企业官网建设流程全解析

1. 为什么 Java 开发者现在要盯紧 MCP

如果你是一名 Java 后端，最近大概率被两个词反复刷屏：MCP 和 Claude。MCP 全称 Model Context Protocol，模型上下文协议，说白了就是给大模型和各种工具、数据源之间定了一套统一的“插座标准”。以前你想让大模型查个数据库、调个地图 API、操作一下 Git 仓库，得自己写一堆胶水代码，每个模型厂商的对接方式还不一样；现在只要你的服务实现了 MCP 协议，任何支持 MCP 的客户端都能直接把它当工具用。

这对 Java 开发者意味着什么？意味着你手里那些 Spring Boot 服务、内部管理系统、数据查询接口，不用大改就能被 AI 智能体调用。你不需要去学 Python 生态那一套，Spring AI Alibaba 已经把 MCP 的客户端和服务端能力封装好了，注解一加、Bean 一注册，你的 Java 方法就变成了大模型可以调用的工具。

这篇文章我按真实接入链路来写：先在 Claude 桌面端跑通一个本地 MCP Server，确认工具能被正确加载和触发；再把同样的能力迁移到 Spring AI Alibaba 生态里，用 Java 代码作为 MCP Client 去调用它。中间会给出 Claude 配置文件骨架、MCP Server 注册步骤、Spring AI Alibaba 侧的依赖和 Bean 配置片段，最后做一次端到端调用验证，确认工具调用和模型响应都正常。适合有 Spring Boot 基础、想快速把 MCP 落到 Java 项目里的同学。

2. 前置准备：TaoToken 与模型接入

在动手写 MCP Server 之前，得先把模型调用这条链路打通。MCP 负责的是“工具怎么被调用”，但真正决定要不要调用工具、怎么组织参数的，还是背后的大模型。所以你需要一个能稳定调用 Claude 等模型的入口。

我这边用的是 TaoToken 来做模型接入，它的 API 地址是 https://taotoken.net/api ，兼容常见的调用方式，Java 侧用 Spring AI 的 OpenAI 兼容客户端就能直接对接。先去控制台创建一个 API Key，地址在 https://taotoken.net/api-keys ，创建完复制出来，后面配置里要用。

如果你只是想先验证模型对话是否正常，可以打开模型对话页面 https://taotoken.net/models 直接试一句，确认 Key 有效、模型有响应。这一步别跳过，因为后面 MCP 工具调用失败时，你得能区分是模型链路的问题还是 MCP 配置的问题。

对于长期要做编码、跑 Agent 任务的场景，可以考虑 Coding Plan https://taotoken.net/coding-plan ，额度更划算。接入文档在 https://taotoken.net/doc ，里面有各语言的调用示例，Java 侧照着改 base_url 和 api_key 就行。

把 Key 准备好之后，我们进入正题：先写一个能被 Claude 桌面端识别的 MCP Server。

3. 第一步：用 Spring AI 写一个 stdio 模式的 MCP Server

MCP Server 有两种主流传输方式：stdio 和 SSE。stdio 是标准输入输出，适合本地进程，Claude 桌面端直接以子进程方式启动它；SSE 是 HTTP 长连接，适合独立部署、多客户端远程调用。我们先做 stdio 版本，因为它最容易在 Claude 里验证。

3.1 添加依赖

新建一个 Spring Boot 项目，在 pom.xml 里加入 MCP Server 的 starter：

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

这个 starter 会把 MCP 服务端的自动配置、工具扫描、stdio 通信都带进来。版本跟随你项目里的 Spring AI BOM 即可。

3.2 配置 application.yml

stdio 模式下，应用不能以 Web 方式启动，否则会占用端口、干扰标准输入输出。配置如下：

spring: main: web-application-type: none banner-mode: off ai: mcp: server: stdio: true name: my-weather-server version: 0.0.1

web-application-type: none是关键，少了它启动会报错或者卡住。banner-mode: off是为了避免 banner 输出污染 stdio 通道，这个坑我踩过，Claude 那边会解析失败。

3.3 用 @Tool 注解暴露工具方法

写一个 Service，用@Tool标记要被大模型调用的方法，用@ToolParameter描述参数。这里用 Open-Meteo 这个免费天气 API 做示例，不需要申请 Key：

@Service public class WeatherService { private final WebClient webClient; public WeatherService(WebClient.Builder builder) { this.webClient = builder.baseUrl("https://api.open-meteo.com/v1").build(); } @Tool(description = "根据经纬度获取当前天气和未来预报") public String getWeather( @ToolParameter(description = "纬度，例如 39.9042") String latitude, @ToolParameter(description = "经度，例如 116.4074") String longitude) { try { return webClient.get() .uri(uri -> uri.path("/forecast") .queryParam("latitude", latitude) .queryParam("longitude", longitude) .queryParam("current", "temperature_2m,wind_speed_10m") .queryParam("timezone", "auto") .build()) .retrieve() .bodyToMono(String.class) .block(); } catch (Exception e) { return "获取天气失败：" + e.getMessage(); } } }

description写清楚很重要，大模型就是靠这段文字判断什么时候该调用这个工具。参数描述也一样，写得越具体，模型填参数越准。

3.4 注册 ToolCallbackProvider

在启动类里把工具注册成 Bean：

@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(); } }

打包成 jar：

mvn clean package -DskipTests

记下 jar 的完整路径，下一步 Claude 配置里要用绝对路径。

4. 第二步：在 Claude 桌面端接入并验证

Claude 桌面端通过一个 JSON 配置文件来管理 MCP Server。找到配置文件：

macOS 路径是~/Library/Application Support/Claude/claude_desktop_config.json，Windows 是%APPDATA%\Claude\claude_desktop_config.json。如果文件不存在就新建一个。

4.1 配置文件骨架

{ "mcpServers": { "weather": { "command": "java", "args": [ "-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none", "-Dlogging.pattern.console=", "-jar", "/绝对路径/target/mcp-server-0.0.1.jar" ], "env": {} } } }

几个要点：-jar后面必须是 jar 的绝对路径，相对路径 Claude 解析不到；-Dlogging.pattern.console=把控制台日志格式清空，避免日志混进 stdio 通道；-Dspring.main.web-application-type=none再显式声明一次，双保险。

4.2 重启并确认工具加载

保存配置后完全退出 Claude 再重新打开。在输入框附近能看到工具图标，点开应该能看到getWeather这个工具，说明 MCP Server 被成功拉起、工具被正确注册。

4.3 触发一次真实调用

输入提示词：“帮我查一下北京现在的天气”。Claude 会判断需要调用getWeather，自动填入北京对应的经纬度，然后返回天气数据。如果能看到温度、风速这些字段，说明整条链路通了：Claude 发起工具调用 → stdio 传给 Java 进程 → Java 调 Open-Meteo → 结果回传 → 模型组织成自然语言。

这一步验证通过，说明你的 Java MCP Server 是合格的。接下来把它迁移到 Spring AI Alibaba 生态，让 Java 应用自己当客户端。

5. 第三步：Spring AI Alibaba 作为 MCP Client 调用

现在换个角色：不再是 Claude 来调你的服务，而是你的 Java 应用去调 MCP Server。Spring AI Alibaba 提供了 stdio 和 SSE 两种客户端 starter。

5.1 添加客户端依赖

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

5.2 配置模型与 MCP 服务器

spring: ai: openai: base-url: https://taotoken.net/api api-key: ${TAOTOKEN_API_KEY} chat: options: model: claude-3-5-sonnet mcp: client: stdio: servers-configuration: classpath:/mcp-servers-config.json

base-url指向 TaoToken 的 API 地址，api-key从环境变量注入，别硬编码在文件里。模型名按你实际可用的填。

5.3 mcp-servers-config.json

在src/main/resources下建这个文件，内容和 Claude 那份类似：

{ "mcpServers": { "weather": { "command": "java", "args": [ "-Dspring.ai.mcp.server.stdio=true", "-Dspring.main.web-application-type=none", "-Dlogging.pattern.console=", "-jar", "/绝对路径/target/mcp-server-0.0.1.jar" ], "env": {} } } }

5.4 注入工具并调用

@SpringBootApplication public class ClientApplication { public static void main(String[] args) { SpringApplication.run(ClientApplication.class, args); } @Bean public CommandLineRunner run(ChatClient.Builder builder, ToolCallbackProvider tools, ConfigurableApplicationContext ctx) { return args -> { ChatClient chatClient = builder.defaultTools(tools).build(); String answer = chatClient.prompt("北京的天气怎么样？").call().content(); System.out.println(">>> " + answer); ctx.close(); }; } }

defaultTools(tools)这一行就是把 MCP Server 提供的工具挂到 ChatClient 上，Spring AI Alibaba 会自动完成工具描述到模型 function calling 格式的适配。

启动：

mvn spring-boot:run

日志里会看到 MCP 客户端向服务端发起tools/list请求，拿到工具列表，然后模型决定调用getWeather，返回天气数据。控制台打印出结果，说明 Java 作为 MCP Client 的链路也通了。

6. 常见报错与排查清单

接入过程中最容易卡在几个地方，我按出现频率排一下。

工具重复注册报错：如果你用 SSE 模式，可能遇到Multiple tools with the same name。这是 Spring AI 的自动配置类SseHttpClientTransportAutoConfiguration和SseWebFluxTransportAutoConfiguration同时加载导致的，两个都去申请了同一批工具。解决办法是在启动类上排除掉其中一个：

@SpringBootApplication(exclude = { org.springframework.ai.autoconfigure.mcp.client.SseHttpClientTransportAutoConfiguration.class })

Claude 里看不到工具：先确认 jar 路径是绝对路径，再确认web-application-type: none配了，最后看日志有没有输出到 stdout 污染通道。把logging.pattern.console=设成空能解决大部分问题。

模型不调用工具：检查@Tool的 description 是不是太模糊，模型判断不出该不该用。把描述写具体，比如“根据经纬度获取当前天气和未来预报”就比“获取天气”好很多。

API Key 无效：确认 base-url 是 https://taotoken.net/api ，Key 从 https://taotoken.net/api-keys 创建，别把控制台登录态和 API Key 搞混。模型对话页面 https://taotoken.net/models 可以先单独验证 Key。

SSE 模式连不上：确认服务端真的在对应端口启动了，url配置里别漏了协议头。SSE 服务端需要独立部署，不能和 stdio 混在一个进程里。

7. 继续往下走

到这一步，你已经跑通了 Java MCP 的完整链路：写 Server、Claude 验证、Spring AI Alibaba 当 Client 调用。接下来可以做的方向很多，比如把内部的数据查询接口用@Tool包一层，让智能体能直接查业务数据；或者把 SSE 模式的 Server 部署到内网，多个 Agent 共享同一批工具。

如果你要长期跑编码类、Agent 类任务，建议把模型调用切到 Coding Plan https://taotoken.net/coding-plan ，额度更稳。接入细节和更多示例看文档 https://taotoken.net/doc ，控制台在 https://taotoken.net/console ，API Key 管理在 https://taotoken.net/api-keys 。Claude Code 相关的接入说明在 https://taotoken.net/claude-code ，Anthropic 兼容接入在 https://taotoken.net/anthropic 。

MCP 的价值不在于协议本身多复杂，而在于它把“工具接入”这件事标准化了。你写的 Java 方法，加个注解就能被任何支持 MCP 的智能体调用，这才是对 Java 开发者最实在的收益。