现代 Web 应用正加速与大语言模型（LLMs）深度融合，构建超越传统问答场景的智能解决方案。为突破模型知识边界，增强上下文理解能力，开发者普遍采用多源数据集成策略，将 LLM 与搜索引擎、数据库、文件系统等外部资源互联。然而，异构数据源的协议差异与格式壁垒，往往导致集成复杂度激增，成为制约 AI 应用规模化落地的关键瓶颈。因此，Anthropic公司推出了模型上下文协议（Model Context Protocol, MCP），通过标准化接口为 AI 应用与外部数据源建立统一交互通道。这一协议体系不仅实现了数据获取与操作的规范化，更构建起可扩展的智能体开发框架，使开发者能够基于原生 LLM 能力快速构建复杂工作流。
本文我们就来尝试通过 Spring AI 框架来构建MCP 客户端 - 服务器架构的实现方法。
什么是MCP
关于MCP的架构，这里可以看看ByteByteGo的这张架构图：
MCP遵循客户端 - 服务器架构，围绕几个关键组件：
- • MCP Host：用户使用的应用程序，比如：Claude客户端、Cursor这样的AI应用程序，它与大语言模型集成，提供 AI 交互环境以访问不同工具和数据源。
- • MCP Client：与MCP Server建立并维护一对一连接的组件。它属于AI应用程序的内部组件，使其能够与 MCP Server通信。例如，若需要 PostgreSQL 数据，MCP 客户端会将请求格式化为结构化消息发送给 MCP 服务器。
- • MCP Server：外部数据源集成并公开与之交互功能的组件。作为中间件连接 AI 模型与外部系统（如 PostgreSQL、Google Drive 或 API）。例如，当 Claude 分析 PostgreSQL 中的销售数据时，PostgreSQL 的 MCP 服务器会充当 Claude 与数据库之间的连接器。
下面我们就参考Spring AI的官方文档，来尝试应用简单的MCP，想要了解更多，读者可以点击链接查看官方文档。
创建MCP Host
下面我们将使用Anthropic的Claude模型构建一个聊天机器人，该模型将充当我们的MCP Host。
引入相关依赖
首先，将必要的依赖项添加到项目的pom.xml文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-anthropic-spring-boot-starter</artifactId>
<version>1.0.0-M6</version>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
<version>1.0.0-M6</version>
</dependency><repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
