如何用Spring AI开发一个支持Text-To-SQL的MCP

MCP 客户端是 MCP 架构中的关键组件，主要负责和 MCP 服务器建立连接并进行通信。它能自动匹配服务器的协议版本，确认可用功能，并负责数据传输和 JSON-RPC 交互。此外，它还能发现和使用各种工具、管理资源，并与提示系统进行交互。

除了这些核心功能，MCP 客户端还支持一些额外特性，比如根管理、采样控制，以及同步或异步操作。为了适应不同场景，它提供了多种数据传输方式，包括标准输入/输出、基于 Java HttpClient 和 WebFlux 的 SSE 传输。

MCP 服务端

MCP 服务器是整个 MCP 架构的核心部分，主要用来为客户端提供各种工具、资源和功能支持。它负责处理客户端的请求，包括解析协议、提供工具、管理资源以及处理各种交互信息。同时，它还能记录日志、发送通知，并且支持多个客户端同时连接，保证高效的通信和协作。它可以通过多种方式进行数据传输，比如标准输入/输出、Servlet、WebFlux 和 WebMVC，满足不同应用场景的需求。

Spring AI 集成 MCP

可以通过引入一些依赖，直接让 Spring AI 和 MCP 进行集成，在 Spring Boot 项目中轻松使用。

比如客户端启动器：

• spring-ai-starter-mcp-client：核心启动器，提供 STDIO 和基于 HTTP 的 SSE 支持
• spring-ai-starter-mcp-client-webflux：基于 WebFlux 的 SSE 流式传输实现

服务器启动器：

• spring-ai-starter-mcp-server：核心服务器，具有 STDIO 传输支持
• spring-ai-starter-mcp-server-webmvc：基于 Spring MVC 的 SSE 流式传输实现
• spring-ai-starter-mcp-server-webflux：基于 WebFlux 的 SSE 流式传输实现

MCP开发实践

1. 新增mcpserver工程
2. 添加maven配置

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

添加yml配置文件配置

spring:
  ai:
   mcp:
     server:
       name: super-sql-mcp-server
       version: 1.0.0
       type: SYNC

注意点需要关闭springboot的banner输出

##服务端口
server:
  port: 8088
spring:
  application:
    ###应用名
    name: super-sql-mcp-server
  main:
    banner-mode: off
    web-application-type: none

开始实现mcp的接口

public interface ISQLEngineService {
    String genSQL(String question);
    List<Map<String,Object>> getNl2SQLData(String question);
}

实现接口代码

实现 MCP 工具

@Tool 是 Spring AI MCP 框架中用于快速暴露业务能力为 AI 工具的核心注解，该注解实现 Java 方法与 MCP 协议工具的自动映射，并且可以通过注解的属性 description，帮助人工智能模型根据用户输入的信息决定是否调用这些工具，并返回相应的结果。

1. 注册MCP工具

到这里为止MCP的服务端就开发完成了，接下来我们要实现的是mcp的client端

1. 引入mcp client的pom

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

1. 配置文件配置
2. 配置mcp-sercers.json

{
  "mcpServers": {
    "super-sql-mcp-server": {
      "command": "java",
      "args": [
        "-jar",
        "-Dspring.ai.mcp.server.stdio=true",
        "-Dspring.main.web-application-type=none",
        "-Dlogging.pattern.console=",
        "-Dspring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver",
        "-Dspring.datasource.url=jdbc:mysql://localhost:3306/supersql?characterEncoding=utf8&useSSL=false",
        "-Dspring.datasource.username=root",
        "-Dspring.datasource.password=123456",
        "-Dspring.ai.azure.openai.api-key=your_openai_api_key",
        "-Dspring.ai.azure.openai.chat.options.deployment-name=your_chat_model_deployment_name",
        "-Dspring.ai.azure.openai.endpoint=your_openai_endpoint",
        "-Dspring.ai.azure.openai.embedding.options.deployment-name=your_embedding_model_deployment_name",
        "-Dspring.ai.vectorstore.chroma.client.host=http://127.0.0.1",
        "-Dspring.ai.vectorstore.chroma.client.port=8000",
        "-Dspring.ai.vectorstore.chroma.collection-name=super-sql",
        "-Dspring.ai.vectorstore.chroma.initialize-schema=true",
        "D:\\your_jar_file_path\\super-sql-mcp-stdio-1.0.0-M1.jar"
      ],
      "env": {}
    }
  }
}

开发对应的接口

最后测试一下

结果显示已经调用了MCP工具，并且数据来源于数据库中

基于SSE的服务端

除了基于 stdio 的实现外，Spring AI 还提供了基于 Server-Sent Events (SSE) 的 MCP 客户端方案。相较于 stdio 方式，SSE 更适用于远程部署的 MCP 服务器，客户端可以通过标准 HTTP 协议与服务器建立连接，实现单向的实时数据推送。基于 SSE 的 MCP 服务器支持被多个客户端远程调用。

由于sse与stdio除了maven依赖和配置不同，其他不需要修改，所以这里不过赘述

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

配置文件配置

spring:
    ai:
     mcp:
      server:
        name: webmvc-super-sql-mcp-server
        version: 1.0.0
        stdio: false
        type: ASYNC
        sse-message-endpoint: /mcp/messages
        sse-endpoint: /sse
        capabilities:
          tool: true
          resource: true
          prompt: true
          completion: true

开发完成的mcp你可以上传到modelscope的MCP广场，让更多的人关注到你的mcp或者higress的MCP广场