On this page
article
MCP 初试验
Where are we?（我们现在在哪？）
现在已经拥有了数据分析平台，拥有的基本的数据查询和数据分析能力。
Where are we going?（我们要到哪⼉去？）
但是我们的分析平台想和AI进行结合，能够拥有更灵活，更简单，更智能的查询方式，能够通过自然语言去执行对应的查询和分析工作，不再依赖一板一眼的面板操作
How can we get there?（我们如何到达那⾥？）
增加MCP服务，衔接后端服务和智能体客户端（可以是Cursor，Trae这样的，也可以是自己开发的）
示例
MCP实现方式并不拘泥于某种编程语言，本文以Java实现。
System requirements 系统要求
Java 17 或更高版本已安装。 Spring Boot 3.3.x 或更高版本
依赖选择
通过 SpringBoot 项目初始化之后，再额外添加以下依赖
<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>
Best Practices 最佳实践
作者提示： 这里虽说是最佳实践，我以为是必须要严格执行的。后文中的属性配置，其实就是这里要求的具体实现。
- Use a logging library that writes to stderr or files. 使用将日志写入 stderr 或文件的日志库。
- Ensure any configured logging library will not write to STDOUT 确保任何配置的日志库不会将日志写入 STDOUT
程序属性配置
spring.main.bannerMode=off
logging.pattern.console=
或者习惯yaml的话
logging:
pattern:
console:
spring:
main:
banner-mode: off
相关的配置全集 ： 点击查看
编写Service
官方文档内容如下：
@Service注解会自动将服务注册到应用程序上下文中。Spring AI@Tool注解，使得创建和维护 MCP 工具变得非常容易。The auto-configuration will automatically register these tools with the MCP server. 自动配置会自动将这些工具注册到 MCP 服务器上。
作者按： 看起来与平常编写sevice，并无二异。但其中暗藏玄机
- 和前面提到的一样， 编码过程不要出现任何打印输出的内容，如果非要打印，以err的形式打印 Sysout.err.println();
- @Tool 注解会将对应的方法 注册到MCP服务器上作为工具使用
package com.xmic.mcp.data.analysis.service;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.xmic.mcp.data.analysis.common.Constants;
import com.xmic.mcp.data.analysis.common.R;
import com.xmic.mcp.data.analysis.common.ResponseData;
import com.xmic.mcp.data.analysis.dto.DataQueryDTO;
import com.xmic.mcp.data.analysis.dto.ItemDTO;
import com.xmic.mcp.data.analysis.utils.JsonUtils;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestClient;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Objects;
@Service
public class DataQueryService {
@Autowired
private ObjectMapper objectMapper;
private static final String BASE_URL = "http://192.168.15.172/api";
private RestClient restClient;
public DataQueryService() {
this.restClient = RestClient.builder()
.baseUrl(BASE_URL)
.defaultHeader("Accept", "*/*")
.defaultHeader("Content-Type", "application/json")
.defaultHeader("User-Agent", "WeatherApiClient/1.0 (zxt@xmic.com)")
.defaultHeader("Authorization", Constants.TOKEN_NEVER_EXPIRE)
.build();
}
@Tool(description = "依据工作面code和设备因子名称查询对应的历史数据，包含 最大值，平均值，和最小值")
public String queryHistoryDataOnFaceCode(DataQueryDTO query) {
// 判断query中 faceCode ,factorCode 不能为空
if (Objects.isNull(query.getFaceCode()) || Objects.isNull(query.getFactorCodes())) {
return "faceCode 和 factorCode 不能为空";
}
Map<String, Object> result = new HashMap<>();
R response = restClient.post()
.uri("/data/history/chart/figure2D")
.body(query)
.retrieve()
.body(R.class);
if (Objects.isNull(response)) {
result.put("msg", "查询失败了");
return JsonUtils.toJson(result);
}
if (Objects.equals(response.getStatus(), R.OK)) {
ResponseData responseData = objectMapper.convertValue(response.getData(), ResponseData.class);
Map<String, List<List<Object>>> records = responseData.getRecords();
Map<String, Object> map = new HashMap<>();
for (String factorCode : records.keySet()) {
List<List<Object>> record = records.get(factorCode);
List<ItemDTO> list = record.stream().map(row -> ItemDTO.of(row.get(0), row.get(1), row.get(2), row.get(3))).toList();
map.put(factorCode, list);
}
String json = JsonUtils.toJson(map);
result.put("data", json);
result.put("msg", "查询成功了");
} else if (Objects.equals(response.getStatus(), R.NG)) {
// 请求失败
result.put("msg", "抱歉，获取数据时出错了,请确认参数完整后重试一下吧~");
} else if (Objects.equals(response.getStatus(), R.KA)) {
// 请求接口时 参数异常
result.put("msg", "你需要提供完整的参数才能查到数据哦~");
} else {
result.put("msg", "查询过程中出现了未知的问题,请稍后重试或联系管理员~");
}
return JsonUtils.toJson(result);
}
}
启动类
使用
MethodToolCallbackProvider工具将@Tools转换为 MCP 服务器使用的可执行回调。
package com.xmic.mcp.data.analysis;
import com.xmic.mcp.data.analysis.service.DataQueryService;
import com.xmic.mcp.data.analysis.service.DeviceFactorService;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;
@SpringBootApplication
public class McpDataAnalysisApplication {
public static void main(String[] args) {
SpringApplication.run(McpDataAnalysisApplication.class, args);
}
@Bean
public ToolCallbackProvider dataQueryTools(DataQueryService dataQueryService) {
return MethodToolCallbackProvider.builder().toolObjects(dataQueryService).build();
}
}
客户端使用
在对应的客户端位置添加对应的mcp工具配置，添加如下内容
{
"mcpServers": {
"spring-ai-mcp-weather": {
"command": "java",
"args": [
"-Dspring.ai.mcp.server.transport=STDIO",
"-jar",
"C:\\ABSOLUTE\\PATH\\TO\\PARENT\\FOLDER\\weather\\mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar"
]
}
}
}