当前位置：首页 > news >正文

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

news 来源：原创 2025/8/10 17:39:21

文章目录

项目简介
Gitee
MCP 简介
环境要求
项目代码
核心实现代码
- MCP 服务端（批量注册 Tool）
- MCP 客户端（调用 DeepSeek）
DeepSeek API
Docker
- sse 连接
- http 连接
Cherry Studio
- 配置模型
- 配置 MCP
- 调用 MCP

项目简介

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

此外，项目还支持通过 Cherry Studio 使用 SSE（Server-Sent Events）与 MCP 服务端保持实时连接，进一步提升了消息推送与控制响应的实时性。本文将详解 Spring Boot 在 MCP 架构中的实践方案、Docker 部署过程、SSE 实现方式及与主业务的整合流程，助你快速构建一套灵活、高可维护的智能控制系统。

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。
在这里插入图片描述

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

在这里插入图片描述

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。

在这里插入图片描述

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

在这里插入图片描述

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

http 连接

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

在这里插入图片描述

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

在这里插入图片描述

Cherry Studio

下载地址：https://cherry-ai.com/

配置模型

在这里插入图片描述

配置 MCP

在这里插入图片描述

调用 MCP

在这里插入图片描述

文章目录

项目简介

Gitee

MCP 简介

环境要求

项目代码

核心实现代码

MCP 服务端（批量注册 Tool）

MCP 客户端（调用 DeepSeek）

DeepSeek API

Docker

sse 连接

http 连接

Cherry Studio

配置模型

配置 MCP

调用 MCP

相关文章：