news 2026/8/21 23:45:10

上下文协议(MCP)Java SDK 指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
上下文协议(MCP)Java SDK 指南

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
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/21 10:10:24

工业级实时视觉:YOLO11在Docker容器中的RTSP流性能极限调优

在智能制造、智慧交通等工业场景中&#xff0c;RTSP视频流的实时处理能力直接影响系统响应效率。本文基于Ultralytics YOLO11的Docker部署实践&#xff0c;通过架构优化、容器配置和代码调优三个维度&#xff0c;将端到端延迟从数百毫秒降至80ms以内&#xff0c;满足工业级实时…

作者头像 李华
网站建设 2026/8/21 19:41:12

EmotiVoice语音合成系统在低资源环境下的表现

EmotiVoice语音合成系统在低资源环境下的表现 在边缘计算设备日益普及的今天&#xff0c;如何让AI语音技术走出数据中心、走进千家万户的智能终端&#xff0c;成为开发者面临的核心挑战之一。尤其是在树莓派、车载主机或低端服务器上部署具备情感表达和个性化音色的TTS系统&…

作者头像 李华
网站建设 2026/8/21 9:33:04

EmotiVoice配置调优技巧:提升合成语音自然度的5个关键点

EmotiVoice配置调优技巧&#xff1a;提升合成语音自然度的5个关键点 在数字人、智能助手和有声内容爆发式增长的今天&#xff0c;用户早已不再满足于“能说话”的语音系统——他们期待的是会呼吸、有情绪、带性格的声音。然而&#xff0c;大多数开源TTS模型输出的语音仍停留在“…

作者头像 李华
网站建设 2026/8/21 12:08:03

开源社区贡献者故事:我为何选择参与EmotiVoice开发

开源社区贡献者故事&#xff1a;我为何选择参与EmotiVoice开发 在语音助手越来越“听话”的今天&#xff0c;我们却开始怀念那些有情绪、有温度的声音。Siri 说得再标准&#xff0c;也难掩机械感&#xff1b;导航提示音再清晰&#xff0c;也无法在你疲惫时轻声安慰一句。这正是…

作者头像 李华
网站建设 2026/8/21 7:46:10

Vue Query Builder:构建智能查询界面的终极指南

Vue Query Builder&#xff1a;构建智能查询界面的终极指南 【免费下载链接】vue-query-builder A UI component for building complex queries with nested conditionals. 项目地址: https://gitcode.com/gh_mirrors/vu/vue-query-builder 在数据驱动的现代应用中&…

作者头像 李华
网站建设 2026/8/21 6:39:41

PS4存档管理神器:Apollo Save Tool终极操作手册

PS4存档管理神器&#xff1a;Apollo Save Tool终极操作手册 【免费下载链接】apollo-ps4 Apollo Save Tool (PS4) 项目地址: https://gitcode.com/gh_mirrors/ap/apollo-ps4 还在为游戏进度丢失而烦恼吗&#xff1f;还在担心存档损坏无法恢复&#xff1f;今天&#xff0…

作者头像 李华