SpringAI实践-MCP使用与创建

大多数Agent都不会仅仅满足于只回答问题,它们还需要理解用户意图后，需要做一些真正执行的操作。Agent应用中，调用的大模型相当于Agent的大脑，负责推理，而集成的MCP Server，则相当于真正的“手”做一些执行操作。

MCP是一套协议，这套协议产生的意义，是因为，在MCP出现之前，将AI模型与不同的API或工具集成在一块需要做大量定制的开发工作，最终得到的结果是，比如一个公司的Agent A 可以用一个mcp server，但另一个公司的Agent B 可能不能使用，就好比，安卓上的软件，没法装在苹果的ios系统上。有了MCP这个协议之后，所有遵循这套协议的agent都可以调用mcp server，并且每种mcp server只需要开发一套，就可以被多个agent使用。

MCP 协议，并非指单一的协议文件，而是一套完整的开放标准体系，有哪些标准呢? 粗略的说一下:

在MCP没出现之前，研究人员为了一个很纯粹的目的，就是Agent要调用外部的工具，他们都会有自己的思路，很定制，可能会把一些调用的代码嵌入在核心的代码里，没有分模块。于是MCP协议，首先就先规定，大模型的Agent调用外部工具的系统架构是什么,即 Client-Server 架构，Agent所有对外部的操作都通过Agent里的Mcp Client模块来进行，不会把这些直接调用外部的步骤放在核心代码里，Agent内部只会调用MCP Client,有种门面模式、外观模式的感觉。这种架构也很好的把Agent 跟 mcp-server解耦出来，它们两可以各自发展，比如当前mcp-server就已经有很多了，然后agent可以从这些mcp-server中选哪些应用。

然后，还需要约定 MCP-CLIENT 跟 MCP-SERVER 之间的通信消息的格式，采用JSON-RPC 2.0的方式，比如:

 

 

 JSON-RPC 2.0 这个格式，其实也就是约定了请求参数结构，返回结构，或者出现异常时的 结构化的返回结构，因为 mcp-client 和 mcp-server 本质就是普通的程序，只要格式不统一，运行的时候就会报错。只有约定了格式，mcp-client传给mcp-server的命令，mcp-server才能解析出来调用它自己内部的哪个方法，传哪些参数，然后mcp-server 传给mcp-client，mcp-client才能根据哪个字段把返回信息提取出来，这个返回信息可能是操作的结果或者是借助mcp-server获取的内容，传给大模型，做下一轮的推理。

规定完传输格式后，还需要规定怎么传输:

当前MCP-CLIENT 和 MCP-SERVER 之间有两中传输方式，一种是通过STDIO，一种是SSE，

STDIO的方式，就是把mcp-server 部署在跟Agent的同一台机器上，之间的通信通过机器内部的I/O操作来实现，所以用这种方式，首先需要有满足让mcp_server这套环境执行的环境，比如，如果mcp_server是用SpringAI开发出来的，机器上肯定需要有jdk环境，mcp_server才能运行，进而agent才能调用它,这种方式，主要应用在只需要操作本机器里面内容的场景，倾向于安全封闭环境，无需联网的场景，比如读写文件，读写本地的数据库，操作本地浏览器等。

SSE的方式，就是MCP-CLIENT 跟 MCP-SERVER之间的交互通过网络，即SSE协议。

MCP-CLIENT 跟 MCP-SERVER 之间交互流程是怎样的呢?

 

 使用Roo Agent使用MCP:

使用新版的webstorm 安装如下的插件：

 然后配置这个Agent使用的大模型:

 然后安装MCP server:

然后将 

 这里的json文件放在webStrom打开的文件里:

然后看到上面的command是npx，所以本次需要有运行npx命令的环境，即要安装nodejs和npm

 之后可以看到，这里多了一个playwright的mcp工具，之后对这个agent输入命令: 完成 这个地址的https://www.wenjuan.group/s/UZBZJvllIyk/问卷考试

然后会发现，agent会自动把浏览器打开，完成考试。

SpringAI怎么使用Mcp server:

1、添加mcp-client的依赖:

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

在 src/resources 下创建 mcp-servers-config.json，然后在 application.properties文件中引用它：

spring.ai.mcp.client.stdio.servers-configuration=classpath:mcp-servers-config.json
后把tools注入到客户端中:

之后也可以实现同样的效果。