关键词

API集成AI赋能上下文服务数据工具Spring Boot

使用说明

项目简介

Open-MCP-Server 是一个实现了模型上下文协议 (MCP) 的服务框架，旨在简化企业系统与AI平台的集成。它为AI应用提供统一的数据访问和功能调用入口，支持多种协议和数据源，助力企业快速构建具备上下文感知能力的AI解决方案。

主要功能点

  • 统一API适配: 支持 RESTful、gRPC、Dubbo 等多种协议的API接入，方便集成企业内部和外部的各种系统。
  • AI工作流数据编排: 提供上下文感知的数据编排能力，使得AI应用能够灵活地获取和利用业务数据。
  • 可扩展的业务逻辑: 采用可扩展的架构设计，方便根据业务需求定制和扩展功能。
  • 工具 (Tools) 注册与执行: 允许注册和执行外部工具，例如本仓库中集成了新闻查询工具，LLM可以通过调用这些工具获取外部数据。
  • 资源 (Resources) 管理: 虽然代码中没有显式资源管理，但通过集成外部API (如新闻API)，可以视为一种资源访问能力的体现。
  • 支持 SSE 协议: 实现了基于 Server-Sent Events (SSE) 的通信协议，用于与 MCP 客户端进行实时通信。

安装步骤

  1. 安装 Java 开发环境 (JDK): 确保您的机器上已安装 JDK 1.8 或更高版本。
  2. 下载代码: 从 GitHub 仓库 https://github.com/changsong/open-mcp-server 下载源代码。
  3. 构建项目: 使用 Maven 或 Gradle 等构建工具，在项目根目录下执行构建命令 (例如 'mvn clean install' 或 'gradle build')。
  4. 获取 JAR 包: 构建成功后，JAR 包通常会生成在 'target' 目录下，文件名为 'open-mcp-server-1.0-SNAPSHOT.jar' (版本号可能有所不同)。

服务器配置

MCP 客户端需要配置 MCP 服务器的启动命令和参数才能连接。以下是 'open-mcp-server' 的典型配置示例：

{
  "mcpServers": {
    "open-mcp-server": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",  // 启用 Stdio 传输协议，MCP 客户端通过标准输入输出与服务器通信
        "-jar",
        "/jar包路径/open-mcp-server-1.0-SNAPSHOT.jar", // 请替换为实际 JAR 包的路径
        "juhe.news.api-key=YOUR_API_KEY"      // 聚合数据新闻API的密钥，请替换为您自己的密钥
      ]
    }
  }
}

配置参数说明:

  • 'command': 启动 MCP 服务器的命令，这里使用 'java' 命令。
  • 'args': 传递给 'java' 命令的参数列表：
    • '-Dspring.ai.mcp.server.stdio=true': 设置 Spring AI MCP 服务器使用 Stdio (标准输入输出) 作为传输协议。这是与 MCP 客户端进行通信的关键配置。
    • '-jar /jar包路径/open-mcp-server-1.0-SNAPSHOT.jar': 指定要运行的 JAR 包路径。请务必替换 '/jar包路径/open-mcp-server-1.0-SNAPSHOT.jar' 为您实际构建生成的 JAR 文件路径。
    • 'juhe.news.api-key=YOUR_API_KEY': 设置聚合数据新闻 API 的密钥。您需要在 聚合数据 注册并获取新闻 API 密钥，然后替换 'YOUR_API_KEY'。

基本使用方法

  1. 启动 MCP 服务器: 在 MCP 客户端中配置上述 'mcpServers' 信息后，客户端会根据配置启动 'open-mcp-server'。
  2. 客户端与服务器通信: MCP 客户端通过 Stdio 协议与 'open-mcp-server' 建立连接。
  3. 调用工具: 客户端可以向服务器发送 MCP 请求，请求调用服务器注册的工具。例如，可以调用 'NewsService' 中提供的 'getNewsList' (获取新闻列表) 或 'getNewsDetail' (获取新闻详情) 工具，并传递相应的参数。
  4. 获取响应: 服务器执行工具后，会将结果封装成 MCP 响应返回给客户端。客户端解析响应，即可获取工具执行的结果。

注意: 本仓库提供的 'open-mcp-server' 示例主要演示了如何集成第三方新闻 API 并将其作为工具提供给 LLM 使用。您可以参考此示例，扩展和定制自己的 MCP 服务器，集成更多的企业内部系统和外部数据源，构建更强大的 AI 上下文服务能力。

信息

分类

AI与计算

访问项目