文章目录
- Pre
- 1. 简介
- 2. 依赖项
- 3. 创建MCP服务器
- 4. 添加安全配置
- 5. 测试安全的MCP服务器
- 6. 总结
Pre
大模型开发 - 02 Spring AI Concepts
大模型开发 - 03 QuickStart_借助DeepSeekChatModel实现Spring AI 集成 DeepSeek
大模型开发 - 04 QuickStart_DeepSeek 模型调用流程源码解析：从 Prompt 到远程请求
大模型开发 - 05 QuickStart_接入阿里百炼平台：Spring AI Alibaba 与 DashScope SDK
大模型开发 - 06 QuickStart_本地大模型私有化部署实战：Ollama + Spring AI 全栈指南
大模型开发 - 07 ChatClient：构建统一、优雅的大模型交互接口
大模型开发 - 07 ChatClient：Spring AI ChatClient 的流式响应实践(02)
大模型开发 - 08 ChatClient：构建智能对话应用的流畅 API
大模型开发 - 09 ChatClient：基于 Spring AI 的多平台多模型动态切换实战
大模型开发 - 10 ChatClient：Advisors API 构建可插拔、可组合的智能对话增强体系
大模型开发 - 11 ChatClient：Advisor 机制详解：拦截、增强与自定义 AI 对话流程
大模型开发 - 12 Prompt：Spring AI 中的提示（Prompt）系统详解_从基础概念到高级工程实践
大模型开发 - 13 Prompt：提示词工程实战指南_Spring AI 中的提示设计、模板化与最佳实践
大模型开发 - 14 Chat Memory：实现跨轮次对话上下文管理
大模型开发 - 15 Tool Calling ：从入门到实战，一步步构建智能Agent系统
大模型开发 - 16 Chat Memory：借助 ChatMemory + PromptChatMemoryAdvisor轻松实现大模型多轮对话记忆
大模型开发 - 17 Structured Output Converter：结构化输出转换器_从文本到结构化数据的可靠桥梁
大模型开发 - 18 Chat Memory：集成 JdbcChatMemoryRepository 实现大模型多轮对话记忆
大模型开发 - 19 Chat Memory：集成 BaseRedisChatMemoryRepository实现大模型多轮对话记忆
大模型开发 - 20 Chat Memory：多层次记忆架构_突破大模型对话中的 Token 上限瓶颈
大模型开发 - 21 Structured Output Converter：结构化输出功能实战指南
大模型开发 - 22 Multimodality API：多模态大模型与 Spring AI 的融合
大模型开发 - 23 Chat Model API：深入解析 Spring AI Chat Model API_构建统一、灵活、可扩展的 AI 对话系统
大模型开发 - 24 Embeddings Model API：深入解析 Spring AI Embeddings Model API_构建语义理解的基石
大模型开发 - 25 Image Model API：深入解析 Spring AI Image Model API_构建统一、灵活的 AI 图像生成系统
大模型开发 - 26 Origin Tools： Spring AI 结构化多聊天客户端实战
大模型开发 - 27 Tool Calling：Spring AI 中的工具调用指南
大模型开发 - 28 Tool Calling：Spring AI 工具调用执行外部操作实战
大模型开发 - 29 Tool Calling：大模型与业务系统集成的利器 _Tool Calling 实战指南
大模型开发 - 30 Tool Calling：Spring AI Tool Calling 工作原理及源码详解
大模型开发 - 31 Tool Calling：解决大模型“工具选择困难症”_基于 RAG 的动态工具加载方案解读
大模型开发 - 32 Tool Calling：Spring AI 工具调用最佳实践完整指南
大模型开发 - 33 MCP：深入理解 Model Context Protocol（MCP）及其在 Spring AI 中的实践指南
大模型开发 - 34 MCP：Spring AI MCP 客户端启动器（MCP Client Boot Starter）深度指南
大模型开发 - 35 MCP：Spring AI MCP 服务端启动器（MCP Server Boot Starter）完全指南
大模型开发 - 36 MCP：深入理解 MCP Utilities ：同步与异步工具回调
大模型开发 - 37 RAG：Retrieval Augmented Generation（RAG）详解与实战指南
大模型开发 - 38 AGENT：Effective AI Agents 5种智能体开发模式深入解读
大模型开发 - 39 AGENT： Building effective agents
大模型开发 - 40 MCP：基于Spring AI和OAuth2的MCP授权全流程实战
大模型开发 - 41 审核模型：Spring AI 集成 OpenAI Moderation审核模型指南
1. 简介
MCP（模型上下文协议，Model Context Protocol）是Anthropic提出的一个开放标准，旨在让AI模型以结构化方式与外部工具、数据源和服务进行交互。MCP服务器是一种轻量级后端应用，它通过MCP接口暴露特定能力，比如访问文件、查询数据库或调用API。
为了让MCP服务器达到生产级，我们通常考虑将它们拆分为独立应用，这样可以方便规模扩展和独立维护。但由于这些服务器可能会处理敏感任务，我们需要保护其接口，只允许可信客户端进行访问。
这时就需要用到OAuth2。OAuth2是一种广为人知的API安全令牌授权协议。MCP服务器不会直接管理用户凭据，而是信任由中央授权服务器签发的验证令牌。我们可以利用OAuth2根据作用域和角色来授权或限制客户端访问MCP的特定能力。
接下来我们将介绍如何在Spring AI应用中使用OAuth2保护MCP服务器。
2. 依赖项
首先，添加Spring AI MCP服务器依赖，用于获取HTTP和SSE传输及MCP核心支持：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
</dependency>然后添加OAuth授权服务器依赖，它负责签发OAuth2访问令牌：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-oauth2-authorization-server</artifactId>
<version>3.3.3</version>
</dependency>最后，添加Spring Security的resource-server依赖：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-oauth2-resource-server</artifactId>
<version>3.4.2</version>
</dependency>通过这个依赖，可以确保MCP端点会拒绝无效或缺失的Bearer令牌。
3. 创建MCP服务器
接下来实现一个简单MCP服务器，服务中包含一个工具，能返回指定股票代码的价格。
定义一个StockInformationHolder类：
public class StockInformationHolder {
@Tool(description = "Get stock price for a company symbol")
public String getStockPrice(@ToolParam String symbol) {
if ("AAPL".equalsIgnoreCase(symbol)) {
return "AAPL: $150.00";
} else if ("GOOGL".equalsIgnoreCase(symbol)) {
return "GOOGL: $2800.00";
} else {
return symbol + ": Data not available";
}
}
}getStockPrice()方法根据输入股票代码返回对应股票价格，对未知代码返回默认信息。方法用@Tool注解标记，将被用于工具定义。同时，symbol参数用@ToolParam注解，确保在工具构建过程中能被正确处理。
创建McpServerConfiguration类，注册工具：
@Configuration
public class McpServerConfiguration {
@Bean
public ToolCallbackProvider stockTools() {
return MethodToolCallbackProvider.builder()
.toolObjects(new StockInformationHolder())
.build();
}
}这里定义了ToolCallbackProvider Bean，并绑定了StockInformationHolder类。至此已经拥有可用的MCP服务器，可通过GET /sse端点开启SSE连接。
如需向MCP服务器发送消息，可通过POST /mcp/message端点，并提交如下JSON内容：
{
"jsonrpc": "2.0",
"id": "1",
"method": "tools/call",
"params": {
"name": "getStockPrice",
"arguments": {
"arg0": "AAPL"
}
}
}method字段为"tools/call"，代表调用工具功能。params对象指定方法参数，包括工具名（默认为注解方法名）以及参数map。
4. 添加安全配置
接下来需要保护MCP服务器。
首先在application.yml中配置授权服务器：
spring:
security:
oauth2:
authorizationserver:
client:
oidc-client:
registration:
client-id: mcp-client
client-secret: "{noop}secret"
client-authentication-methods: client_secret_basic
authorization-grant-types: client_credentials定义了令牌申请客户端的唯一标识。client-secret用{noop}secret，仅用于演示场景，{noop}表示不对secret进行加密，便于测试。
然后创建安全配置类McpServerSecurityConfiguration：
@Configuration
@EnableWebSecurity
public class McpServerSecurityConfiguration {
@Bean
public SecurityFilterChain filterChain(HttpSecurity http) throws Exception {
return http
.authorizeHttpRequests(auth -> auth
.requestMatchers("/mcp/**").authenticated()
.requestMatchers("/sse").authenticated()
.anyRequest().permitAll())
.with(OAuth2AuthorizationServerConfigurer.authorizationServer(), Customizer.withDefaults())
.oauth2ResourceServer(oauth2 -> oauth2.jwt(Customizer.withDefaults()))
.csrf(CsrfConfigurer::disable)
.cors(Customizer.withDefaults())
.build();
}
}这里限制了对/mcp和/sse端点的所有请求都必须认证，其他端点则开放。
我们用authorizationServer()和oauth2ResourceServer()方法进行配置，代表该应用既暴露令牌端点，又作为资源服务器通过JWT令牌验证请求。
5. 测试安全的MCP服务器
下面进行测试。创建McpServerOAuth2LiveTest测试类：
@SpringBootTest(webEnvironment = SpringBootTest.WebEnvironment.RANDOM_PORT)
class McpServerOAuth2LiveTest {
private static final Logger log = LoggerFactory.getLogger(McpServerOAuth2LiveTest.class);
@LocalServerPort
private int port;
private WebClient webClient;
@BeforeEach
void setup() {
webClient = WebClient.create("http://localhost:" + port);
}
}随机端口启动应用，并初始化WebClient。
调用/sse端点打开SSE连接：
Flux eventStream = webClient.get()
.uri("/sse")
.header("Authorization", obtainAccessToken())
.accept(MediaType.TEXT_EVENT_STREAM)
.retrieve()
.bodyToFlux(String.class);
eventStream.subscribe(
data -> {
log.info("Response received: {}", data);
if (!isRequestMessage(data)) {
assertThat(data).containsSequence("AAPL", "$150");
}
},
error -> log.error("Stream error: {}", error.getMessage()),
() -> log.info("Stream completed")
);断言响应消息中包含预期股票信息。
向/mcp/message端点发送请求：
Flux sendMessage = webClient.post()
.uri("/mcp/message")
.header("Authorization", obtainAccessToken())
.contentType(MediaType.APPLICATION_JSON)
.accept(MediaType.TEXT_EVENT_STREAM)
.bodyValue("""
{
"jsonrpc": "2.0",
"id": "1",
"method": "tools/call",
"params": {
"name": "getStockPrice",
"arguments": {
"arg0": "AAPL"
}
}
}
""")
.retrieve()
.bodyToFlux(String.class);请求授权头均包含。
获取访问令牌的方法如下：
public String obtainAccessToken() {
String clientId = "mcp-client";
String clientSecret = "secret";
String basicToken = Base64.getEncoder()
.encodeToString((clientId + ":" + clientSecret).getBytes(StandardCharsets.UTF_8));
return "Bearer " + webClient.post()
.uri("/oauth2/token")
.header(HttpHeaders.CONTENT_TYPE, MediaType.APPLICATION_FORM_URLENCODED_VALUE)
.header(HttpHeaders.AUTHORIZATION, "Basic " + basicToken)
.body(BodyInserters.fromFormData("grant_type", "client_credentials"))
.retrieve()
.bodyToMono(JsonNode.class)
.map(node -> node.get("access_token").asText())
.block(Duration.ofSeconds(5));
}测试后可看到安全过滤器正常工作，响应数据成功返回。
6. 总结
我们通过Spring AI集成OAuth2，为MCP服务器关键端点提供了安全保护。这套方案高度灵活，可扩展为基于角色和作用域的控制，实现对某些工具或操作的权限隔离。
生产环境下可以集成更成熟的身份提供者，比如Keycloak或者Okta，也可以通过扩展令牌声明内容，用于细粒度工具权限管控。
)