使用说明

你好MCP服务器

一个生产就绪的Spring Boot MCP（模型上下文协议）服务器，提供与Claude、Perplexity、ChatGPT和其他AI客户端集成的AI工具。采用Spring AI MCP框架构建，用于企业级部署。

概述

此MCP服务器通过模型上下文协议公开AI工具，实现与各种AI平台的无缝集成。服务器提供 hello-tool 它演示了MCP架构，可以用自定义业务逻辑进行扩展。

主要特点

✅ 生产就绪：使用Spring Boot 3.5.7和Java 21构建
✅ 符合MCP协议：使用Spring AI MCP服务器WebVC
✅ 企业级：全面的日志记录、监控和安全
✅ 可扩展架构：支持水平扩展和负载平衡
✅ 多AI平台支持：兼容克劳德、ChatGPT、困惑
✅ 云原生：Docker和Kubernetes就绪

技术规格

框架：弹簧靴3.5.7
Java版本: 21
生成工具：Gradle 8.x
协议：MCP（模型上下文协议）
建筑：微服务/独立
部署：JAR、Docker、Kubernetes

🚀 快速启动（30秒）

# Clone and start the server
git clone https://github.com/your-org/hello-mcp.git
cd hello-mcp
./start.sh

服务器将在以下时间运行 http://localhost:8080 MCP工具已准备好进行AI集成！

可用工具

hello工具

描述：从MCP服务器返回问候消息
用法：演示MCP工具功能
响应: "Hello from MCP server!"
Spring Boot: 3.5.7
春季AI：1.1.0-M4（支持MCP服务器）
Gradle: 8.14.3
生成工具：Gradle包装

特性

用Spring AI实现MCP服务器
简单的问候工具(hello-tool)
可配置的MCP服务器设置
RESTful web端点
综合录井

项目结构

src/main/java/com/shan/hello_mcp/
├── HelloMcpApplication.java    # Main Spring Boot application
└── HelloTools.java             # MCP tools implementation

入门指南

先决条件

Java 25或更高版本
Git

安装和设置

克隆存储库：

git clone <repository-url>
cd hello-mcp

构建项目：
```
./gradlew build
```
运行应用程序：
```
./gradlew bootRun
```

应用程序将在默认端口（8080）上启动，MCP服务器将可用于客户端连接。

配置

MCP服务器配置在 application.properties:

spring.application.name=hello-mcp
spring.ai.mcp.server.name=HelloMCPServer
spring.ai.mcp.server.description=A simple MCP server application
spring.ai.mcp.server.version=1.0.0
spring.ai.mcp.server.author=Shan
spring.ai.mcp.server.protocol=streamable
spring.ai.mcp.server.stdio=false
spring.ai.mcp.server.type=sync

可用工具

hello工具

名字: hello-tool
描述：一个从MCP服务器返回问候消息的工具
响应：返回“来自MCP服务器的Hello！”消息

用法示例

当连接到MCP客户端时，您可以调用 hello-tool 以接收问候消息。该工具将记录通话并返回问候响应。

发展

运行测试

./gradlew test

生产大楼

./gradlew bootJar

可执行JAR将在 build/libs/.

依赖项

关键依赖关系包括：

spring-boot-starter-web：Web框架支持
spring-ai-starter-mcp-server-webmvc：MCP服务器实现
spring-boot-starter-test：测试框架

作者

山

版本

0.0.1快照

快速开始

先决条件

Java 21或更高版本
Gradle 8.x
Git
Docker（可选）
Kubernetes（用于生产部署）

开发设置

克隆存储库

git clone https://github.com/your-org/hello-mcp.git
cd hello-mcp

构建应用程序
```
./gradlew build
```
在本地运行
```
./gradlew bootRun
```

验证服务器

curl http://localhost:8080/actuator/health

生产部署指南

选项1：传统JAR部署

1.构建生产JAR

./gradlew clean build -Pprofile=prod

2.服务器设置（Ubuntu/RHEL）

# Create application user
sudo useradd -r -s /bin/false mcp-server

# Create directories
sudo mkdir -p /opt/mcp-server/{bin,config,logs}
sudo chown -R mcp-server:mcp-server /opt/mcp-server

# Copy JAR
sudo cp build/libs/hello-mcp-0.0.1-SNAPSHOT.jar /opt/mcp-server/bin/

3.生产配置

创建 /opt/mcp-server/config/application-prod.properties:

# Server Configuration
server.port=8080
server.servlet.context-path=/mcp
server.shutdown=graceful
spring.lifecycle.timeout-per-shutdown-phase=30s

# MCP Server Configuration
spring.application.name=hello-mcp
spring.ai.mcp.server.name=HelloMCPServer-Prod
spring.ai.mcp.server.description=Production MCP server
spring.ai.mcp.server.version=1.0.0
spring.ai.mcp.server.author=Enterprise Team

# Protocol Configuration
spring.ai.mcp.server.protocol=streamable
spring.ai.mcp.server.stdio=false
spring.ai.mcp.server.type=sync

# Logging Configuration
logging.level.com.shan.hello_mcp=INFO
logging.level.org.springframework.ai.mcp=DEBUG
logging.pattern.file=%d{yyyy-MM-dd HH:mm:ss} [%thread] %-5level %logger{36} - %msg%n
logging.file.name=/opt/mcp-server/logs/application.log
logging.logback.rollingpolicy.max-file-size=100MB
logging.logback.rollingpolicy.total-size-cap=1GB

# Actuator (Monitoring)
management.endpoints.web.exposure.include=health,info,metrics,prometheus
management.endpoint.health.show-details=when-authorized
management.metrics.export.prometheus.enabled=true

# Security (if enabled)
management.endpoints.web.base-path=/actuator
management.server.port=9090

4.SystemD服务

创建 /etc/systemd/system/mcp-server.service:

[Unit]
Description=Hello MCP Server
After=network.target

[Service]
Type=simple
User=mcp-server
Group=mcp-server
WorkingDirectory=/opt/mcp-server
ExecStart=/usr/bin/java \
    -Xms512m -Xmx2g \
    -XX:+UseG1GC \
    -XX:MaxGCPauseMillis=200 \
    -Dspring.profiles.active=prod \
    -Dspring.config.location=/opt/mcp-server/config/ \
    -jar /opt/mcp-server/bin/hello-mcp-0.0.1-SNAPSHOT.jar
ExecStop=/bin/kill -TERM $MAINPID
Restart=always
RestartSec=30
StandardOutput=journal
StandardError=journal

[Install]
WantedBy=multi-user.target

5.启动服务

sudo systemctl daemon-reload
sudo systemctl enable mcp-server
sudo systemctl start mcp-server
sudo systemctl status mcp-server

选项2：Docker部署

1.创建Dockerfile

FROM openjdk:25-jdk-slim

# Create app user
RUN groupadd -r mcpuser && useradd -r -g mcpuser mcpuser

# Set working directory
WORKDIR /app

# Copy JAR
COPY build/libs/hello-mcp-*.jar app.jar

# Create logs directory
RUN mkdir -p /app/logs && chown -R mcpuser:mcpuser /app

# Switch to non-root user
USER mcpuser

# Health check
HEALTHCHECK --interval=30s --timeout=10s --start-period=60s --retries=3 \
    CMD curl -f http://localhost:8080/actuator/health || exit 1

# Expose ports
EXPOSE 8080 9090

# JVM options for containers
ENV JAVA_OPTS="-Xms512m -Xmx1g -XX:+UseContainerSupport -XX:MaxRAMPercentage=75.0"

# Run application
ENTRYPOINT ["sh", "-c", "java $JAVA_OPTS -jar app.jar"]

2.构建和运行

# Build image
docker build -t hello-mcp:latest .

# Run container
docker run -d \
  --name mcp-server \
  -p 8080:8080 \
  -p 9090:9090 \
  -e SPRING_PROFILES_ACTIVE=prod \
  -v /opt/mcp-server/logs:/app/logs \
  --restart unless-stopped \
  hello-mcp:latest

选项3:Kubernetes部署

1.创建Kubernetes清单

namespace.yaml

apiVersion: v1
kind: Namespace
metadata:
  name: mcp-server
  labels:
    name: mcp-server

configmap.yaml

apiVersion: v1
kind: ConfigMap
metadata:
  name: mcp-server-config
  namespace: mcp-server
data:
  application-prod.properties: |
    server.port=8080
    spring.profiles.active=prod
    spring.ai.mcp.server.name=HelloMCPServer-K8s
    logging.level.com.shan.hello_mcp=INFO
    management.endpoints.web.exposure.include=health,info,metrics,prometheus

部署.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: mcp-server
  namespace: mcp-server
  labels:
    app: mcp-server
spec:
  replicas: 3
  selector:
    matchLabels:
      app: mcp-server
  template:
    metadata:
      labels:
        app: mcp-server
    spec:
      containers:
      - name: mcp-server
        image: hello-mcp:latest
        ports:
        - containerPort: 8080
        - containerPort: 9090
        env:
        - name: SPRING_PROFILES_ACTIVE
          value: "prod"
        - name: JAVA_OPTS
          value: "-Xms512m -Xmx1g -XX:+UseContainerSupport"
        volumeMounts:
        - name: config-volume
          mountPath: /app/config
        livenessProbe:
          httpGet:
            path: /actuator/health
            port: 9090
          initialDelaySeconds: 60
          periodSeconds: 30
        readinessProbe:
          httpGet:
            path: /actuator/health/readiness
            port: 9090
          initialDelaySeconds: 30
          periodSeconds: 10
        resources:
          requests:
            memory: "512Mi"
            cpu: "250m"
          limits:
            memory: "2Gi"
            cpu: "1000m"
      volumes:
      - name: config-volume
        configMap:
          name: mcp-server-config

service.yaml

apiVersion: v1
kind: Service
metadata:
  name: mcp-server-service
  namespace: mcp-server
  labels:
    app: mcp-server
spec:
  selector:
    app: mcp-server
  ports:
  - name: http
    port: 8080
    targetPort: 8080
  - name: management
    port: 9090
    targetPort: 9090
  type: ClusterIP

ingress.yaml

apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: mcp-server-ingress
  namespace: mcp-server
  annotations:
    nginx.ingress.kubernetes.io/rewrite-target: /
    cert-manager.io/cluster-issuer: "letsencrypt-prod"
spec:
  tls:
  - hosts:
    - mcp.yourdomain.com
    secretName: mcp-server-tls
  rules:
  - host: mcp.yourdomain.com
    http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: mcp-server-service
            port:
              number: 8080

2.部署到Kubernetes

# Apply manifests
kubectl apply -f k8s/

# Verify deployment
kubectl get pods -n mcp-server
kubectl get services -n mcp-server
kubectl logs -f deployment/mcp-server -n mcp-server

负载均衡器和反向代理设置

Nginx配置

upstream mcp_backend {
    server 10.0.1.10:8080 max_fails=3 fail_timeout=30s;
    server 10.0.1.11:8080 max_fails=3 fail_timeout=30s;
    server 10.0.1.12:8080 max_fails=3 fail_timeout=30s;
}

server {
    listen 80;
    listen 443 ssl http2;
    server_name mcp.yourdomain.com;

    # SSL Configuration
    ssl_certificate /etc/ssl/certs/mcp.yourdomain.com.crt;
    ssl_certificate_key /etc/ssl/private/mcp.yourdomain.com.key;
    ssl_protocols TLSv1.2 TLSv1.3;
    ssl_ciphers ECDHE-RSA-AES256-GCM-SHA512:DHE-RSA-AES256-GCM-SHA512;

    # Security Headers
    add_header X-Frame-Options DENY;
    add_header X-Content-Type-Options nosniff;
    add_header X-XSS-Protection "1; mode=block";
    add_header Strict-Transport-Security "max-age=31536000; includeSubDomains" always;

    # Rate Limiting
    limit_req_zone $binary_remote_addr zone=mcp_limit:10m rate=10r/s;
    limit_req zone=mcp_limit burst=20 nodelay;

    location / {
        proxy_pass http://mcp_backend;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        
        proxy_connect_timeout 30s;
        proxy_send_timeout 30s;
        proxy_read_timeout 30s;
        
        proxy_buffer_size 4k;
        proxy_buffers 8 4k;
        proxy_busy_buffers_size 8k;
    }

    location /actuator {
        deny all;
        return 403;
    }
}

AI平台集成

克劳德集成

import anthropic
import requests

# MCP Server connection
MCP_SERVER_URL = "https://mcp.yourdomain.com"

def call_mcp_tool(tool_name, **kwargs):
    response = requests.post(
        f"{MCP_SERVER_URL}/mcp/tools/{tool_name}",
        json=kwargs,
        headers={"Content-Type": "application/json"}
    )
    return response.json()

# Use with Claude
client = anthropic.Anthropic(api_key="your-api-key")

# Call MCP tool
greeting = call_mcp_tool("hello-tool")
print(f"MCP Response: {greeting}")

ChatGPT集成

const axios = require('axios');

const MCP_SERVER_URL = 'https://mcp.yourdomain.com';

async function callMcpTool(toolName, params = {}) {
    try {
        const response = await axios.post(
            `${MCP_SERVER_URL}/mcp/tools/${toolName}`,
            params,
            {
                headers: { 'Content-Type': 'application/json' }
            }
        );
        return response.data;
    } catch (error) {
        console.error('MCP Tool Error:', error);
        throw error;
    }
}

// Example usage
async function main() {
    const greeting = await callMcpTool('hello-tool');
    console.log('MCP Response:', greeting);
}

困惑整合

import requests
from typing import Dict, Any

class McpClient:
    def __init__(self, base_url: str):
        self.base_url = base_url.rstrip('/')
    
    def call_tool(self, tool_name: str, **kwargs) -> Dict[str, Any]:
        response = requests.post(
            f"{self.base_url}/mcp/tools/{tool_name}",
            json=kwargs,
            timeout=30
        )
        response.raise_for_status()
        return response.json()

# Initialize MCP client
mcp = McpClient("https://mcp.yourdomain.com")

# Use with Perplexity workflows
def enhanced_search_with_mcp():
    # Call MCP tool first
    greeting = mcp.call_tool("hello-tool")
    
    # Then proceed with Perplexity search
    return greeting

监测和可观察性

普罗米修斯指标

访问指标： http://your-server:9090/actuator/prometheus

需监控的关键指标：

jvm_memory_used_bytes
http_server_requests_seconds
mcp_tool_calls_total
application_ready_time_seconds

Grafana仪表板

导入提供的Grafana仪表板JSON以进行全面监控。

日志分析

# View real-time logs
sudo journalctl -u mcp-server -f

# Search for specific patterns
sudo journalctl -u mcp-server | grep "ERROR\|WARN"

# Export logs for analysis
sudo journalctl -u mcp-server --since="1 hour ago" > /tmp/mcp-logs.txt

安全考虑

生产安全检查表

[ ] 网络安全
- 防火墙已配置（仅端口80、443、22打开）
- 用于内部通信的VPN/VPC
- 带SSL终止的负载平衡器
[ ] 应用安全
- 已启用Spring安全
- 已实施利率限制
- 在所有端点上进行输入验证
- CORS配置正确
[ ] 基础设施安全
- 定期安全更新
- 非root用户执行
- 秘密管理（HashiCorp保险库/K8s秘密）
- 容器漏洞扫描
[ ] 监控和警报
- 实时错误警报
- 性能监控
- 安全事件日志记录
- 审计跟踪维护

环境变量

# Required for production
export SPRING_PROFILES_ACTIVE=prod
export MCP_SERVER_SECRET_KEY=your-secret-key
export DATABASE_URL=your-database-url
export MONITORING_API_KEY=your-monitoring-key

故障排除

常见问题

端口已在使用中
```
sudo lsof -i :8080
sudo kill -9 <PID>
```

内存问题

# Increase JVM heap size
export JAVA_OPTS="-Xms1g -Xmx4g"

MCP连接问题

# Check MCP endpoint
curl -v http://localhost:8080/mcp/tools

SSL证书问题

# Verify certificate
openssl x509 -in /path/to/cert.pem -text -noout

性能调整

JVM生产调优

JAVA_OPTS="
  -Xms2g -Xmx4g
  -XX:+UseG1GC
  -XX:MaxGCPauseMillis=200
  -XX:+UseStringDeduplication
  -XX:+OptimizeStringConcat
  -XX:+UseCompressedOops
  -Djava.security.egd=file:/dev/./urandom
"

数据库连接池

# HikariCP Configuration
spring.datasource.hikari.minimum-idle=10
spring.datasource.hikari.maximum-pool-size=50
spring.datasource.hikari.idle-timeout=300000
spring.datasource.hikari.max-lifetime=600000
spring.datasource.hikari.connection-timeout=20000

可扩展性和高可用性

水平缩放

在负载均衡器后面部署多个实例
使用无会话设计（无状态）
实施断路器以提高弹性

垂直缩放

监控CPU/内存使用情况
相应地调整JVM堆大小
使用分析工具进行优化

数据库扩展

读取副本以应对读取繁重的工作负载
连接池优化
查询性能调优

支持与维护

定期维护任务

周刊
- 查看应用程序日志
- 检查系统指标
- 更新依赖关系（安全补丁）
每月
- 绩效评估
- 容量规划
- 安全审计
季度
- 测试
- 建筑评论
- 技术栈更新

获取帮助

文档：检查维基
问题：报告错误 GitHub问题
社区：加入我们 Discord 的中文翻译是“不和谐”或“纷争”。
商业支持：联系方式enterprise@yourcompany.com

许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

企业支持可用 -联系我们获取生产支持、定制功能和SLA保证。

使用说明

你好MCP服务器

概述

主要特点

技术规格

🚀 快速启动（30秒）

可用工具

hello工具

特性

项目结构

入门指南

先决条件

安装和设置

配置

可用工具

hello工具

用法示例

发展

运行测试

生产大楼

依赖项

作者

版本

快速开始

先决条件

开发设置

生产部署指南

选项1：传统JAR部署

1.构建生产JAR

2.服务器设置（Ubuntu/RHEL）

3.生产配置

4.SystemD服务

5.启动服务

选项2：Docker部署

1.创建Dockerfile

2.构建和运行

选项3:Kubernetes部署

1.创建Kubernetes清单

2.部署到Kubernetes

负载均衡器和反向代理设置

Nginx配置

AI平台集成

克劳德集成

ChatGPT集成

困惑整合

监测和可观察性

普罗米修斯指标

Grafana仪表板

日志分析

安全考虑

生产安全检查表

环境变量

故障排除

常见问题

性能调整

JVM生产调优

数据库连接池

可扩展性和高可用性

水平缩放

垂直缩放

数据库扩展

支持与维护

定期维护任务

获取帮助

许可证

相关 MCP

小红书MCP服务

Figma MCP集成工具

MCP 协议测试服务器

Flomo笔记服务

Unity编辑器AI集成插件

科学研究的开源MCP服务器