将 DeepSeek 集成到 Spring Boot 项目实现通过 AI 对话方式操作后台数据

项目简介

在本项目中，我们基于 Spring Boot 构建并通过 Docker 部署了 MCP 服务端与 MCP 客户端，通过 HTTP 协议 实现与现有系统的远程控制与集成。整个系统作为独立模块运行，服务端直接连接数据库，核心业务逻辑抽象于 tool 层中，具备良好的扩展性与解耦性。

为提升系统的实时交互能力，项目支持通过 Cherry Studio 使用 SSE（Server-Sent Events） 与 MCP 服务端保持长连接，实现消息的实时推送与指令响应。

此外，还新增了对 WebSocket 通信 的支持。相比于 HTTP 和 SSE，WebSocket 是一种 全双工、低延迟、连接持久 的通信协议，特别适用于高频次、强交互的控制场景。通过 WebSocket，客户端不仅可以实时获取状态更新，还可主动发送控制指令并立即获取响应，进一步增强了系统的交互性和用户体验。

Gitee

• https://gitee.com/wufengsheng/spring-mcp-server

MCP 简介

MCP 是一种开放协议，用于标准化应用程序如何向 LLM 提供上下文。可以将 MCP 视为 AI 应用程序的 USB-C 端口。就像 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。

• MCP 主机 (MCP Hosts)：例如 Claude Desktop、IDE 或希望通过 MCP 访问数据的 AI 工具等程序
• MCP 客户端 (MCP Clients)：与服务器保持 1:1 连接的协议客户端
• MCP 服务器 (MCP Servers)：轻量级程序，每个程序通过标准化的模型上下文协议 (MCP) 公开特定的功能
• 本地数据源 (Local Data Sources)：您的计算机的文件、数据库和 MCP 服务器可以安全访问的服务
• 远程服务 (Remote Services)：可通过互联网访问的外部系统（例如，通过 API），MCP 服务器可以连接到这些系统

环境要求

• Java 环境 >= JDK17
• Spring Boot >= 3.x

项目代码

git clone https://gitee.com/wufengsheng/spring-mcp-server.git

注： Java 开发环境必须 >= JDK17，否则项目编译不过。

核心实现代码

• MCP 依赖 jar 包

<dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M7</version><type>pom</type><scope>import</scope></dependency></dependencies>
</dependencyManagement><dependencies><!-- mcp 服务端引入 --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server-webflux</artifactId></dependency><!-- mcp 客户端引入 --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-client</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId></dependency>...
</dependencies>

MCP 服务端（批量注册 Tool）

• ToolCallbackProviderConfig.java

import lombok.AllArgsConstructor;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.context.ApplicationContext;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;import java.util.Map;@Configuration
@AllArgsConstructor
public class ToolCallbackProviderConfig {private final ApplicationContext applicationContext;@Beanpublic ToolCallbackProvider methodToolCallbackProvider() {Map<String, McpTool> mcpBeanMap = applicationContext.getBeansOfType(McpTool.class);return MethodToolCallbackProvider.builder().toolObjects(mcpBeanMap.values().toArray()).build();}}

• McpDemoService.java

import com.alibaba.fastjson2.JSON;
import com.baomidou.mybatisplus.core.toolkit.Wrappers;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.server.core.McpTool;
import com.server.module.demo.domain.Demo;
import com.server.module.demo.service.IDemoService;
import lombok.AllArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;import java.util.List;@Slf4j
@Service
@AllArgsConstructor
public class McpDemoService implements McpTool {private final IDemoService demoService;@Tool(description = "根据年龄查询 Demo 列表")@Transactional(rollbackFor = {RuntimeException.class, Exception.class})public String queryDemoInfoByAge(@ToolParam(description = "年龄") Integer age) {Page<Demo> page = new Page<>(1, 10);List<Demo> demoList = demoService.list(page, Wrappers.<Demo>lambdaQuery().eq(Demo::getAge, age).orderByAsc(Demo::getName));return JSON.toJSONString(demoList);}}

MCP 客户端（调用 DeepSeek）

• ChatService.java

import com.alibaba.fastjson2.JSON;
import io.modelcontextprotocol.client.McpSyncClient;
import lombok.Getter;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.ai.tool.ToolCallback;
import org.springframework.stereotype.Service;import java.util.List;@Slf4j
@Service
public class ChatService {private final ChatClient chatClient;@Getterprivate final ToolCallback[] toolCallbacks;public ChatService(OpenAiChatModel openAiChatModel, List<McpSyncClient> mcpSyncClientList) {log.info("mcpSyncClientList={}", JSON.toJSONString(mcpSyncClientList));log.info("===============================================\n");for (McpSyncClient mcpSyncClient : mcpSyncClientList) {log.info("clientInfo={}", mcpSyncClient.getClientInfo());log.info("serverInfo={}", mcpSyncClient.getServerInfo());}log.info("===============================================\n");var mcpToolCallbackProvider = new SyncMcpToolCallbackProvider(mcpSyncClientList);toolCallbacks = mcpToolCallbackProvider.getToolCallbacks();log.info("toolCallbacks={}", JSON.toJSONString(toolCallbacks));log.info("===============================================\n");for (ToolCallback toolCallback : toolCallbacks) {log.info("toolCallback={}", JSON.toJSON(toolCallback.getToolDefinition()));}log.info("===============================================\n");this.chatClient = ChatClient.builder(openAiChatModel).defaultTools(mcpToolCallbackProvider).build();}public String askQuestion(String prompt) {return chatClient.prompt(prompt).call().content();}}

• application.yml

spring:ai:openai:api-key: sk-xxxxxbase-url: https://api.deepseek.comchat:options:model: deepseek-chatmcp:client:type: syncname: spring-mcp-clientsse:connections:server1:url: http://localhost:9800

DeepSeek API

• 申请 API_KEY：https://platform.deepseek.com/usage

Docker

• 打包 jar 包并复制到 docker/app/ 对应目录中
• start.sh 脚本按顺序先启动 mcp-server 再启动 mcp-client

• 配置 API_KEY 与 DeepSeek 模型

cd docker/app/mcp-client
vim application-prod.yml

spring:ai:openai:api-key: sk-xxxxxbase-url: https://api.deepseek.comchat:options:model: deepseek-chat

cd docker
docker-compose up -d mcp-server
docker logs -f mcp-server

sse 连接

http://127.0.0.1:9800/sse

ws 连接（推荐）

ws://127.0.0.1:9802/mcp/ws

• js 测试脚本

cd node-ws-client
npm install
node client.js

http 连接

http://127.0.0.1:9801/mcp/mcpClient/listTools

http://127.0.0.1:9801/mcp/mcpClient/chat?prompt=查询章若楠用户信息

Cherry Studio

• 下载地址：https://cherry-ai.com/

配置模型

配置 MCP

调用 MCP