在2026年的AI工程化浪潮中，医学助手AI（此处为占位符，实际指基于Spring AI构建的医疗智能助手）背后的关键技术——MCP（Model Context Protocol）——正成为连接大模型与外部工具的核心桥梁-15。很多开发者在学习过程中普遍存在一个困境：代码能跑通，但一问原理就卡壳；@Tool和MCP Server的概念总是搞混；面试中被问到“MCP底层依赖什么”时支支吾吾答不上来。本文将带你从零到一，彻底搞懂Spring AI中McpServer的实现原理，配套完整代码示例和高频面试考点，帮你打通从“会用”到“懂原理”的最后一公里。

一、痛点切入：为什么需要MCP Server？

在MCP协议出现之前，如果你想给大模型接入外部工具（比如查询天气、操作数据库），基本上只能手写Function Calling。来看一段典型的传统实现：

// 传统方式：手写Function Calling，需要定义JSON Schema

@Configuration
public class TraditionalToolConfig {
    
    @Bean
    public Function<WeatherRequest, WeatherResponse> weatherFunction() {
        return request -> {
            // 业务逻辑
            return fetchWeather(request.getCity());
        };
    }
    
    // 还需要手动注册到ChatClient，每个模型厂商的注册方式还不一样...
}

这种方式的痛点非常明显：你得自己定义JSON Schema，处理模型幻觉，管理鉴权和限流，最麻烦的是每个模型厂商的接口各不相同——OpenAI一套、Claude一套、文心通义又各有各的脾气，完全是“一次接入，终身维护”-6。

MCP协议正是为解决这些问题而生的。它由Anthropic在2024年底开源，截至2026年初，已有超过10,000个活跃MCP服务器在生产环境运行，月SDK下载量达到9700万次-15。MCP的核心思想就是标准化——就像HTTP协议让浏览器能和任何网站通信，MCP让任何AI应用都能以统一的方式发现和使用外部工具-6。

二、核心概念：MCP是什么？

MCP（Model Context Protocol，模型上下文协议） 是一个标准化的开源协议，用于实现AI模型与外部数据源、工具之间的统一交互-。如果把AI应用想象成一台电脑，那么MCP就是那个“USB-C接口”——以前给大模型接外部工具需要准备一百种转接头，现在一根线走天下-6。

用生活中的例子来理解：想象你是一位旅行者（AI模型），来到一个陌生的城市。以前，你想查天气要下载一个App，想找餐厅要打开另一个App，想打车又要切到第三个平台——每个服务都有自己的一套规矩。现在有了MCP，就像城市建了一个统一的“服务总台”，你只需要说“我要查天气”，总台就会自动找到天气服务提供商，帮你拿到结果并返回给你。MCP扮演的就是这个“服务总台”的角色，负责标准的发现、调用和返回流程。

三、关联概念：MCP Server vs MCP Client

理解了MCP之后，就需要分清它的两个重要角色：

• MCP Server（服务端） ：负责将本地业务能力（如天气查询、文件读写）按MCP协议封装并暴露出去，供外部客户端调用-8。

• MCP Client（客户端） ：负责发现并调用MCP Server提供的工具能力，将AI模型的工具调用请求转发给对应的Server-6。

两者的关系可以这样概括：Server是“提供服务的人”，Client是“使用服务的人” 。在Spring AI中，你既可以搭建MCP Server（把自己的服务暴露出去），也可以作为MCP Client（调用别人提供的MCP服务）-6。

最容易混淆的点：@Tool注解本身并不等于MCP Server。@Tool只负责标记“这个方法可以作为工具能力”，而真正将其暴露为MCP服务，还需要引入spring-ai-starter-mcp-server依赖并完成自动配置-8。

四、代码示例：从零搭建一个MCP Server

4.1 环境准备（2026年最新版本搭配）

-6

4.2 添加Maven依赖

<!-- MCP Server Starter -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-server</artifactId>
    <version>1.1.2</version>
</dependency>

-3

4.3 编写业务服务类（使用@McpTool）

@Service
public class WeatherService {
    
    // 使用@McpTool将方法暴露为AI可调用的工具
    @McpTool(
        name = "get_weather_by_city",
        description = "根据城市名称获取当前天气信息"
    )
    public String getWeatherByCity(
        @McpToolParam(description = "城市名称，如'北京'", required = true) 
        String city
    ) {
        // 模拟天气查询逻辑
        Map<String, String> weatherMap = Map.of(
            "北京", "晴，25°C",
            "上海", "多云，22°C",
            "深圳", "阵雨，28°C"
        );
        return weatherMap.getOrDefault(city, "暂无该城市天气信息");
    }
}

代码解析：

• @McpTool：标记方法为可被AI调用的工具，name和description字段非常重要——LLM正是通过这些描述来判断何时调用该工具以及如何填充参数-3。

• @McpToolParam：标注参数，提供语义描述供LLM理解。

• required = true：告诉LLM这个参数是必填的。

4.4 配置类：注册ToolCallbackProvider

@Configuration
public class McpServerConfig {
    
    @Bean
    public ToolCallbackProvider toolCallbackProvider(WeatherService weatherService) {
        // 从WeatherService中提取所有@McpTool方法，封装为ToolCallbackProvider
        return MethodToolCallbackProvider.builder()
            .toolObjects(weatherService)
            .build();
    }
}

这段配置的含义比单纯注册一个Bean更明确——MethodToolCallbackProvider负责从业务对象中提取@McpTool标记的方法，将它们组织成MCP Server可以识别的工具定义-8。

4.5 配置application.yml（关键！）

spring:
  application:
    name: mcp-server-demo
  ai:
    mcp:
      server:
        protocol: STREAMABLE   使用Streamable-HTTP协议
        name: weather-mcp-server
        version: 1.0.0

 如果是Stdio方式（本地开发），还需要额外配置：
 spring.ai.mcp.server.stdio=true
 spring.main.web-application-type=none   关键：禁止打印任何日志到控制台

注意：当使用Stdio传输方式时，AI Client会以子进程方式启动你的Java应用并通过控制台通信，此时任何日志输出都会破坏JSON-RPC消息格式，因此必须禁用Web应用模式和Banner输出-3。

五、底层原理：MCP Server是如何工作的？

理解了代码之后，再来看看底层原理。Spring AI MCP Server的核心依赖于三个技术支撑：

1. 注解扫描与反射机制

Spring AI在启动时会通过注解扫描器扫描所有带有@McpTool注解的方法。基于Java反射机制，框架能够动态解析方法的签名、参数类型、返回值类型，并自动生成符合MCP协议规范的Tool Definition（JSON Schema格式）-3。

2. ToolCallbackProvider适配层

MethodToolCallbackProvider是一个关键适配器——它将业务层的普通Java方法适配为框架层统一抽象的ToolCallback接口。ToolCallback封装了方法的调用元信息（名称、描述、参数Schema）以及实际调用入口，MCP Server的核心调度器通过ToolCallback实现对业务方法的统一调用-。

3. 协议传输层

MCP Server支持多种传输协议，包括Stdio（标准输入输出，适合本地开发）和Streamable-HTTP（适合云端部署，支持多客户端连接和服务端推送）-30。传输层负责处理JSON-RPC消息的编码、解码和网络传输。截至2026年，MCP生态还正在向gRPC传输方向演进，谷歌已在推动MCP对gRPC的支持-。

六、高频面试题与参考答案

Q1：请简述MCP协议是什么，以及它在Spring AI中的作用？

标准答案：MCP（Model Context Protocol，模型上下文协议）是Anthropic开源的标准化协议，用于实现AI模型与外部工具、数据源的统一交互。在Spring AI中，MCP通过spring-ai-starter-mcp-server Starter提供支持，让开发者可以用@McpTool注解将Java方法暴露为AI可调用的标准化工具，Spring AI负责处理协议转换、工具注册和JSON-RPC通信等底层细节。踩分点：协议定位 + 标准化价值 + Spring AI实现方式。

Q2：@Tool和MCP Server有什么区别？

标准答案：@Tool是Spring AI中用于标记方法可被AI调用的注解，仅负责描述工具的元信息。而MCP Server是完整的能力暴露体系，需要引入spring-ai-starter-mcp-server依赖并通过ToolCallbackProvider将@Tool方法注册到MCP Server中。可以概括为：@Tool是“标记”，MCP Server是“暴露” 。踩分点：功能区别 + 依赖关系 + 一句话总结。

Q3：Spring AI MCP Server底层依赖哪些核心技术？

标准答案：核心依赖三项技术：1）Java反射——扫描@McpTool注解，解析方法签名生成工具定义；2）ToolCallbackProvider适配层——将业务方法适配为框架统一抽象的ToolCallback接口；3）JSON-RPC协议传输层——支持Stdio和Streamable-HTTP两种传输方式，处理协议编码与网络通信。踩分点：三个技术点依次列出，能体现对原理的理解深度。

Q4：MCP Server支持哪些传输协议？各自适用什么场景？

标准答案：MCP Server主要支持两种传输协议。Stdio（标准输入输出）：AI Client以子进程方式启动Server并通过控制台通信，适合本地开发调试，但必须禁用日志输出避免破坏JSON-RPC消息。Streamable-HTTP：Server作为独立HTTP服务运行，支持多客户端连接和服务端主动推送，适合云端生产部署。踩分点：两种协议名称 + 各自适用场景 + 关键配置点。

Q5：如何在MCP Server中处理复杂对象参数？

标准答案：Spring AI支持使用Java Record或POJO作为工具方法的参数。框架会自动将复杂对象序列化为JSON Schema，LLM调用时会自动完成JSON参数的反序列化。使用@JsonProperty(required = false)可以标注可选字段。踩分点：Record/POJO支持 + 自动序列化 + 可选字段标注。

七、结尾总结

本文围绕Spring AI中McpServer的实现，梳理了以下核心内容：

重点易错提醒：用Stdio传输时一定要禁用控制台日志输出；版本必须用Spring Boot 3.5.x以上，别踩老教程的坑；@Tool不等于MCP Server，两者是“标记”和“暴露”的关系。

下一篇将深入讲解MCP Client的实现原理，带你掌握如何调用外部MCP服务，并探讨企业级MCP分布式部署的最佳实践。敬请期待！