SpringAI轻松构建MCP Client-Server架构

示例代码

注：将ppt后缀名改为zip后解压

jdk版本：17.0.8

1、前言

最近 Anthropic 主导发布了 MCP（Model Context Protocol，模型上下文协议）后，着实真真火了一把。熟悉 AI 大模型的人对 Anthropic 应该不会陌生，Claude 3.5 Sonnet 模型就是他们发布的，包括现在的最强编程 AI 模型 3.7 Sonnet。今天我们来刨析下什么是 MCP，AI 大模型下，需要 MCP 吗？

2、什么是 MCP？

MCP（Model Context Protocol）模型上下文协议，是一种适用于 AI 大模型与数据源交互的标准协议。旨在实现跨模型、跨会话的上下文信息持久化与动态共享。它通过标准化接口实现模型间的上下文传递、版本控制和协同推理，解决复杂 AI 任务中的上下文碎片化问题。

那为什么需要重新定义 AI 的上下文管理？ 在我们最开始使用 AI 大模型的时候，经常会遇到以下一些问题，如：上下文可能莫名的丢失，导致会话的语义出现断层。再如：不同模型之间，比如 ChatGPT 和 DeepSeek 之间记忆不互通，或者不同版本之间无法追踪上下文的变更历史等等，这些其实都是信息孤岛。

因此，我们需要有一个专门的协议或者说技术能跨模型、跨版本串联我们的上下文，解决记忆互通的问题。

如果我们观察整个 AI 自动化的发展过程，我们会发现 AI 自动化分三个阶段：AI Chat、AI Composer、AI Agent。

• AI Chat 通常只是提供建议和代码片段，人机协作的模式通常需要用户手动进行复制，调试，集成。
• AI Composer 相比 AI Chat 支持了局部的代码自动修改，我们只需要确认接受或拒绝接受即可。但是也局限于代码的上下文操作。
• AI Agent 可以完成端到端的任务闭环。他是一个完全的智能体，自主决策，修改，调整我们所需的代码块，或者自主提取需要的信息。我们只需要负责监控动作就行。但是跨系统的协作能力有所欠缺。

因此，进一步的演化路线自然是为了完善 AI Agent 的跨模型或跨系统而实现。他是一个中间层，可以作为 AI Agent 的智能路由中枢。

熟悉 Java 分布式的朋友应该会发现，这个其实很想分布式的发展进程。而 MCP 更多像是一个 RPC 的标准协议一样。不确定我这么比喻是否恰当。

3、MCP 架构

模型上下文协议 （MCP） 遵循客户端 - 主机 - 服务器架构，其中每个主机可以运行多个客户端实例。这种架构使用户能够跨应用程序集成 AI 功能，同时保持明确的安全边界并隔离问题。MCP 基于 JSON-RPC 构建，提供有状态会话协议，专注于客户端和服务器之间的上下文交换和采样协调。

官方的 MCP 系统架构图：

可以发现 MCP 基于三层分层模式：

• MCP Host（主机应用）：运行 AI 模型或代理的宿主程序，如 Claude 桌面版、某 IDE 中的 AI 助手等。主机应用通过内置的 MCP 客户端与外部建立连接，是连接的发起方。
• MCP Client（客户端）：嵌入在主机应用中的协议客户端组件。每个 MCP 客户端与一个特定的 MCP 服务器保持一对一的连接，用于向服务器发送请求或接收响应。一个主机应用中可以运行多个 MCP 客户端，从而同时连接多个不同的服务器。
• MCP Server（服务器）：独立运行的轻量程序，封装了某一数据源或服务的具体能力，通过标准化的 MCP 接口对外提供。每个 MCP 服务器相当于一个 “适配器”，将底层的数据源 / 工具（本地文件、数据库、第三方 API 等）的功能以统一格式暴露出来，供客户端调用。
• 本地数据源：部署在用户本地环境中的数据资源，例如本机文件系统、数据库、应用服务等。MCP 服务器可以受控地访问这些资源，并将内容提供给 AI 模型使用。例如，一个本地 MCP 服务器可以读取电脑文件或查询本地 SQLite 数据库，然后将结果发给模型作为参考。
• 远程服务：通过网络提供的外部系统或在线服务（通常通过 HTTP API 访问）。MCP 服务器也可以连接到这些远程服务获取数据。比如，可以有一个 MCP 服务器连接 Slack 的 Web API，代表 AI 助手执行发送消息、读取频道记录等操作。

4、MCP & JAVA 支持

MCP 提供了多种编程语言的支持，如 Python，Java，Kotlin，TypeScript 等。这里以 Java SDK 为例，官方也提供了相关文档：https://modelcontextprotocol.io/sdk/java/mcp-overview