概述

Spring AI MCP（Model Connector Provider）是 Spring AI 提供的一种标准化接口，用于简化应用与大语言模型（如 OpenAI、Azure OpenAI、Qianfan、百度、阿里通义等）的集成过程。它屏蔽了底层 HTTP 通信和模型差异，开发者只需通过统一的方式调用不同模型提供商的 API，实现问答、文本生成、向量搜索等能力。

本文简要介绍了 Spring AI MCP 的整体交互流程，包括用户请求的接收、请求参数的构建、模型调用的封装、响应结果的解析与返回等关键步骤，帮助开发者快速理解如何通过 Spring AI 实现与主流大模型服务的无缝对接。

Spring AI MCP与大模型的交互过程如下图

以下是Spring AI MCP与大模型的交互示例

示例使用mcp官方的filesystem工具
https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem

ChatClient.CallResponseSpec

content()

DefaultChatClient.java

content() -> doGetChatResponse()

doGetChatResponse() -> doGetObservableChatResponse()

doGetObservableChatResponse() -> doGetChatResponse()

doGetChatResponse() -> nextAroundCall()

DefaultAroundAdvisorChain.java

nextAroundCall() -> aroundCall()

DefaultChatClient.java

aroundCall() -> chatModel.call()

此处的chatModel的实现与项目使用的大模型api有关，示例中使用的是spring-ai-alibaba-starter，
因此chatModel是alibaba的DashScopeChatModel。

DashScopeChatModel.java

call() -> dashscopeApi.chatCompletionEntity(request)

dashscopeApi.chatCompletionEntity(request)是调用大模型api的地方
在prompt中可用看到请求参数中包含了提示词、模型、可使用的mcp

可用看到请求中包含了所有mcp的定义及参数

在大模型返回响应后，会判断是否需要调用tool，查看chatResponse可以看到大模型需要调用的tool名称及参数

在handleToolCalls()中调用tool，toolMessageResponse就是调用tool的响应

handleToolCalls()执行完成后会再次调用call()，将tool的返回数据一起发送给大模型

大模型收到请求后整理数据并返回，由于不再需要调用tool，所以直接返回结果