MCP集成本地文件

Model Context Protocol 是Anthropic 于2024年11月重磅开源的「模型上下文协议」MCP。

• 其是一种开放的通信协议，是人工智能领域的 USB 接口。

在大模型和其他数据源（数据、工具、开发环境等）之间建立了双向、并且更加安全的连接。

MCP 将LLM的数据孤岛被彻底打破，LLM应用和外部数据源、工具都将无缝集成。

目标是实现LLM应用程序与外部数据源和工具之间的无缝集成。

官方文档：https://modelcontextprotocol.io/introduction

目前有很多现成的 MCP Server：

• https://github.com/modelcontextprotocol/servers
• https://github.com/punkpeye/awesome-mcp-servers
• https://mcp.so/servers

Spring AI 如何集成 MCP 协议

MCP Client Boot Starters：

对于 MCP Client，Spring AI 提供了如下两个 Starter 集成 MCP Client。

• spring-ai-mcp-client-spring-boot-starter：实现基于 STDIO 和 HTTP 的 SSE 传输协议的 MCP Client。

• spring-ai-mcp-client-webflux-spring-boot-starter：实现基于 WebFlux 的 SSE 传输协议的 MCP Client。

MCP Server Boot Starters：

对于 MCP Server， Spring AI 提供了如下三个 Starter 集成 MCP Server。

• spring-ai-mcp-server-spring-boot-starter: 实现支持 STDIO 传输协议的 MCP Server

• spring-ai-mcp-server-webmvc-spring-boot-starter: 实现基于 WebMCV 的 SSE 传输协议的 MCP Server

• spring-ai-mcp-server-webflux-spring-boot-starter: 实现基于 WebFlux 的 SSE 传输协议的 MCP Server

根据业务场景，可以选择其中的 MCP Server Starter 来实现一个 MCP Server。

Spring MCP Client 实现示例

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-test</artifactId>
        <scope>test</scope>
    </dependency>
</dependencies>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

配置文件：

spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.model=qwen2.5:latest

# MCP Client Configuration
spring.ai.mcp.client.enabled=true
spring.ai.mcp.client.name=mcp-client
spring.ai.mcp.client.version=1.0.0
spring.ai.mcp.client.type=SYNC
spring.ai.mcp.client.request-timeout=30s
spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json

mcp-servers-config.json：

对于 args 的第三个参数，可以指定你想要访问的文件路径，可以是多个。

比如： "args": [ "-y", "@modelcontextprotocol/server-filesystem", ".", "/Users" ]

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "."
      ]
    }
  }
}

代码实现：

import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@SpringBootApplication
public class Application {

    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }

    @RestController
    public static class ChatController {
        @Resource
        private OllamaChatModel ollamaChatModel;

        @Resource
        private SyncMcpToolCallbackProvider toolCallbackProvider;

        @GetMapping("/chat")
        public String call(@RequestParam String input) {
            ChatClient chatClient = ChatClient.builder(ollamaChatModel)
                    .defaultTools(toolCallbackProvider.getToolCallbacks())
                    .build();
            return chatClient.prompt(input).call().content();
        }
    }
}