通过SpringBoot构建你的MCP Server

1. 背景

在传统的人机交互中，AI 获取信息的来源主要依赖于预先训练时所投喂的大规模语料库，或是在有限权限下的联网支持。因此，如果你希望 AI 分析你自己的网站内容， 或者结合你在知乎上的所有回答进行深入分析，传统 AI 是无法完成的。

而 MCP Server 正好解决了这个问题，它的本质是为 AI 接入更多信息源，相当于为 AI 扩展了「感知范围」。通过 MCP Server，你可以让 AI 实时访问你提供的数据，比如网页、数据库、文档接口等，从而进行更具上下文的分析与响应。

当然，这种能力的代价是：你需要自己整合并维护这些希望让 AI 访问的数据源。

那么怎么做？下面的内容会用Java SpringBoot 实现一个最简单的案例：搭建一个MCP 天气服务器，让Claude Desktop能够知道实时的天气。

2. 通过Spring AI构建Spring AI MCP Server

对于Java开发者来说，SpringBoot是再熟悉不过的框架，所以这里我们直接下载已经构建的Spring AI MCP Weather STDIO Server项目进行讲解。

代码位置：starter-stdio-server, 另外你可以找到更多的案例在代码仓库：spring-ai-examples

2.1 项目解释：pom.xml

从pom.xml中我们能很看出，是直接使用的spring-ai-starter-mcp-server，spring-web两个依赖，没有其他的附加依赖。

• spring-ai-starter-mcp-server 是 Spring AI 官方提供的一个 用于构建自定义 MCP Server 的依赖。
• 而spring-web 则更熟悉的，是 Spring Framework 中的一个核心模块，它提供了构建 Web 应用程序所需的基础功能。

pom.xml

    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework</groupId>
            <artifactId>spring-web</artifactId>
        </dependency>
    </dependencies>

2.2 项目解释：application.properties

application.properties

spring.main.web-application-type=none

# 注意：您必须禁用横幅和控制台日志记录以便让 STDIO 传输系统正常工作！！！

spring.main.banner-mode=off
logging.pattern.console=

spring.ai.mcp.server.name=my-weather-server
spring.ai.mcp.server.version=0.0.1

logging.file.name=./model-context-protocol/weather/starter-stdio-server/target/mcp-weather-stdio-server.log

• spring.main.web-application-type=none：关闭 Spring Boot 的 Web 功能（不启动 Servlet 或 WebFlux 容器）。
• spring.main.banner-mode=off ：关闭 Spring Boot 启动时的 ASCII 艺术字横幅，因为横幅会写到 stdout，可能干扰 STDIO 通信协议（AI 工具依赖 stdout 的 JSON 格式）。
• logging.pattern.console= ： 清空控制台日志格式，防止出现前缀、时间戳、级别等多余内容。确保标准输出中只输出结构化 JSON 响应或插件数据，不被干扰。
• logging.file.name=./model-context-protocol/weather/starter-stdio-server/target/mcp-weather-stdio-server.log ：将日志输出写入指定的文件路径。避免将日志打印到控制台（stdout），干扰 MCP 的 stdio 通信；同时方便后期排查问题。

2.3 具体实现

从项目结构中可以看到，整个项目只有 McpServerApplication.java 和 WeatherService.java 两个类

├── README.md
├── mvnw
├── mvnw.cmd
├── pom.xml
├── src
│   ├── main
│   │   ├── java
│   │   │   └── org
│   │   │       └── springframework
│   │   │           └── ai
│   │   │               └── mcp
│   │   │                   └── sample
│   │   │                       └── server
│   │   │                           ├── McpServerApplication.java
│   │   │                           └── WeatherService.java
│   │   └── resources
│   │       └── application.properties
32 directories, 21 files

McpServerApplication.java 很简单，就是项目启动类，然后当中注入了一个bean。

而注入的这个 bean ToolCallbackProvider 是 Spring AI 中用于 管理和调度 AI 调用工具（Tool）时的回调处理逻辑 的接口。 Tool 是你注册给 AI 模型可以调用的函数（类似于 OpenAI 的 Function Calling 或 Tools 功能）。当 AI 触发某个 Tool 的调用时， ToolCallbackProvider 就负责：查找并调用你注册的具体处理逻辑（回调函数）。

.toolObjects(weatherService) 则是把另一个bean WeatherService 给加进去，就意味着把 weatherService 以 tool 的形式提供给AI

@SpringBootApplication
public class McpServerApplication {

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

    @Bean
    public ToolCallbackProvider weatherTools(WeatherService weatherService) {
        return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();
    }

}

那我们来看真正发挥作用的 WeatherService.java, 这里我调整了一下代码位置方便我们一眼就能注意到有两个方法被 @Tool注解修饰。 这个注解的主要作用就是 在Spring AI中将一个方法标记为工具。

而方法入参数被注解 @ToolParam 修饰则是给方法参数添加描述信息，便于 AI 理解参数含义

而这个Service做的作用就是，当AI调用的时候，请求 api.weather.gov 接口获取天气信息，再输出给用户 • 使用 RestClient 调用 api.weather.gov 获取天气数据 • 暴露了两个 AI 可调用的工具（方法），可接入 GPT/Claude 等支持工具调用的模型 • 结合 @Tool和 MCP 协议，可以通过 ChatGPT 插件或 Spring AI Assistant 无缝接入这些后端服务

提供两个 AI 可调用的接口：

1. getWeatherForecastByLocation(double latitude, double longitude) — 获取某地天气预报
2. getAlerts(String state) — 获取某个美国州的天气警报

@Service
public class WeatherService {

    private static final String BASE_URL = "https://api.weather.gov";
    private final RestClient restClient;

    public WeatherService() {
        this.restClient = RestClient.builder()
            .baseUrl(BASE_URL)
            .defaultHeader("Accept", "application/geo+json")
            .defaultHeader("User-Agent", "WeatherApiClient/1.0 (your@email.com)")
            .build();
    }

    /**
     * 获取特定纬度/经度的天气预报
     * @param latitude Latitude
     * @param longitude Longitude
     * @return The forecast for the given location
     * @throws RestClientException if the request fails
     */
    @Tool(description = "Get weather forecast for a specific latitude/longitude")
    public String getWeatherForecastByLocation(double latitude, double longitude) {

        var points = restClient.get()
            .uri("/points/{latitude},{longitude}", latitude, longitude)
            .retrieve()
            .body(Points.class);

        var forecast = restClient.get().uri(points.properties().forecast()).retrieve().body(Forecast.class);

        String forecastText = forecast.properties().periods().stream().map(p -> {
            return String.format("""
                    %s:
                    Temperature: %s %s
                    Wind: %s %s
                    Forecast: %s
                    """, p.name(), p.temperature(), p.temperatureUnit(), p.windSpeed(), p.windDirection(),
                    p.detailedForecast());
        }).collect(Collectors.joining());

        return forecastText;
    }

    /**
     * 获取特定区域的警报
     * @param 州区号。两个字母的美国州代码（如CA， NY）
     * @return 人类可读的警报信息
     * @throws RestClientException if the request fails
     */
    @Tool(description = "Get weather alerts for a US state. Input is Two-letter US state code (e.g. CA, NY)")
    public String getAlerts(@ToolParam( description =  "Two-letter US state code (e.g. CA, NY") String state) {
        Alert alert = restClient.get().uri("/alerts/active/area/{state}", state).retrieve().body(Alert.class);

        return alert.features()
            .stream()
            .map(f -> String.format("""
                    Event: %s
                    Area: %s
                    Severity: %s
                    Description: %s
                    Instructions: %s
                    """, f.properties().event(), f.properties.areaDesc(), f.properties.severity(),
                    f.properties.description(), f.properties.instruction()))
            .collect(Collectors.joining("\n"));
    }

    @JsonIgnoreProperties(ignoreUnknown = true)
    public record Points(@JsonProperty("properties") Props properties) {
        @JsonIgnoreProperties(ignoreUnknown = true)
        public record Props(@JsonProperty("forecast") String forecast) {
        }
    }

    @JsonIgnoreProperties(ignoreUnknown = true)
    public record Forecast(@JsonProperty("properties") Props properties) {
        @JsonIgnoreProperties(ignoreUnknown = true)
        public record Props(@JsonProperty("periods") List<Period> periods) {
        }

        @JsonIgnoreProperties(ignoreUnknown = true)
        public record Period(@JsonProperty("number") Integer number, @JsonProperty("name") String name,
                @JsonProperty("startTime") String startTime, @JsonProperty("endTime") String endTime,
                @JsonProperty("isDaytime") Boolean isDayTime, @JsonProperty("temperature") Integer temperature,
                @JsonProperty("temperatureUnit") String temperatureUnit,
                @JsonProperty("temperatureTrend") String temperatureTrend,
                @JsonProperty("probabilityOfPrecipitation") Map probabilityOfPrecipitation,
                @JsonProperty("windSpeed") String windSpeed, @JsonProperty("windDirection") String windDirection,
                @JsonProperty("icon") String icon, @JsonProperty("shortForecast") String shortForecast,
                @JsonProperty("detailedForecast") String detailedForecast) {
        }
    }

    @JsonIgnoreProperties(ignoreUnknown = true)
    public record Alert(@JsonProperty("features") List<Feature> features) {

        @JsonIgnoreProperties(ignoreUnknown = true)
        public record Feature(@JsonProperty("properties") Properties properties) {
        }

        @JsonIgnoreProperties(ignoreUnknown = true)
        public record Properties(@JsonProperty("event") String event, @JsonProperty("areaDesc") String areaDesc,
                @JsonProperty("severity") String severity, @JsonProperty("description") String description,
                @JsonProperty("instruction") String instruction) {
        }
    }
}

2.3 使用项目

当你想要启动这个项目的时候，需要Java 17以上版本，Maven 3.6以上以上版本，此时你肯定很顺滑直接启动了。

但是实际上使用的方式需要先打成一个Jar包，在项目根目录执行：mvn package, 就能在target目录下看到 mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar

接着需要你本地已经安装了Claude for Desktop, 没有的话可以在这里下载：https://claude.ai/download

安装后，使用文本编辑器打开：

Mac

~/Library/Application Support/Claude/claude_desktop_config.json

Windows

AppData\Claude\claude_desktop_config.json

没有的话就对这个文件进行创建。

接着写入下面的内容，记得修改 /ABSOLUTE/PATH/TO/PARENT/FOLDER/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar 为你打出jar包的绝对路径

{
  "mcpServers": {
    "spring-ai-mcp-weather": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",
        "-jar",
        "/ABSOLUTE/PATH/TO/PARENT/FOLDER/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar"
      ]
    }
  }
}

最后一步，重启你的 Claude，然后你甚至能直接问AI: 你接入了几个MCP server

接着AI会告诉你的。

然后你再问他，美国洛杉矶天气如何，就会实际调用你的这个jar包的

到此大功告成！快去扩展你的MCP Server吧。

3. 信息来源

Model Context Protocol|面向服务器开发者