 自动发现并调用。

5.1 服务端（天气 MCP Server）

独立 Spring Boot 应用，使用 @Tool 注解定义工具方法，通过 MCP Server 暴露。

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

server/application.yml
spring:
  ai:
    mcp:
      server:
        enabled: true
        name: "weather-mcp-server"
        version: "1.0.0"
        instructions: "提供全球城市天气查询服务"
        stdio: true

server/WeatherMcpServerApplication.java
@SpringBootApplication
public class WeatherMcpServerApplication {

    public static void main(String[] args) {
        SpringApplication.run(WeatherMcpServerApplication.class, args);
    }

    @Bean
    public WeatherTools weatherTools() {
        return new WeatherTools();
    }

    static class WeatherTools {

        @Tool(description = "获取指定城市的实时天气信息")
        public String getWeather(
                @ToolParam(description = "城市名称，如 Beijing、Shanghai") String city) {
            return city + "：晴，25°C，湿度 60%，风力 3 级";
        }

        @Tool(description = "获取指定城市未来 N 天的天气预报")
        public String getForecast(
                @ToolParam(description = "城市名称") String city,
                @ToolParam(description = "预报天数") int days) {
            return city + "未来" + days + "天天气：以晴为主，22-28°C";
        }
    }
}

服务端启动后通过 STDIO 监听，等待客户端连接并调用工具。

5.2 客户端（ChatClient + MCP Client）

另一个 Spring Boot 应用，通过 MCP Client 连接上述天气服务器，ChatClient 自动发现并调用天气工具。

client/pom.xml
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-client</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>

client/application.yml
spring:
  ai:
    mcp:
      client:
        enabled: true
        stdio:
          connections:
            weather-server:
              command: java
              args: ["-jar", "/path/to/weather-mcp-server.jar"]
    ollama:
      base-url: http://localhost:11434
      chat:
        options:
          model: qwen3:8b

client/WeatherClientApplication.java
@SpringBootApplication
public class WeatherClientApplication {

    public static void main(String[] args) {
        var ctx = SpringApplication.run(WeatherClientApplication.class, args);
        ChatClient chatClient = ctx.getBean(ChatClient.class);

        // MCP 工具已自动注册，直接使用
        System.out.println("=== 单工具调用 ===");
        String response1 = chatClient.prompt()
                .user("北京今天天气怎么样？")
                .call()
                .content();
        System.out.println(response1);

        System.out.println("=== 多工具调用 ===");
        String response2 = chatClient.prompt()
                .user("查询上海今天天气和未来3天的预报")
                .call()
                .content();
        System.out.println(response2);
    }
}

5.3 执行流程

1. 启动 weather-mcp-server.jar → STDIO 监听
2. 启动 WeatherClientApplication → McpClientAutoConfiguration 自动创建 McpSyncClient
   → McpToolCallbackAutoConfiguration 自动发现服务端工具并注册为 ToolCallback
3. chatClient.prompt("北京今天天气怎么样？").call()
   → ChatModel 识别到需要调用 getWeather 工具
   → DefaultToolCallingManager 通过 McpSyncClient 向服务端发起调用
   → 服务端执行 getWeather("北京")，返回 "北京：晴，25°C..."
   → ChatModel 基于结果生成最终回复

1. 客户端：调用外部 MCP 工具​

1.1 自动配置（YAML）​

1.2 编程式创建​

2. 工具过滤​

2.1 工具回调缓存（1.1.0 新增）​

2.2 客户端注解扫描（1.1.0 新增）​

3. 自定义客户端​

4. 服务端：将 Spring AI 工具暴露为 MCP 工具​

4.1 MCP Server ObjectMapper​

5. 完整示例：服务端 + 客户端​

5.1 服务端（天气 MCP Server）​

5.2 客户端（ChatClient + MCP Client）​

5.3 执行流程​