当前位置： 首页 > news >正文

上下文协议（MCP）Java SDK 指南

news 2026/6/28 3:32:50

当我们把各种内部系统、数据源、工具接入大语言模型时，往往会遇到一个尴尬的问题：每个团队、每套系统都有自己的一套“接入规范”。有的用 HTTP API，有的用消息队列，有的直接连数据库，最后一圈串下来，既难以统一治理，又很难在不同应用之间复用。这时，你可能会问：有没有一种通用的协议，既能让 AI 模型方便地调用外部工具、访问数据，又能让后端服务方用标准方式暴露能力？

Model Context Protocol（MCP）就是为此而生的标准之一，而本文要介绍的 Java SDK，则为 Java 开发者提供了一条直接接入 MCP 生态的通路。通过它，你可以用统一的模型，在 Java 应用里暴露工具、资源、提示模版，也可以轻松作为客户端去调用这些能力。本文将从整体架构讲起，一步步带你用一个可运行的示例，搭建起自己的 MCP 服务端与客户端。

1. 概览

随着近年来 AI 的快速发展，越来越多的工具和系统开始与 AI 模型集成。但随之而来的一个挑战是：每种集成都可能采用完全不同的标准和方式，将外部工具、资源和系统接入到 AI 模型中。

Model Context Protocol（MCP）是一个开源标准，它定义了 AI 应用（如大语言模型、图像生成模型等）与工具、数据源以及其他资源之间的集成方式。借助 MCP，AI 应用可以按外部系统约定的方式访问数据、调用工具并执行工作流。

MCP 的 Java SDK 为开发者提供了一组库，支持多种协议和通信机制，用于把 Java 应用与 AI 应用连接起来。

在本教程中，我们将一起了解这个 SDK，并通过一个简单示例来体验 MCP 的使用方式。

2. 架构

MCP 架构的核心组件主要包括：

  • MCP Host：负责管理多个 MCP Client
  • MCP Client：从 MCP Server 获取上下文，供 MCP Host 使用
  • MCP Server：向 MCP Client 提供上下文信息和可调用能力

MCP 将通信划分为两个概念层次：数据层（Data Layer），用于定义客户端与服务端的通信协议和生命周期管理；以及传输层（Transport Layer），用于定义客户端和服务端之间的具体传输通道和机制。

Java 版的 MCP SDK 将这些概念映射为如下几个层次：

  • Client/Server 层：通过McpClient/McpServer实现并管理客户端/服务端的具体操作
  • Session 层：通过McpSession管理通信模式和会话状态
  • Transport 层：通过McpTransport处理消息的序列化与反序列化

客户端会调用 MCP 服务端暴露的一到多个工具（tool），而底层的通信则由传输层负责。

在 MCP 中，Primitive（原语）是最基础的构建单元，用来定义可用的上下文信息类型以及可执行的操作范围。服务端和客户端都提供了一些原语。

服务端侧的原语包括工具（tools）、资源（resources）和提示模版（prompts）。工具是 AI 应用可以调用的可执行函数，例如查询数据库、文件操作等。资源是提供给客户端的上下文数据源，例如数据库结构、文件内容等。提示模版是可复用的模版，用于与语言模型进行交互。

客户端侧的原语则帮助McpServer的实现者构建更丰富的交互能力，包括采样（sampling）、信息补充（elicitation）和日志（logging）。采样允许服务端在不集成模型 SDK 的情况下，向客户端请求语言模型补全结果。信息补充让服务端能够向用户请求额外信息或确认操作。日志则允许服务端向客户端发送日志消息，用于调试和监控。

3. 环境准备

要使用 MCP Java SDK，我们需要在项目中加入mcp依赖：

<dependency><groupId>io.modelcontextprotocol.sdk</groupId><artifactId>mcp</artifactId><version>0.15.0</version></dependency>

3.1 定义一个 MCP 工具

我们先通过LoggingTool这个类，定义一个非常简单的 MCP 工具，用来打印收到的提示词（prompt），该方法返回一个SyncToolSpecification：

publicclassLoggingTool{publicstaticMcpServerFeatures.SyncToolSpecificationlogPromptTool(){McpSchema.JsonSchemainputSchema=newMcpSchema.JsonSchema("object",Map.of("prompt",String.class),List.of("prompt"),false,null,null);returnnewMcpServerFeatures.SyncToolSpecification(newMcpSchema.Tool("logPrompt","Log Prompt","Logs a provided prompt",inputSchema,null,null,null),(exchange,args)->{Stringprompt=(String)args.get
http://www.cnnetsun.cn/news/106582.html

相关文章：

  • AI语音合成进入情感时代：EmotiVoice带来全新听觉体验
  • EmotiVoice支持WebAssembly吗？浏览器端运行可能性分析
  • StaMPS雷达数据处理：从零搭建专业位移监测系统
  • yt-dlp-gui终极指南：轻松掌握Windows视频下载利器
  • EmotiVoice是否支持语音情感随机扰动？增强自然感功能
  • QRemeshify终极指南：快速创建高质量四边形网格的完整教程
  • 如何免费获得高质量语音合成能力？EmotiVoice给你答案
  • Hive SQL中COALESCE 函数和NVL()函数、IFNULL函数区别
  • 四边形网格生成实战指南：掌握QuadriFlow高效工作流
  • 如何快速解决AMD GPU识别问题：终极故障排查指南
  • OpenProject企业版深度解析：从开源到商业化的全面升级
  • Next.js认证系统实战：基于Clerk的完整解决方案
  • DeepBench如何帮助你在5分钟内完成深度学习硬件性能精准评估？
  • PCB文件处理终极指南：用Python轻松解析Gerber和Excellon文件
  • 革命性API测试工具：WireMock UI让接口模拟变得前所未有的简单
  • EmotiVoice能否用于智能家居控制反馈？轻量级语音提示生成
  • Lime编辑器极速上手：从零到精通的避坑指南
  • Wan2.2模型AI视频生成实战指南：从设备配置到创意实现
  • 有声读物制作神器！EmotiVoice让朗读充满感情色彩
  • FanControl完全指南：3步学会Windows风扇智能控制
  • 管理实战案例丨华恒智信助力某大型电力设计公司人才梯队构建项目——以标准、方法与引导三维体系，破解央企人才甄选与发展难题
  • 5个Llama模型访问难题的终极解决方案指南
  • 终极Element Plus自动化部署指南：Jenkins与GitHub Actions实战全解析
  • 虚拟偶像配音难题破解：EmotiVoice提供自然情感语音方案
  • 如何用Zotero和Obsidian打造终极学术写作工作流？3个实战场景揭秘
  • 【无人船】基于模型预测控制(MPC)对USV进行自主控制研究附Matlab代码
  • 腾讯混元Video技术破局：开源130亿参数视频生成模型的创新架构与应用实践
  • GoScan终极指南：如何快速掌握交互式网络扫描利器
  • 深入理解 Java 线程池：原理、应用与最佳实践
  • Home Assistant OS 系统更新失败终极解决方案指南