MCP是什么？

MCP 服务 = 代理服务（Proxy） + 标准化接口 + 自动化适配

MCP 的目的，就是让 AI 应用不再“为每个工具定制对接 ”，而是像使用 USB-C 一样，“插上即用”任何外部工具。

没mcp之前不同的工具入参和出参千奇百怪，需要程序员针对不同工具接口，输入不同形式的入参，出参也要进行特殊的解析处理。有了mcp服务，AI应用就能遵循统一标准入参，统一标准回参。

更加通俗说明：MCP服务作用，它好比一个可插拔多功能的螺丝刀，想用那个刀头如十字的，一字的，六角的，梅花的，而各种不同的刀头就代表着不同的工具或服务。当需要使用某个特定的工具时，只需要将对应的“刀头”插入MCP这个“螺丝刀柄”中，就可以开始工作了，这种设计使得切换不同的工具变得非常简单和快捷，不需要为每种工具准备一个单独的螺丝刀，而且，这个多功能螺丝刀还很智能，它知道每个刀头的用途和使用方法（就像MCP了解每个服务的接口和参数一样），所以你不需要成为工具专家，也能轻松完成任务。

对应到 AI 应用调用工具：

MCP 服务会通过标准接口（/tools）告诉 AI：

“我支持这些工具：

        read_file(path: string)：读文件，需要传一个路径
send_email(to: string, subject: string, body: string)：发邮件，需要收件人、主题、内容

这个描述是用 JSON Schema 写的，AI 能“看懂”。

{"tool": "send_email","input": {"to": "zhangsan@company.com","subject": "会议纪要","body": "这是重点内容..."}
}

            AI 应用                          MCP 服务（本地/远程）│                                   ││      第一次调用：发现能力         ││──────────────────────────────────▶││     GET /mcp/v1/tools             ││                                   ││      返回：我支持哪些工具         ││◀──────────────────────────────────││     [                             ││       {                           ││         "name": "read_file",      ││         "inputSchema": { ... }    ││       },                          ││       {                           ││         "name": "send_email",     ││         "inputSchema": { ... }    ││       }                           ││     ]                             ││                                   ││      第二次调用：执行操作         ││──────────────────────────────────▶││     POST /mcp/v1/invoke           ││     {                             ││       "tool": "send_email",       ││       "input": {                  ││         "to": "zhangsan@...",     ││         "subject": "..."          ││       }                           ││     }                             ││                                   ││      返回执行结果                 ││◀──────────────────────────────────││     { "result": "success" }       │

SpringAI:

@Tool：“这个方法是一个可被 AI应用 调用的工具’”
@ToolInput: 可以描述参数用途

// 2. 在 @Tool 方法中使用对象
@Component
public class WeatherTools {@Tool(description = "根据城市查询天气")public String getWeatherHistory(WeatherRequest request) {return weatherService.fetchHistory(request.getCity(), request.getDate(), request.isIncludeTempDetail());}
}

// 1. 定义请求对象
public class WeatherRequest {@ToolInput(description = "城市名称，例如：北京、上海")private String city;@ToolInput(description = "查询日期，格式：yyyy-MM-dd")private String date;@ToolInput(description = "是否包含气温详情，true 或 false")private boolean includeTempDetail;// 必须提供 getter 方法，Spring AI 需要通过它读取字段public String getCity() { return city; }public String getDate() { return date; }public boolean isIncludeTempDetail() { return includeTempDetail; }// 可选：提供 setter 或构造函数public void setCity(String city) { this.city = city; }public void setDate(String date) { this.date = date; }public void setIncludeTempDetail(boolean includeTempDetail) { this.includeTempDetail = includeTempDetail; }
}

Spring AI工作流程：

第一步：Spring启动时，扫描所有被 @Component、@Service 等注解标记的 Bean，查找带有 @Tool 的方法

第二步：提取元数据，生成 MCP 工具描述（Tool Schema）

{"name": "getWeather","description": "根据城市查询天气","inputSchema": {"type": "object","properties": {"city": {"type": "string","description": "城市名称"}},"required": ["city"]}
}

第三步：暴露标准 MCP 接口

pring AI 会自动为你启动一个 MCP Server，并提供两个标准 HTTP 接口：

1. GET /mcp/v1/tools —— 返回所有 @Tool 方法的描述

[{"name": "getWeather","description": "根据城市查询天气","inputSchema": { ... }}
]

2. POST /mcp/v1/invoke —— 接收 AI 的调用请求

当 AI 应用想调用 getWeather 时，会发：

{"tool": "getWeather","input": {"city": "北京"}
}

第四步：MCP Server 调用对应的方法 getWeather

把返回结果包装成标准格式返回给 AI

{ "result": "北京：晴，28°C" }