使用说明

Spring AI MCP演示

全面展示 模型上下文协议（MCP） 使用Spring AI，具有功能齐全的MCP服务器、客户端和 与模型无关的主机实现 有多个工具示例。

📘 架构指南：参见建筑.md 有关MCP协议使用与REST包装器的详细说明。

🎯 项目概述

该项目展示了Spring AI的MCP实现，包括：

MCP服务器 （端口8080）：通过服务器发送事件（SSE）和 @McpTool 注释
MCP客户端 （端口8081）：用于直接工具访问的REST API包装器（方便端点，不使用MCP协议）
MCP主机OpenAI （端口8082）：✅ 真正的MCP演示 -通过MCP协议使用OpenAI GPT和工具进行AI聊天
MCP主持人克劳德 （端口8083）：✅ 真正的MCP演示 -使用Anthropic Claude通过MCP协议与工具进行人工智能聊天
弹簧靴3.4.12 和 春季AI 1.1.0-M2
码头工人 支持容器化部署
模型不可知设计：相同的MCP工具适用于不同的AI提供商

🔍 MCP协议与REST API

MCP协议 （SSE+JSON-RPC）：用于 mcp-host ChatModel调用工具的地方✅
REST包装器API：用于 mcp-client 用于直接工具测试（非MCP协议）⚠️

🌟 关键特性：模型不可知MCP

此演示证明了MCP的 模型不可知 性质：

一台MCP服务器 提供工具（计算器、时间、文件、存储）
多种AI模型 可以使用相同的工具：
- OpenAI GPT模型（端口8082上的mcp主机）
- 拟人克劳德模型（8083端口上的mcp主机克劳德）
无服务器更改 需要支持不同的模型
相同的工具，不同的智能 -比较不同模型如何使用相同的工具

🏗️ 建筑

┌──────────────────┐        ┌──────────────────┐        ┌─────────────────┐
│  MCP Host        │        │  MCP Host        │        │   MCP Client    │
│  (OpenAI)        │        │  (Claude)        │        │   (Port 8081)   │
│  Port 8082       │        │  Port 8083       │        │                 │
│                  │        │                  │        │   REST API      │
│  GPT-4 + Tools   │        │ Claude + Tools   │        │   Endpoints     │
└────────┬─────────┘        └────────┬─────────┘        └────────┬────────┘
         │                           │                           │
         │                           │                           │
         │  Uses MCP Tools           │  Uses MCP Tools           │ Calls MCP Tools
         │                           │                           │
         └───────────────────────────┴───────────────────────────┘
                                     │
                                     │ SSE/HTTP
                                     ▼
                            ┌─────────────────┐
                            │   MCP Server    │
                            │   (Port 8080)   │
                            └─────────────────┘
                                     │
                                     │ Exposes Tools
                                     ▼
                            ┌──────────────────┐
                            │ • Time Service   │
                            │ • Calculator     │
                            │ • File Ops       │
                            │ • Data Storage   │
                            └──────────────────┘

模型不可知设计：OpenAI和Claude主机都使用相同 MCP服务器和工具！

🚀 可用工具

时间服务

getCurrentTime() -返回当前时间戳

计算服务

add(a, b) -补充
subtract(a, b) -减法
multiply(a, b) -乘法
divide(a, b) -分部
power(base, exponent) -指数化
sqrt(number) -平方根

文件服务

readFile(filename) -读取文件内容
writeFile(filename, content) -创建或覆盖文件
appendToFile(filename, content) -附加到现有文件
listFiles() -列出工作区中的所有文件
deleteFile(filename) -删除文件
getFileInfo(filename) -获取文件大小和元数据
getWorkspacePath() -获取工作区目录路径

数据存储服务

store(key, value) -存储键值对
retrieve(key) -按键检索值
delete(key) -删除条目
listKeys() -列出所有密钥
clear() -清除所有数据
count() -计数条目

📋 先决条件

Java 21 JDK （不仅仅是JRE，还包括编译器）
Maven 3.6+
码头工人 和 Docker Compose （用于集装箱化部署）

安装Java 21 JDK

# Ubuntu/Debian
sudo apt-get update && sudo apt-get install openjdk-21-jdk

# Verify installation
javac -version  # Should show: javac 21.x.x

🏃 快速开始

Docker Compose（推荐）

启动所有服务 （MCP服务器+客户端+两个AI主机）：

docker-compose up --build

这将开始：

MCP服务器 在端口8080上
MCP客户端 在端口8081上
MCP主机（OpenAI） 在端口8082上
MCP主持人（克劳德） 在端口8083上

环境变量

开始之前，请设置API密钥：

# For OpenAI host
export SPRING_AI_OPENAI_API_KEY="your-openai-api-key"

# For Claude host
export ANTHROPIC_API_KEY="your-anthropic-api-key"

或者创建一个 .env 文件：

SPRING_AI_OPENAI_API_KEY=your-openai-api-key
ANTHROPIC_API_KEY=your-anthropic-api-key

地方发展（个人服务）

构建所有项目

mvn clean package -f mcp-server/pom.xml
mvn clean package -f mcp-client/pom.xml
mvn clean package -f mcp-host/pom.xml
mvn clean package -f mcp-host-claude/pom.xml

单独启动服务

# Terminal 1: MCP Server
cd mcp-server && mvn spring-boot:run

# Terminal 2: MCP Client
cd mcp-client && mvn spring-boot:run

# Terminal 3: MCP Host (OpenAI)
cd mcp-host && mvn spring-boot:run

# Terminal 4: MCP Host (Claude)
cd mcp-host-claude && mvn spring-boot:run

🔌 API示例

OpenAI与Claude的比较（模型不可知论演示）

两个主机都提供相同的端点-使用相同的查询进行测试以进行比较！

MCP主机-OpenAI（端口8082）

# Get host information
curl http://localhost:8082/

# Check available MCP tools
curl http://localhost:8082/api/mcp-info

# Simple calculation
curl "http://localhost:8082/api/demo?query=What+is+25+times+4"

MCP主机-克劳德（端口8083）

# Get host information
curl http://localhost:8083/

# Check available MCP tools (same tools, different model!)
curl http://localhost:8083/api/mcp-info

# Same calculation with Claude
curl "http://localhost:8083/api/demo?query=What+is+25+times+4"

两者都试试，比较一下：向OpenAI和Claude主机提出同样的问题——他们使用相同的MCP工具，但可能会有不同的反应！

MCP客户端-直接工具访问

列出可用工具

curl http://localhost:8081/api/tools

时间服务

curl http://localhost:8081/api/time

计算器操作

# Addition
curl "http://localhost:8081/api/calculator/add?a=10&b=5"

# Division
curl "http://localhost:8081/api/calculator/divide?a=20&b=4"

# Power
curl "http://localhost:8081/api/calculator/power?base=2&exponent=8"

文件操作

# List files
curl "http://localhost:8081/api/files/list"

# Write a file
curl -X POST "http://localhost:8081/api/files/write?filename=test.txt&content=Hello%20World"

# Read a file
curl "http://localhost:8081/api/files/read?filename=test.txt"

# Append to file
curl -X POST "http://localhost:8081/api/files/append?filename=test.txt&content=%0ANew%20line"

# Get file info
curl "http://localhost:8081/api/files/info?filename=test.txt"

# Delete file
curl -X DELETE "http://localhost:8081/api/files/delete?filename=test.txt"

# Get workspace path
curl "http://localhost:8081/api/files/workspace"

数据存储

# Store data
curl -X POST "http://localhost:8081/api/storage/store?key=username&value=john_doe"

# Retrieve data
curl "http://localhost:8081/api/storage/retrieve?key=username"

# List all keys
curl "http://localhost:8081/api/storage/list"

# Delete entry
curl -X DELETE "http://localhost:8081/api/storage/delete?key=username"

🌐 部署

看部署.md 有关以下内容的详细部署说明：

Render.com（免费版）
Railway.app
Fly.io
其他云平台

📁 项目结构

spring-ai-mcp-demo/
├── mcp-server/                 # MCP Server (provides tools)
│   ├── src/main/java/
│   │   └── com/example/mcpserver/
│   │       ├── McpServerApplication.java
│   │       ├── TimeService.java         # @McpTool
│   │       ├── CalculatorService.java   # @McpTool
│   │       ├── FileService.java         # @McpTool
│   │       ├── DataStorageService.java  # @McpTool
│   │       └── HealthController.java
│   ├── Dockerfile
│   └── pom.xml
│
├── mcp-client/                 # MCP Client (calls tools directly)
│   ├── src/main/java/
│   │   └── com/example/mcpclient/
│   │       ├── McpClientApplication.java
│   │       ├── ClientController.java
│   │       └── HealthController.java
│   ├── Dockerfile
│   └── pom.xml
│
├── mcp-host/                   # MCP Host with OpenAI
│   ├── src/main/java/
│   │   └── com/example/mcphost/
│   │       ├── McpHostApplication.java
│   │       ├── ChatController.java      # AI chat endpoints
│   │       └── HealthController.java
│   ├── Dockerfile
│   └── pom.xml
│
├── mcp-host-claude/            # MCP Host with Claude (Anthropic)
│   ├── src/main/java/
│   │   └── com/example/mcphostclaude/
│   │       ├── McpHostClaudeApplication.java
│   │       ├── ClaudeChatController.java
│   │       ├── ClaudeConfig.java
│   │       └── HealthController.java
│   ├── Dockerfile
│   └── pom.xml
│
├── docker-compose.yml          # Orchestrates all 4 services
├── render.yaml                 # Deployment configuration
└── README.md

🔧 配置

MCP服务器配置

mcp-server/src/main/resources/application.properties:

server.port=8080
spring.ai.mcp.server.transport=sse
spring.ai.mcp.server.sse.message-endpoint=/mcp/message

MCP客户端配置

mcp-client/src/main/resources/application.properties:

server.port=8081
spring.ai.mcp.client.transport=sse
spring.ai.mcp.client.sse.base-url=http://localhost:8080
spring.ai.mcp.client.sse.message-endpoint=/mcp/message

MCP主机（OpenAI）配置

mcp-host/src/main/resources/application.properties:

server.port=8082
spring.ai.openai.api-key=${SPRING_AI_OPENAI_API_KEY:demo-key}
spring.ai.openai.chat.options.model=gpt-4
spring.ai.mcp.client.sse.base-url=${SPRING_AI_MCP_CLIENT_SSE_BASE_URL:http://localhost:8080}

MCP主机（克劳德）配置

mcp-host-claude/src/main/resources/application.properties:

server.port=8083
spring.ai.anthropic.api-key=${ANTHROPIC_API_KEY:demo-key}
spring.ai.anthropic.chat.options.model=claude-3-5-sonnet-20241022
spring.ai.mcp.client.sse.base-url=${SPRING_AI_MCP_CLIENT_SSE_BASE_URL:http://localhost:8080}

🧪 测试

健康检查

# MCP Server health
curl http://localhost:8080/health

# MCP Client health
curl http://localhost:8081/health

# MCP Host (OpenAI) health
curl http://localhost:8082/health

# MCP Host (Claude) health
curl http://localhost:8083/health

测试模型不可知MCP

对两个AI模型的查询相同:

# Ask OpenAI
curl "http://localhost:8082/api/demo?query=What+time+is+it+and+calculate+50+divided+by+5"

# Ask Claude (same tools, different reasoning!)
curl "http://localhost:8083/api/demo?query=What+time+is+it+and+calculate+50+divided+by+5"

工具发现

# List all available tools from MCP Client
curl http://localhost:8081/api/tools

# Check MCP info from OpenAI host
curl http://localhost:8082/api/mcp-info

# Check MCP info from Claude host
curl http://localhost:8083/api/mcp-info

📚 了解更多

🤝 贡献

欢迎投稿！请随时提交拉取请求。

📄 许可证

该项目根据MIT许可证获得许可。

🙋 支持

有关问题和疑问，请在存储库中打开问题。

使用说明

Spring AI MCP演示

🎯 项目概述

🔍 MCP协议与REST API

🌟 关键特性：模型不可知MCP

🏗️ 建筑

🚀 可用工具

时间服务

计算服务

文件服务

数据存储服务

📋 先决条件

安装Java 21 JDK

🏃 快速开始

Docker Compose（推荐）

环境变量

地方发展（个人服务）

🔌 API示例

OpenAI与Claude的比较（模型不可知论演示）

MCP主机-OpenAI（端口8082）

MCP主机-克劳德（端口8083）

MCP客户端-直接工具访问

列出可用工具

时间服务

计算器操作

文件操作

数据存储

🌐 部署

📁 项目结构

🔧 配置

MCP服务器配置

MCP客户端配置

MCP主机（OpenAI）配置

MCP主机（克劳德）配置

🧪 测试

健康检查

测试模型不可知MCP

工具发现

📚 了解更多

🤝 贡献

📄 许可证

🙋 支持

相关 MCP

网页内容抓取服务器

模型上下文协议服务器

结构化推理工具

AutoRAG 检索 MCP 服务

Genkit MCP 集成插件

模型上下文协议服务器