服务器开发者指南 - Model Context Protocol

在本教程中，我们将构建一个简单的 MCP 天气服务器并将其连接到宿主应用 Claude for Desktop。我们将从基本设置开始，然后逐步进行到更复杂的用例

我们将构建什么

许多大语言模型（包括 Claude）目前还没有获取天气预报和严重天气警报的能力。让我们使用 MCP 来解决这个问题

我们将构建一个服务器，提供两个工具：get-alerts 和 get-forecast。然后我们将服务器连接到 MCP 宿主应用（在本例中是 Claude for Desktop）：

服务器可以连接到任何客户端。我们在这里选择 Claude for Desktop 是为了简单起见，但我们也有构建自己的客户端的指南以及其他客户端列表

MCP 核心概念

MCP 服务器可以提供三种主要类型的功能：

资源：客户端可以读取的类文件数据（如 API 响应或文件内容）
工具：可以由大语言模型调用的函数（需要用户批准）
提示：帮助用户完成特定任务的预先编写的模板

本教程将主要关注工具

让我们开始构建我们的天气服务器吧！你可以在这里找到我们将要构建的完整代码

前置知识

本快速入门指南假设您熟悉：

Python
像 Claude 这样的大语言模型

系统要求

安装了 Python 3.10 或更高版本
您必须使用 Python MCP SDK 1.2.0 或更高版本

设置您的环境

首先，让我们安装 uv 并设置我们的 Python 项目和环境：

curl -LsSf https://astral.sh/uv/install.sh | sh

之后请确保重启您的终端，以确保 uv 命令被正确识别

现在，让我们创建并设置我们的项目：

# 为我们的项目创建一个新目录
uv init weather
cd weather

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate

# 安装依赖
uv add "mcp[cli]" httpx

# 创建我们的服务器文件
touch weather.py

现在让我们开始构建您的服务器

构建您的服务器

导入包并设置实例

将这些添加到您的 weather.py 顶部：

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# 初始化 FastMCP 服务器
mcp = FastMCP("weather")

# 常量
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

FastMCP 类使用 Python 类型提示和文档字符串自动生成工具定义，使创建和维护 MCP 工具变得容易

辅助函数

接下来，让我们添加我们的辅助函数，用于查询和格式化来自国家气象服务 API 的数据：

async def make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发出请求并进行适当的错误处理"""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """将警报特征格式化为可读字符串"""
    props = feature["properties"]
    return f"""
事件: {props.get('event', '未知')}
区域: {props.get('areaDesc', '未知')}
严重程度: {props.get('severity', '未知')}
描述: {props.get('description', '没有可用的描述')}
指示: {props.get('instruction', '没有提供具体指示')}
"""

实现工具执行

工具执行处理程序负责实际执行每个工具的逻辑。让我们添加它：

@mcp.tool()
async def get_alerts(state: str) -> str:
    """获取美国州的天气警报

    Args:
        state: 美国州的两个字母代码（例如 CA, NY）
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "无法获取警报或未找到警报"

    if not data["features"]:
        return "该州没有活跃的警报"

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """获取某位置的天气预报

    Args:
        latitude: 位置的纬度
        longitude: 位置的经度
    """
    # 首先获取预报网格端点
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "无法为该位置获取预报数据"

    # 从点响应中获取预报 URL
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "无法获取详细预报"

    # 将周期格式化为可读的预报
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # 只显示接下来的 5 个时段
        forecast = f"""
{period['name']}:
温度: {period['temperature']}°{period['temperatureUnit']}
风: {period['windSpeed']} {period['windDirection']}
预报: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

运行服务器

最后，让我们初始化并运行服务器：

if __name__ == "__main__":
    # 初始化并运行服务器
    mcp.run(transport='stdio')

您的服务器已经完成！运行 uv run weather.py 来确认一切都正常工作

现在让我们使用现有的 MCP 宿主应用 Claude for Desktop 来测试您的服务器

使用 Claude for Desktop 测试您的服务器

Claude for Desktop 尚未在 Linux 上可用。Linux 用户可以继续学习构建客户端教程，以构建连接到我们刚刚构建的服务器的 MCP 客户端

首先，确保您已经安装了 Claude for Desktop。您可以在这里安装最新版本。如果您已经安装了 Claude for Desktop，请确保它已更新到最新版本

我们需要为您想要使用的任何 MCP 服务器配置 Claude for Desktop。为此，请在文本编辑器中打开您的 Claude for Desktop 应用程序配置文件，路径为 ~/Library/Application Support/Claude/claude_desktop_config.json。如果该文件不存在，请确保创建它

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

然后，您将在 mcpServers 键中添加您的服务器。MCP 用户界面元素只有在至少正确配置了一个服务器的情况下才会在 Claude for Desktop 中显示

在这种情况下，我们将添加我们的单个天气服务器，如下所示：

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/绝对/路径/到/父/文件夹/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/绝对/路径/到/父/文件夹/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "C:\\绝对\\路径\\到\\父\\文件夹\\weather",
                "run",
                "weather.py"
            ]
        }
    }
}

您可能需要在 command 字段中放入 uv 可执行文件的完整路径。您可以通过在 MacOS/Linux 上运行 which uv 或在 Windows 上运行 where uv 来获取这个路径

确保您使用服务器的绝对路径

这告诉 Claude for Desktop：

有一个名为 “weather” 的 MCP 服务器
通过运行 uv --directory /绝对/路径/到/父/文件夹/weather run weather 来启动它

保存文件，并重启 Claude for Desktop

让我们开始构建我们的天气服务器吧！你可以在这里找到我们将要构建的完整代码

前置知识

本快速入门指南假设您熟悉：

Python
像 Claude 这样的大语言模型

系统要求

安装了 Python 3.10 或更高版本
您必须使用 Python MCP SDK 1.2.0 或更高版本

设置您的环境

首先，让我们安装 uv 并设置我们的 Python 项目和环境：

curl -LsSf https://astral.sh/uv/install.sh | sh

之后请确保重启您的终端，以确保 uv 命令被正确识别

现在，让我们创建并设置我们的项目：

# 为我们的项目创建一个新目录
uv init weather
cd weather

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate

# 安装依赖
uv add "mcp[cli]" httpx

# 创建我们的服务器文件
touch weather.py

现在让我们开始构建您的服务器

构建您的服务器

导入包并设置实例

将这些添加到您的 weather.py 顶部：

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# 初始化 FastMCP 服务器
mcp = FastMCP("weather")

# 常量
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

FastMCP 类使用 Python 类型提示和文档字符串自动生成工具定义，使创建和维护 MCP 工具变得容易

辅助函数

接下来，让我们添加我们的辅助函数，用于查询和格式化来自国家气象服务 API 的数据：

async def make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发出请求并进行适当的错误处理"""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """将警报特征格式化为可读字符串"""
    props = feature["properties"]
    return f"""
事件: {props.get('event', '未知')}
区域: {props.get('areaDesc', '未知')}
严重程度: {props.get('severity', '未知')}
描述: {props.get('description', '没有可用的描述')}
指示: {props.get('instruction', '没有提供具体指示')}
"""

实现工具执行

工具执行处理程序负责实际执行每个工具的逻辑。让我们添加它：

@mcp.tool()
async def get_alerts(state: str) -> str:
    """获取美国州的天气警报

    Args:
        state: 美国州的两个字母代码（例如 CA, NY）
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "无法获取警报或未找到警报"

    if not data["features"]:
        return "该州没有活跃的警报"

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """获取某位置的天气预报

    Args:
        latitude: 位置的纬度
        longitude: 位置的经度
    """
    # 首先获取预报网格端点
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "无法为该位置获取预报数据"

    # 从点响应中获取预报 URL
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "无法获取详细预报"

    # 将周期格式化为可读的预报
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # 只显示接下来的 5 个时段
        forecast = f"""
{period['name']}:
温度: {period['temperature']}°{period['temperatureUnit']}
风: {period['windSpeed']} {period['windDirection']}
预报: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

运行服务器

最后，让我们初始化并运行服务器：

if __name__ == "__main__":
    # 初始化并运行服务器
    mcp.run(transport='stdio')

您的服务器已经完成！运行 uv run weather.py 来确认一切都正常工作

现在让我们使用现有的 MCP 宿主应用 Claude for Desktop 来测试您的服务器

使用 Claude for Desktop 测试您的服务器

Claude for Desktop 尚未在 Linux 上可用。Linux 用户可以继续学习构建客户端教程，以构建连接到我们刚刚构建的服务器的 MCP 客户端

首先，确保您已经安装了 Claude for Desktop。您可以在这里安装最新版本。如果您已经安装了 Claude for Desktop，请确保它已更新到最新版本

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

然后，您将在 mcpServers 键中添加您的服务器。MCP 用户界面元素只有在至少正确配置了一个服务器的情况下才会在 Claude for Desktop 中显示

在这种情况下，我们将添加我们的单个天气服务器，如下所示：

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/绝对/路径/到/父/文件夹/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/绝对/路径/到/父/文件夹/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "C:\\绝对\\路径\\到\\父\\文件夹\\weather",
                "run",
                "weather.py"
            ]
        }
    }
}

您可能需要在 command 字段中放入 uv 可执行文件的完整路径。您可以通过在 MacOS/Linux 上运行 which uv 或在 Windows 上运行 where uv 来获取这个路径

确保您使用服务器的绝对路径

这告诉 Claude for Desktop：

有一个名为 “weather” 的 MCP 服务器
通过运行 uv --directory /绝对/路径/到/父/文件夹/weather run weather 来启动它

保存文件，并重启 Claude for Desktop

让我们开始构建我们的天气服务器！你可以在这里找到我们将要构建的完整代码

前置知识

本快速入门指南假设您熟悉：

TypeScript
像 Claude 这样的大语言模型

系统要求

对于 TypeScript，请确保您已安装最新版本的 Node

设置您的环境

首先，如果您尚未安装 Node.js 和 npm，请安装它们。您可以从 nodejs.org 下载它们验证您的 Node.js 安装：

node --version
npm --version

对于本教程，您需要 Node.js 版本 16 或更高版本

现在，让我们创建并设置我们的项目：

# 为我们的项目创建一个新目录
mkdir weather
cd weather

# 初始化一个新的 npm 项目
npm init -y

# 安装依赖
npm install @modelcontextprotocol/sdk zod
npm install -D @types/node typescript

# 创建我们的文件
mkdir src
touch src/index.ts

更新您的 package.json 以添加 type: “module” 和一个构建脚本：

package.json
{
  "type": "module",
  "bin": {
    "weather": "./build/index.js"
  },
  "scripts": {
    "build": "tsc && node -e \"require('fs').chmodSync('build/index.js', '755')\"",
  },
  "files": [
    "build"
  ],
}

在项目根目录下创建一个 tsconfig.json：

tsconfig.json
{
  "compilerOptions": {
    "target": "ES2022",
    "module": "Node16",
    "moduleResolution": "Node16",
    "outDir": "./build",
    "rootDir": "./src",
    "strict": true,
    "esModuleInterop": true,
    "skipLibCheck": true,
    "forceConsistentCasingInFileNames": true
  },
  "include": ["src/**/*"],
  "exclude": ["node_modules"]
}

现在让我们开始构建您的服务器

构建您的服务器

导入包并设置实例

将这些添加到您的 src/index.ts 顶部：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const NWS_API_BASE = "https://api.weather.gov";
const USER_AGENT = "weather-app/1.0";

// 创建服务器实例
const server = new McpServer({
  name: "weather",
  version: "1.0.0",
});

辅助函数

接下来，让我们添加我们的辅助函数，用于查询和格式化来自国家气象服务 API 的数据：

// 用于进行 NWS API 请求的辅助函数
async function makeNWSRequest<T>(url: string): Promise<T | null> {
  const headers = {
    "User-Agent": USER_AGENT,
    Accept: "application/geo+json",
  };

  try {
    const response = await fetch(url, { headers });
    if (!response.ok) {
      throw new Error(`HTTP error! status: ${response.status}`);
    }
    return (await response.json()) as T;
  } catch (error) {
    console.error("Error making NWS request:", error);
    return null;
  }
}

interface AlertFeature {
  properties: {
    event?: string;
    areaDesc?: string;
    severity?: string;
    status?: string;
    headline?: string;
  };
}

// 格式化警报数据
function formatAlert(feature: AlertFeature): string {
  const props = feature.properties;
  return [
    `事件: ${props.event || "未知"}`,
    `区域: ${props.areaDesc || "未知"}`,
    `严重程度: ${props.severity || "未知"}`,
    `状态: ${props.status || "未知"}`,
    `标题: ${props.headline || "无标题"}`,
    "---",
  ].join("\n");
}

interface ForecastPeriod {
  name?: string;
  temperature?: number;
  temperatureUnit?: string;
  windSpeed?: string;
  windDirection?: string;
  shortForecast?: string;
}

interface AlertsResponse {
  features: AlertFeature[];
}

interface PointsResponse {
  properties: {
    forecast?: string;
  };
}

interface ForecastResponse {
  properties: {
    periods: ForecastPeriod[];
  };
}

实现工具执行

工具执行处理程序负责实际执行每个工具的逻辑。让我们添加它：

// 注册天气工具
server.tool(
  "get-alerts",
  "获取州的天气警报",
  {
    state: z.string().length(2).describe("两个字母的州代码（例如 CA, NY）"),
  },
  async ({ state }) => {
    const stateCode = state.toUpperCase();
    const alertsUrl = `${NWS_API_BASE}/alerts?area=${stateCode}`;
    const alertsData = await makeNWSRequest<AlertsResponse>(alertsUrl);

    if (!alertsData) {
      return {
        content: [
          {
            type: "text",
            text: "无法获取警报数据",
          },
        ],
      };
    }

    const features = alertsData.features || [];
    if (features.length === 0) {
      return {
        content: [
          {
            type: "text",
            text: `${stateCode} 没有活跃的警报`,
          },
        ],
      };
    }

    const formattedAlerts = features.map(formatAlert);
    const alertsText = `${stateCode} 的活跃警报：\n\n${formattedAlerts.join("\n")}`;

    return {
      content: [
        {
          type: "text",
          text: alertsText,
        },
      ],
    };
  },
);

server.tool(
  "get-forecast",
  "获取某位置的天气预报",
  {
    latitude: z.number().min(-90).max(90).describe("位置的纬度"),
    longitude: z.number().min(-180).max(180).describe("位置的经度"),
  },
  async ({ latitude, longitude }) => {
    // 获取网格点数据
    const pointsUrl = `${NWS_API_BASE}/points/${latitude.toFixed(4)},${longitude.toFixed(4)}`;
    const pointsData = await makeNWSRequest<PointsResponse>(pointsUrl);

    if (!pointsData) {
      return {
        content: [
          {
            type: "text",
            text: `无法获取坐标的网格点数据：${latitude}, ${longitude}。该位置可能不受 NWS API 支持（仅支持美国位置）`,
          },
        ],
      };
    }

    const forecastUrl = pointsData.properties?.forecast;
    if (!forecastUrl) {
      return {
        content: [
          {
            type: "text",
            text: "无法从网格点数据获取预报 URL",
          },
        ],
      };
    }

    // 获取预报数据
    const forecastData = await makeNWSRequest<ForecastResponse>(forecastUrl);
    if (!forecastData) {
      return {
        content: [
          {
            type: "text",
            text: "无法获取预报数据",
          },
        ],
      };
    }

    const periods = forecastData.properties?.periods || [];
    if (periods.length === 0) {
      return {
        content: [
          {
            type: "text",
            text: "没有可用的预报时段",
          },
        ],
      };
    }

    // 格式化预报时段
    const formattedForecast = periods.map((period: ForecastPeriod) =>
      [
        `${period.name || "未知"}:`,
        `温度: ${period.temperature || "未知"}°${period.temperatureUnit || "F"}`,
        `风: ${period.windSpeed || "未知"} ${period.windDirection || ""}`,
        `${period.shortForecast || "无可用预报"}`,
        "---",
      ].join("\n"),
    );

    const forecastText = `${latitude}, ${longitude} 的预报：\n\n${formattedForecast.join("\n")}`;

    return {
      content: [
        {
          type: "text",
          text: forecastText,
        },
      ],
    };
  },
);

运行服务器

最后，实现主函数来运行服务器：

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Weather MCP Server running on stdio");
}

main().catch((error) => {
  console.error("Fatal error in main():", error);
  process.exit(1);
});

确保运行 npm run build 来构建您的服务器！这是让您的服务器连接的一个非常重要的步骤

现在让我们使用现有的 MCP 宿主应用 Claude for Desktop 来测试您的服务器

使用 Claude for Desktop 测试您的服务器

Claude for Desktop 尚未在 Linux 上可用。Linux 用户可以继续学习构建客户端教程，以构建连接到我们刚刚构建的服务器的 MCP 客户端

首先，确保您已经安装了 Claude for Desktop。您可以在这里安装最新版本。如果您已经安装了 Claude for Desktop，请确保它已更新到最新版本

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

然后，您将在 mcpServers 键中添加您的服务器。MCP 用户界面元素只有在至少正确配置了一个服务器的情况下才会在 Claude for Desktop 中显示

在这种情况下，我们将添加我们的单个天气服务器，如下所示：

{
    "mcpServers": {
        "weather": {
            "command": "node",
            "args": [
                "/绝对/路径/到/父/文件夹/weather/build/index.js"
            ]
        }
    }
}

{
    "mcpServers": {
        "weather": {
            "command": "node",
            "args": [
                "/绝对/路径/到/父/文件夹/weather/build/index.js"
            ]
        }
    }
}

{
    "mcpServers": {
        "weather": {
            "command": "node",
            "args": [
                "C:\\路径\\到\\父\\文件夹\\weather\\build\\index.js"
            ]
        }
    }
}

这告诉 Claude for Desktop：

有一个名为 “weather” 的 MCP 服务器
通过运行 node /绝对/路径/到/父/文件夹/weather/build/index.js 来启动它

保存文件，并重启 Claude for Desktop

这是基于 Spring AI MCP 自动配置和引导启动器的快速入门演示要了解如何手动创建同步和异步 MCP 服务器，请参阅 Java SDK 服务器文档

让我们开始构建我们的天气服务器！你可以在这里找到我们将要构建的完整代码

有关更多信息，请参阅 MCP 服务器引导启动器参考文档有关手动 MCP 服务器实现，请参阅 MCP 服务器 Java SDK 文档

系统要求

安装了 Java 17 或更高版本
Spring Boot 3.3.x 或更高版本

设置您的环境

使用 Spring Initizer 引导项目

您需要添加以下依赖项：

<dependencies>
      <dependency>
          <groupId>org.springframework.ai</groupId>
          <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId>
      </dependency>

      <dependency>
          <groupId>org.springframework</groupId>
          <artifactId>spring-web</artifactId>
      </dependency>
</dependencies>

<dependencies>
      <dependency>
          <groupId>org.springframework.ai</groupId>
          <artifactId>spring-ai-mcp-server-spring-boot-starter</artifactId>
      </dependency>

      <dependency>
          <groupId>org.springframework</groupId>
          <artifactId>spring-web</artifactId>
      </dependency>
</dependencies>

dependencies {
  implementation platform("org.springframework.ai:spring-ai-mcp-server-spring-boot-starter")
  implementation platform("org.springframework:spring-web")   
}

然后通过设置应用程序属性来配置您的应用程序：

spring.main.bannerMode=off
logging.pattern.console=

服务器配置属性记录了所有可用的属性

现在让我们开始构建您的服务器

构建您的服务器

天气服务

让我们实现一个 WeatheService.java，它使用 REST 客户端查询国家气象服务 API 的数据：

@Service
public class WeatherService {

	private final RestClient restClient;

	public WeatherService() {
		this.restClient = RestClient.builder()
			.baseUrl("https://api.weather.gov")
			.defaultHeader("Accept", "application/geo+json")
			.defaultHeader("User-Agent", "WeatherApiClient/1.0 ([email protected])")
			.build();
	}

  @Tool(description = "获取特定纬度/经度的天气预报")
  public String getWeatherForecastByLocation(
      double latitude,   // 纬度坐标
      double longitude   // 经度坐标
  ) {
      // 返回详细的预报，包括：
      // - 温度和单位
      // - 风速和方向
      // - 详细的预报描述
  }
	
  @Tool(description = "获取美国州的天气警报")
  public String getAlerts(
      @ToolParam(description = "两个字母的美国州代码（例如 CA, NY") String state)
  ) {
      // 返回活跃的警报，包括：
      // - 事件类型
      // - 受影响的区域
      // - 严重程度
      // - 描述
      // - 安全指示
  }

  // ......
}

@Service 注解将在您的应用程序上下文中自动注册服务 Spring AI @Tool 注解使创建和维护 MCP 工具变得容易

自动配置将自动向 MCP 服务器注册这些工具

创建您的引导应用程序

@SpringBootApplication
public class McpServerApplication {

	public static void main(String[] args) {
		SpringApplication.run(McpServerApplication.class, args);
	}

	@Bean
	public ToolCallbackProvider weatherTools(WeatherService weatherService) {
		return  MethodToolCallbackProvider.builder().toolObjects(weatherService).build();
	}
}

使用 MethodToolCallbackProvider 工具将 @Tools 转换为 MCP 服务器使用的可操作回调

运行服务器

最后，让我们构建服务器：

./mvnw clean install

这将在 target 文件夹中生成一个 mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar 文件

现在让我们使用现有的 MCP 宿主应用 Claude for Desktop 来测试您的服务器

使用 Claude for Desktop 测试您的服务器

Claude for Desktop 尚未在 Linux 上可用

首先，确保您已经安装了 Claude for Desktop 您可以在这里安装最新版本。如果您已经安装了 Claude for Desktop，请确保它已更新到最新版本

我们需要为您想要使用的任何 MCP 服务器配置 Claude for Desktop 为此，请在文本编辑器中打开您的 Claude for Desktop 应用程序配置文件，路径为 ~/Library/Application Support/Claude/claude_desktop_config.json 如果该文件不存在，请确保创建它

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

然后，您将在 mcpServers 键中添加您的服务器 MCP 用户界面元素只有在至少正确配置了一个服务器的情况下才会在 Claude for Desktop 中显示

在这种情况下，我们将添加我们的单个天气服务器，如下所示：

java
{
  "mcpServers": {
    "spring-ai-mcp-weather": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",
        "-jar",
        "/绝对/路径/到/父/文件夹/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar"
      ]
    }
  }
}

java
{
  "mcpServers": {
    "spring-ai-mcp-weather": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",
        "-jar",
        "/绝对/路径/到/父/文件夹/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar"
      ]
    }
  }
}

java
{
  "mcpServers": {
    "spring-ai-mcp-weather": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.transport=STDIO",
        "-jar",
        "C:\\绝对\\路径\\到\\父\\文件夹\\weather\\mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar"
      ]
    }
  }
}

确保您使用服务器的绝对路径

这告诉 Claude for Desktop：

有一个名为 “my-weather-server” 的 MCP 服务器
通过运行 java -jar /绝对/路径/到/父/文件夹/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar 来启动它

保存文件，并重启 Claude for Desktop

使用 Java 客户端测试您的服务器

手动创建 MCP 客户端

使用 McpClient 连接到服务器：

var stdioParams = ServerParameters.builder("java")
  .args("-jar", "/绝对/路径/到/父/文件夹/mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar")
  .build();

var stdioTransport = new StdioClientTransport(stdioParams);

var mcpClient = McpClient.sync(stdioTransport).build();

mcpClient.initialize();

ListToolsResult toolsList = mcpClient.listTools();

CallToolResult weather = mcpClient.callTool(
  new CallToolRequest("getWeatherForecastByLocation",
      Map.of("latitude", "47.6062", "longitude", "-122.3321")));

CallToolResult alert = mcpClient.callTool(
  new CallToolRequest("getAlerts", Map.of("state", "NY")));

mcpClient.closeGracefully();

使用 MCP 客户端引导启动器

创建一个使用 spring-ai-mcp-client-spring-boot-starter 依赖的新引导启动器应用程序：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
</dependency>

并设置 spring.ai.mcp.client.stdio.servers-configuration 属性指向您的 claude_desktop_config.json 您可以重用现有的 Anthropic Desktop 配置：

spring.ai.mcp.client.stdio.servers-configuration=file:PATH/TO/claude_desktop_config.json

当您启动客户端应用程序时，自动配置将自动从 claude_desktop_config.json 创建 MCP 客户端

有关更多信息，请参阅 MCP 客户端引导启动器参考文档

底层发生了什么

当您提出问题时：

客户端将您的问题发送给 Claude
Claude 分析可用的工具并决定使用哪一个
客户端通过 MCP 服务器执行所选的工具
结果被发送回 Claude
Claude 制定自然语言响应
响应显示给您！

故障排除

从 Claude for Desktop 获取日志

与 MCP 相关的 Claude.app 日志写入 ~/Library/Logs/Claude 中的日志文件：

mcp.log 将包含有关 MCP 连接和连接失败的一般日志记录
名为 mcp-server-SERVERNAME.log 的文件将包含来自指定服务器的错误（stderr）日志记录

您可以运行以下命令列出最近的日志并跟踪任何新日志：

# 检查 Claude 的日志是否有错误
tail -n 20 -f ~/Library/Logs/Claude/mcp*.log

服务器未在 Claude 中显示

检查您的 claude_desktop_config.json 文件语法
确保您的项目路径是绝对路径而不是相对路径
完全重启 Claude for Desktop

工具调用无声失败

如果 Claude 尝试使用工具但它们失败：

检查 Claude 的日志是否有错误
验证您的服务器构建和运行没有错误
尝试重启 Claude for Desktop

这些都不起作用。我该怎么办？

请参阅我们的调试指南，获取更好的调试工具和更详细的指导

有关更高级的故障排除，请查看我们的调试 MCP 指南

后续步骤

构建客户端

了解如何构建可以连接到您的服务器的 MCP 客户端

示例服务器

查看我们的官方 MCP 服务器和实现库

调试指南

了解如何有效地调试 MCP 服务器和集成

使用大语言模型构建 MCP

了解如何使用像 Claude 这样的大语言模型来加速您的 MCP 开发

入门指南

核心概念

SDK 文档

开发

​我们将构建什么

​MCP 核心概念

​前置知识

​系统要求

​设置您的环境

​构建您的服务器

​导入包并设置实例

​辅助函数

​实现工具执行

​运行服务器

​使用 Claude for Desktop 测试您的服务器

​前置知识

​系统要求

​设置您的环境

​构建您的服务器

​导入包并设置实例

​辅助函数

​实现工具执行

​运行服务器

​使用 Claude for Desktop 测试您的服务器

​前置知识

​系统要求

​设置您的环境

​构建您的服务器

​导入包并设置实例

​辅助函数

​实现工具执行

​运行服务器

​使用 Claude for Desktop 测试您的服务器

​系统要求

​设置您的环境

​构建您的服务器

​天气服务

​创建您的引导应用程序

​运行服务器

​使用 Claude for Desktop 测试您的服务器

​使用 Java 客户端测试您的服务器

​手动创建 MCP 客户端

​使用 MCP 客户端引导启动器

​更多 Java MCP 服务器示例

​使用命令测试

​底层发生了什么

​故障排除

​后续步骤

构建客户端

示例服务器

调试指南

使用大语言模型构建 MCP

我们将构建什么

MCP 核心概念

前置知识

系统要求

设置您的环境

构建您的服务器

导入包并设置实例

辅助函数

实现工具执行

运行服务器

使用 Claude for Desktop 测试您的服务器

前置知识

系统要求

设置您的环境

构建您的服务器

导入包并设置实例

辅助函数

实现工具执行

运行服务器

使用 Claude for Desktop 测试您的服务器

前置知识

系统要求

设置您的环境

构建您的服务器

导入包并设置实例

辅助函数

实现工具执行

运行服务器

使用 Claude for Desktop 测试您的服务器

系统要求

设置您的环境

构建您的服务器

天气服务

创建您的引导应用程序

运行服务器

使用 Claude for Desktop 测试您的服务器

使用 Java 客户端测试您的服务器

手动创建 MCP 客户端

使用 MCP 客户端引导启动器

更多 Java MCP 服务器示例

使用命令测试

底层发生了什么

故障排除

后续步骤