SpringAI+MCPClient实战-MiniMax模型打造智能AIAgent

二、MCP Client 核心概念

mcp-client-demo/├── pom.xml                          # Maven 依赖配置├── src/│   ├── main/│   │   ├── java/│   │   │   └── com/example/mcpclient/│   │   │       ├── McpClientApplication.java          # 启动类│   │   │       ├── config/│   │   │       │   ├── McpRequestCustomizerProperties.java  # MCP 请求定制器配置属性│   │   │       │   ├── McpClientConfig.java           # MCP Client HTTP 请求定制器│   │   │       │   └── ChatConfig.java                # ChatClient 配置│   │   │       ├── tool/│   │   │       │   └── LocalWeatherTool.java          # 本地天气工具│   │   │       ├── advisor/│   │   │       │   └── ToolCallLoggingAdvisor.java    # 工具调用日志拦截器│   │   │       ├── service/│   │   │       │   ├── DynamicToolService.java        # 动态工具加载服务│   │   │       │   └── ChatService.java               # 聊天服务│   │   │       └── controller/│   │   │           └── ChatController.java            # REST API 控制器│   │   └── resources/│   │       └── application.yml                        # 配置文件│   └── test/│       └── java/│           └── com/example/mcpclient/│               └── McpClientApplicationTests.java└── target/

<?xml version="1.0" encoding="UTF-8"?><projectxmlns="http://maven.apache.org/POM/4.0.0"         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0          http://maven.apache.org/xsd/maven-4.0.0.xsd">    <modelVersion>4.0.0</modelVersion>    <parent>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-parent</artifactId>        <version>3.5.5</version>    </parent>    <groupId>com.example</groupId>    <artifactId>mcp-client-demo</artifactId>    <version>1.0.0</version>    <name>MCP Client Demo</name>    <description>轻量的 MCP Client Demo 项目，包含多 Server 连接、本地工具混合、动态加载等功能</description>    <properties>        <java.version>17</java.version>        <spring-ai.version>1.1.5</spring-ai.version>    </properties>    <dependencyManagement>        <dependencies>            <dependency>                <groupId>org.springframework.ai</groupId>                <artifactId>spring-ai-bom</artifactId>                <version>{MINIMAX_API_KEY:your-minimax-api-key-here}      chat:        options:          model: abab6.5s-chat  # MiniMax 模型          temperature: 0.7    # MCP Client 配置 - Streamable HTTP 模式    mcp:      client:        enabled: true        name: mini-mcp-client        version: 1.0.0        type: sync  # sync=同步模式，async=异步模式        request-timeout: 60s        # 多 MCP Server 连接配置（streamable-http 传输方式）        streamable-http:          connections:            server-a:              url: http://localhost:8080              endpoint: /mcp              auth:                type: api-key                header-name: "X-API-Key"                header-value: "demo-api-key"#            server-b:#              url: http://localhost:8080#              endpoint: /mcp#              auth:#                type: bearer#                token: "token-for-server-b"# 日志配置（调试时开启）logging:  level:    io.modelcontextprotocol: debug  # MCP 协议调试日志    com.example.mcpclient: debug    # 项目调试日志

auth:  type: api-key  header-name: "X-API-Key"  header-value: "your-api-key"

auth:  type: bearer  token: "your-bearer-token"

package com.example.mcpclient;import org.springframework.boot.SpringApplication;import org.springframework.boot.autoconfigure.SpringBootApplication;/** * MCP Client 启动类 * 一个 Demo 项目搞定核心功能：多 Server 连接、本地工具混合、动态加载等 * * @author senfel * @date 2023/11/5 14:01 */@SpringBootApplicationpublic class McpClientApplication {    public static void main(String[] args) {        SpringApplication.run(McpClientApplication.class, args);    }}

package com.example.mcpclient.tool;import com.fasterxml.jackson.annotation.JsonClassDescription;import com.fasterxml.jackson.annotation.JsonProperty;import com.fasterxml.jackson.annotation.JsonPropertyDescription;import lombok.Data;import org.springframework.ai.tool.annotation.Tool;import org.springframework.stereotype.Component;import java.util.Random;/** * 本地天气查询工具 * 与 MCP 工具互补，提供本地模拟数据 *  * 为什么需要本地工具？ * - 有些工具不需要远程调用，直接在本地执行更快 * - 可以模拟数据用于测试 * - 与 MCP 工具混合使用，LLM 会自动选择最合适的工具 *  * Spring AI 1.1.5 变化： * - 使用 @Tool 注解标记工具方法，而不是实现 Function 接口 * - MethodToolCallbackProvider 会自动扫描 @Tool 注解的方法 * * @author senfel * @date 2023/11/5 14:01 */@Component("local_weather_query")public class LocalWeatherTool {    private static final String[] CONDITIONS = {"晴朗", "多云", "阴天", "小雨", "大雨", "雷雨"};    private final Random random = new Random();    /**     * 工具请求参数     * JSON Schema 会自动生成，用于告诉 LLM 如何调用这个工具     */    @Data    @JsonClassDescription("查询指定城市的天气信息")    public static class Request {        @JsonProperty(required = true, value = "city")        @JsonPropertyDescription("城市名称，例如：北京、上海、广州")        private String city;    }    /**     * 工具响应结果     */    @Data    public static class Response {        private String city;        private WeatherInfo weatherInfo;        @Data        public static class WeatherInfo {            private Integer temperature;            private String condition;            private Integer humidity;            private Integer windSpeed;        }    }    /**     * 查询天气的工具方法     * 使用 @Tool 注解，Spring AI 会自动将其注册为 ToolCallback     */    @Tool(description = "查询指定城市的天气信息")    public Response queryWeather(Request request) {        Response.WeatherInfo weatherInfo = new Response.WeatherInfo();        weatherInfo.setTemperature(random.nextInt(35) - 5);  // -5 ~ 30°C        weatherInfo.setCondition(CONDITIONS[random.nextInt(CONDITIONS.length)]);        weatherInfo.setHumidity(random.nextInt(80) + 20);    // 20% ~ 100%        weatherInfo.setWindSpeed(random.nextInt(30) + 1);    // 1 ~ 30 km/h        Response response = new Response();        response.setCity(request.getCity());        response.setWeatherInfo(weatherInfo);        return response;    }}

package com.example.mcpclient.advisor;import lombok.extern.slf4j.Slf4j;import org.springframework.ai.chat.client.ChatClientRequest;import org.springframework.ai.chat.client.ChatClientResponse;import org.springframework.ai.chat.client.advisor.api.CallAdvisor;import org.springframework.ai.chat.client.advisor.api.CallAdvisorChain;import org.springframework.stereotype.Component;/** * 工具调用日志记录 Advisor * 记录每次工具调用的详细信息，方便调试和监控 *  * Advisor 是什么？ * - 类似于 Spring 的拦截器，可以在工具调用前后执行逻辑 * - 用于日志记录、性能监控、权限检查等 *  * Spring AI 1.1.5 变化： * - 使用 CallAdvisor 接口替代 CallAroundAdvisor * - 使用 ChatClientRequest 和 ChatClientResponse 替代 AdvisedRequest 和 AdvisedResponse * - 使用 adviseCall 方法替代 aroundCall 方法 * * @author senfel * @date 2023/11/5 14:01 */@Component@Slf4jpublic class ToolCallLoggingAdvisor implements CallAdvisor {    @Override    public String getName() {        return "ToolCallLoggingAdvisor";    }    @Override    public int getOrder() {        return 0;  // 执行顺序，数字越小越先执行    }    @Override    public ChatClientResponse adviseCall(ChatClientRequest request, CallAdvisorChain chain) {        // 工具调用前        log.info("=== 工具调用开始 ===");        log.info("请求内容: {}", request.prompt().getContents());        long startTime = System.currentTimeMillis();        // 执行工具调用        ChatClientResponse response = chain.nextCall(request);        // 工具调用后        long duration = System.currentTimeMillis() - startTime;        log.info("响应结果: {}", response);        log.info("耗时: {}ms", duration);        log.info("=== 工具调用结束 ===");        return response;    }}

package com.example.mcpclient.config;import io.modelcontextprotocol.client.transport.customizer.McpSyncHttpClientRequestCustomizer;import io.modelcontextprotocol.common.McpTransportContext;import lombok.RequiredArgsConstructor;import lombok.extern.slf4j.Slf4j;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import java.net.http.HttpRequest;/** * MCP Client 配置 * 负责定制 HTTP 请求，例如添加认证头、日志记录等 * * @author senfel * @date 2023/11/5 14:01 */@Configuration@Slf4j@RequiredArgsConstructorpublic class McpClientConfig {    private final McpRequestCustomizerProperties customizerProperties;    @Bean    public McpSyncHttpClientRequestCustomizer mcpHttpClientRequestCustomizer() {        return (builder, method, endpoint, body, context) -> {            String requestUrl = endpoint.toString();            // 根据请求 URL 匹配对应的 server 配置            customizerProperties.getConnections().values().stream()                    .filter(conn -> requestUrl.startsWith(conn.getUrl()))                    .findFirst()                    .ifPresent(conn -> {                        McpRequestCustomizerProperties.AuthConfig auth = conn.getAuth();                        if (auth != null) {                            applyAuth(builder, auth);                            log.info("MCP request to {} with auth type={}: method={}",                                     endpoint.getHost(), auth.getType(), method);                        } else {                            log.info("MCP request to {} without custom auth: method={}",                                     endpoint.getHost(), method);                        }                    });        };    }    private void applyAuth(HttpRequest.Builder builder, McpRequestCustomizerProperties.AuthConfig auth) {        switch (auth.getType()) {            case "api-key":                builder.header(auth.getHeaderName(), auth.getHeaderValue());                break;            case "bearer":                builder.header("Authorization", "Bearer " + auth.getToken());                break;            default:                log.warn("Unknown auth type: {}", auth.getType());        }    }}

package com.example.mcpclient.config;import lombok.Data;import org.springframework.boot.context.properties.ConfigurationProperties;import org.springframework.context.annotation.Configuration;import java.util.Map;/** * MCP 请求定制器配置属性 * 绑定 spring.ai.mcp.client.streamable-http 配置 * * @author senfel * @date 2023/11/5 14:01 */@Data@Configuration@ConfigurationProperties(prefix = "spring.ai.mcp.client.streamable-http")public class McpRequestCustomizerProperties {    private Map<String, ServerConnection> connections;    @Data    public static class ServerConnection {        private String url;        private String endpoint;        private AuthConfig auth;    }    @Data    public static class AuthConfig {        private String type;        private String headerName;        private String headerValue;        private String token;    }}

package com.example.mcpclient.config;import com.example.mcpclient.advisor.ToolCallLoggingAdvisor;import com.example.mcpclient.service.DynamicToolService;import com.example.mcpclient.tool.LocalWeatherTool;import io.modelcontextprotocol.client.McpSyncClient;import org.springframework.ai.chat.client.ChatClient;import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;import org.springframework.ai.chat.memory.ChatMemory;import org.springframework.ai.chat.model.ChatModel;import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;import org.springframework.ai.tool.method.MethodToolCallbackProvider;import org.springframework.ai.tool.resolution.ToolCallbackResolver;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import java.util.List;/** * ChatClient 配置 * 一个配置类搞定所有功能： * - 多 MCP Server 工具注入 * - 本地工具注入 * - 对话历史管理 * - 工具调用日志 * - 动态工具加载服务（基于角色） *  * Spring AI 1.1.5 变化： * - ChatMemory 由 Spring Boot 自动配置，无需手动创建 InMemoryChatMemory Bean * - MessageChatMemoryAdvisor 使用 builder 模式构建 * * @author senfel * @date 2023/11/5 14:01 */@Configurationpublic class ChatConfig {    private final LocalWeatherTool localWeatherTool;    private final ToolCallLoggingAdvisor toolCallLoggingAdvisor;    private final ChatModel chatModel;    private final ToolCallbackResolver toolCallbackResolver;    public ChatConfig(LocalWeatherTool localWeatherTool,                      ToolCallLoggingAdvisor toolCallLoggingAdvisor,                     ChatModel chatModel,                     ToolCallbackResolver toolCallbackResolver) {        this.localWeatherTool = localWeatherTool;        this.toolCallLoggingAdvisor = toolCallLoggingAdvisor;        this.chatModel = chatModel;        this.toolCallbackResolver = toolCallbackResolver;    }    /**     * 默认 ChatClient（包含所有工具）     * 用于 /api/chat 接口     *      * 注意：     * - McpSyncClient 由 Spring AI 自动创建     * - ChatMemory 由 Spring Boot 自动配置（基于 spring-ai-client-chat 依赖）     * - 根据 application.yml 中的 spring.ai.mcp.client.connections 配置     *   每个 connection 会自动创建一个 McpSyncClient Bean     */    @Bean    public ChatClient chatClient(ChatMemory chatMemory, List<McpSyncClient> mcpClients) {        // 1. 收集所有 MCP Server 的工具        // Spring AI 已自动创建多个 McpSyncClient，每个对应一个 Server        SyncMcpToolCallbackProvider[] mcpProviders = mcpClients.stream()                .map(SyncMcpToolCallbackProvider::new)                .toArray(SyncMcpToolCallbackProvider[]::new);        // 2. 本地工具        MethodToolCallbackProvider localProvider = MethodToolCallbackProvider.builder()                .toolObjects(localWeatherTool)                .build();        // 3. 构建 ChatClient        return ChatClient.builder(chatModel)                .defaultSystem("你是一个智能助手，可以帮助用户查询天气、订单、文件等信息。\n" +                        "当用户询问天气、订单或文件时，请使用相应的工具来获取信息。\n" +                        "回答要简洁明了，直接给出用户需要的信息。")                // 注入所有工具（MCP + 本地）                .defaultToolCallbacks(mcpProviders)                .defaultToolCallbacks(localProvider)                // 注入对话历史（使用 builder 模式）                .defaultAdvisors(                        MessageChatMemoryAdvisor.builder(chatMemory).build()                )                // 注入工具调用日志                .defaultAdvisors(toolCallLoggingAdvisor)                .build();    }    /**     * 动态工具加载服务     * 用于 /api/role/chat 接口，根据角色动态加载工具     */    @Bean    public DynamicToolService dynamicToolService(ChatModel chatModel, ChatMemory chatMemory, List<McpSyncClient> mcpClients) {        return new DynamicToolService(chatModel, chatMemory, mcpClients, toolCallbackResolver);    }}

package com.example.mcpclient.service;import io.modelcontextprotocol.client.McpSyncClient;import lombok.RequiredArgsConstructor;import lombok.extern.slf4j.Slf4j;import org.springframework.ai.chat.client.ChatClient;import org.springframework.ai.chat.memory.ChatMemory;import org.springframework.ai.chat.model.ChatModel;import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;import org.springframework.ai.tool.ToolCallback;import org.springframework.ai.tool.resolution.ToolCallbackResolver;import org.springframework.stereotype.Service;import java.util.ArrayList;import java.util.List;import java.util.Map;/** * 动态工具加载服务 * 根据角色配置动态加载本地工具和 MCP 工具 *  * 使用场景： * - 客服助手角色：只能查询天气和订单 * - 财务助手角色：只能查询订单和处理支付 * - 管理员角色：可以使用所有工具 * * @author senfel * @date 2023/11/5 14:01 */@Service@RequiredArgsConstructor@Slf4jpublic class DynamicToolService {    private final ChatModel chatModel;    private final ChatMemory chatMemory;    private final List<McpSyncClient> mcpClients;    private final ToolCallbackResolver toolCallbackResolver;    // Mock 角色配置（实际项目中从数据库读取）    private final Map<Long, ChatRole> roleConfig = Map.of(        1L, new ChatRole(1L, "客服助手", "你是一个客服助手，可以帮助用户查询天气和订单。",                List.of("local_weather_query"), List.of("business-server")),        2L, new ChatRole(2L, "财务助手", "你是一个财务助手，可以帮助用户查询订单和处理支付。",                List.of(), List.of("business-server", "payment-server"))    );    /**     * 根据角色 ID 创建 ChatClient     * 自动加载角色关联的工具     */    public ChatClient createChatClientByRole(Long roleId) {        ChatRole role = roleConfig.get(roleId);        if (role == null) {            throw new IllegalArgumentException("角色不存在: " + roleId);        }        List<ToolCallback> toolCallbacks = new ArrayList<>();        // 1. 加载本地工具        role.toolNames().forEach(toolName -> {            ToolCallback toolCallback = toolCallbackResolver.resolve(toolName);            if (toolCallback != null) {                toolCallbacks.add(toolCallback);            }        });        // 2. 加载 MCP 工具        role.mcpClientNames().forEach(mcpClientName -> {            // 匹配对应的 McpSyncClient            mcpClients.stream()                .filter(client -> client.getClientInfo().name().contains(mcpClientName))                .findFirst()                .ifPresent(client -> {                    ToolCallback[] mcpToolCallbacks =                         new SyncMcpToolCallbackProvider(client).getToolCallbacks();                    toolCallbacks.addAll(List.of(mcpToolCallbacks));                });        });        // 3. 构建 ChatClient        return ChatClient.builder(chatModel)                .defaultSystem(role.systemMessage())                .defaultToolCallbacks(toolCallbacks.toArray(new ToolCallback[0]))                .build();    }    /**     * 角色定义     */    public record ChatRole(Long id, String name, String systemMessage,                           List<String> toolNames, List<String> mcpClientNames) {}}

package com.example.mcpclient.service;import lombok.RequiredArgsConstructor;import lombok.extern.slf4j.Slf4j;import org.springframework.ai.chat.client.ChatClient;import org.springframework.stereotype.Service;import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;import reactor.core.publisher.Flux;/** * 聊天服务 * 封装 ChatClient 调用逻辑 *  * 一个 Service 搞定所有功能： * - 同步对话 * - 流式对话 * - SSE 流式对话 * * @author senfel * @date 2023/11/5 14:01 */@Service@RequiredArgsConstructor@Slf4jpublic class ChatService {    private final ChatClient chatClient;    /**     * 同步对话     * @param message 用户消息     * @return AI 回复     */    public String chat(String message) {        log.info("用户消息: {}", message);        String response = chatClient.prompt()                .user(message)                .call()                .content();        log.info("AI 回复: {}", response);        return response;    }    /**     * 流式对话     * @param message 用户消息     * @return AI 回复（流式拼接）     */    public String chatStream(String message) {        log.info("用户消息(流式): {}", message);        StringBuilder result = new StringBuilder();        Flux<String> stream = chatClient.prompt()                .user(message)                .stream()                .content();        stream.doOnNext(chunk -> {            result.append(chunk);            System.out.print(chunk);        }).then().block();        return result.toString();    }    /**     * SSE 流式对话     * @param message 用户消息     * @return SseEmitter     */    public SseEmitter chatSse(String message) {        SseEmitter emitter = new SseEmitter(60000L);  // 60 秒超时        Flux<String> stream = chatClient.prompt()                .user(message)                .stream()                .content();        stream.doOnNext(chunk -> {            try {                emitter.send(SseEmitter.event().data(chunk));            } catch (Exception e) {                emitter.completeWithError(e);            }        })        .doOnComplete(emitter::complete)        .doOnError(emitter::completeWithError)        .subscribe();        return emitter;    }}

package com.example.mcpclient.controller;import com.example.mcpclient.service.ChatService;import com.example.mcpclient.service.DynamicToolService;import lombok.RequiredArgsConstructor;import lombok.extern.slf4j.Slf4j;import org.springframework.http.MediaType;import org.springframework.web.bind.annotation.*;import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;/** * 聊天控制器 * 提供同步、流式、SSE 三种对话接口 * 支持基于角色的动态工具加载 *  * 接口说明： * - POST /api/chat          : 同步对话，一次性返回完整结果 * - POST /api/chat/stream   : 流式对话，实时返回文本片段 * - GET  /api/chat/sse      : SSE 流式对话，浏览器可直接使用 * - POST /api/role/chat     : 基于角色的对话（动态加载工具） * * @author senfel * @date 2023/11/5 14:01 */@RestController@RequestMapping("/api")@RequiredArgsConstructor@Slf4jpublic class ChatController {    private final ChatService chatService;    private final DynamicToolService dynamicToolService;    /**     * 同步对话接口     * @param message 用户消息     * @return AI 回复     */    @PostMapping("/chat")    public String chat(@RequestParam String message) {        log.info("用户消息: {}", message);        return chatService.chat(message);    }    /**     * 流式对话接口     * @param message 用户消息     * @return AI 回复（流式拼接）     */    @PostMapping("/chat/stream")    public String chatStream(@RequestParam String message) {        log.info("用户消息(流式): {}", message);        return chatService.chatStream(message);    }    /**     * SSE 流式对话接口     * SSE (Server-Sent Events) 是什么？     * - 服务器向浏览器推送实时事件的技术     * - 基于 HTTP，单向通信（服务器 → 客户端）     * - 浏览器可直接使用 EventSource API 接收     *      * @param message 用户消息     * @return SSE 流     */    @GetMapping(value = "/chat/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)    public SseEmitter chatSse(@RequestParam String message) {        log.info("用户消息(SSE): {}", message);        return chatService.chatSse(message);    }    /**     * 基于角色的同步对话     * @param roleId 角色 ID（1=客服助手，2=财务助手）     * @param message 用户消息     * @return AI 回复     */    @PostMapping("/role/chat")    public String roleChat(@RequestParam Long roleId, @RequestParam String message) {        log.info("角色 ID: {}, 用户消息: {}", roleId, message);        // 根据角色动态创建 ChatClient（自动加载对应工具）        org.springframework.ai.chat.client.ChatClient chatClient =                 dynamicToolService.createChatClientByRole(roleId);        String response = chatClient.prompt()                .user(message)                .call()                .content();        log.info("AI 回复: {}", response);        return response;    }}

用户                    ChatController              ChatService              ChatClient │                          │                          │                        │ │  "北京天气怎么样？"        │                          │                        │ │─────────────────────────>│                          │                        │ │                          │  chat("北京天气怎么样？")  │                        │ │                          │─────────────────────────>│                        │ │                          │                          │  prompt().user(msg)    │ │                          │                          │───────────────────────>│ │                          │                          │                        │ │                          │                          │                   构建 Prompt │                          │                          │              + 附加工具列表 │                          │                          │                        │ │                          │                          │                        ▼ │                          │                          │                  MiniMax ChatModel │                          │                          │                        │ │                          │                          │  1. 分析用户意图         │ │                          │                          │  2. 决定调用 getWeather │ │                          │                          │  3. 生成参数 cityName   │ │                          │                          │<───────────────────────│ │                          │                          │                        │ │                          │                          ▼                        │ │                          │                    McpSyncClient                  │ │                          │                    SyncMcpToolCallbackProvider    │ │                          │                        │                        │ │                          │                        │  封装 JSON-RPC 请求      │ │                          │                        │  tools/call              │ │                          │                        │  HTTP POST /mcp          │ │                          │                        │                        │ │                          │                        ▼                        │ │                          │              ┌─────────────────┐                 │ │                          │              │  MCP Server     │                 │ │                          │              │  (localhost:8080)│                │ │                          │              │  WeatherTool    │                 │ │                          │              └─────────────────┘                 │ │                          │                        │                        │ │                          │                        │  返回天气数据            │ │                          │                        │<───────────────────────│ │                          │                          │                        │ │                          │                          ▼                        │ │                          │                    MiniMax ChatModel              │ │                          │                        │                        │ │                          │                        │  基于工具结果生成回复     │ │                          │                        │<───────────────────────│ │                          │                          │                        │ │                          │  返回 AI 回复              │                        │ │                          │<─────────────────────────│                        │ │  "北京今天天气晴朗..."    │                          │                        │ │<─────────────────────────│                          │                        │

# 1. 先启动 MCP Server（端口 8080）# 参考：SpringAI+MCPServer实战-StreamableHTTP协议打造企业级AI工具服务.mdcd ../mcp-servermvn spring-boot:run# 2. 启动 MCP Client（端口 8081）cd mcp-client-demomvn spring-boot:run

# 测试 1：本地工具调用（天气查询）curl -X POST "http://localhost:8081/api/chat" \  -d "message=北京今天天气怎么样"# 测试 2：MCP 工具调用（订单查询）curl -X POST "http://localhost:8081/api/chat" \  -d "message=帮我查一下订单 ORD-1001 的状态"# 测试 3：多工具调用（本地 + MCP）curl -X POST "http://localhost:8081/api/chat" \  -d "message=先查一下北京天气，再帮我看看 ORD-1002 订单发货没"# 测试 4：流式对话curl -X POST "http://localhost:8081/api/chat/stream" \  -d "message=今天适合外出吗？"# 测试 5：SSE 流式对话（浏览器可直接访问）curl -X GET "http://localhost:8081/api/chat/sse?message=上海天气怎么样"# 测试 6：基于角色的对话（客服助手角色）curl -X POST "http://localhost:8081/api/role/chat" \  -d "roleId=1&message=北京天气怎么样"# 测试 7：基于角色的对话（财务助手角色）curl -X POST "http://localhost:8081/api/role/chat" \  -d "roleId=2&message=订单 ORD-1001 发货没"

用户：北京今天天气怎么样AI：北京今天天气晴朗，温度 18°C，湿度 45%，风速 12 km/h。天气不错，适合外出！

用户：帮我查一下订单 ORD-1001 的状态AI：订单 ORD-1001 购买的是 iPhone 16 Pro，当前状态为"已发货"，预计 2 天后送达，价格 8999.00 元。

用户：先查一下北京天气，再帮我看看 ORD-1002 订单发货没AI：北京今天多云，温度 22°C。订单 ORD-1002（MacBook Air M3）当前状态为"处理中"，预计 5 天后送达。

2025-06-06 10:30:15.123 DEBUG [main] i.m.client.McpSyncClient : Initializing MCP client...2025-06-06 10:30:15.456 DEBUG [main] i.m.client.McpSyncClient : Connected to server: business-server v1.0.02025-06-06 10:30:15.789 DEBUG [main] i.m.client.McpSyncClient : Connected to server: filesystem-server v1.0.02025-06-06 10:30:16.123 DEBUG [main] i.m.client.McpSyncClient : Connected to server: payment-server v1.0.02025-06-06 10:30:16.456 DEBUG [main] i.m.client.McpSyncClient : Discovered tools: [getWeather, getOrderStatus, listFiles, processPayment]2025-06-06 10:30:16.789 INFO  [main] c.e.m.config.ChatConfig : Registered local tool: local_weather_query2025-06-06 10:30:20.123 INFO  [http-nio-8081-exec-1] c.e.m.service.ChatService : 用户消息: 北京今天天气怎么样2025-06-06 10:30:21.456 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : === 工具调用开始 ===2025-06-06 10:30:21.456 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : 工具名称: local_weather_query2025-06-06 10:30:21.456 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : 工具参数: {city=北京}2025-06-06 10:30:21.789 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : 工具结果: {city=北京, weatherInfo={temperature=22, condition=晴朗, ...}}2025-06-06 10:30:21.789 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : 耗时: 333ms2025-06-06 10:30:21.789 INFO  [http-nio-8081-exec-1] c.e.m.advisor.ToolCallLoggingAdvisor : === 工具调用结束 ===2025-06-06 10:30:22.123 INFO  [http-nio-8081-exec-1] c.e.m.service.ChatService : AI 回复: 北京今天天气晴朗，温度 22°C...

FROM eclipse-temurin:17-jre-alpineWORKDIR /appCOPY target/mcp-client-demo-1.0.0.jar app.jarEXPOSE 8081ENV MINIMAX_API_KEY=your-api-key-hereENTRYPOINT ["java", "-jar", "app.jar"]

# 构建镜像docker build -t mcp-client-demo:1.0.0 .# 运行容器docker run -d -p 8081:8081 \  -e MINIMAX_API_KEY=your-real-api-key \  --name mcp-client-demo mcp-client-demo:1.0.0

apiVersion: apps/v1kind: Deploymentmetadata:  name: mcp-client-demospec:  replicas: 2  selector:    matchLabels:      app: mcp-client-demo  template:    metadata:      labels:        app: mcp-client-demo    spec:      containers:      - name: mcp-client-demo        image: mcp-client-demo:1.0.0        ports:        - containerPort: 8081        env:        - name: MINIMAX_API_KEY          valueFrom:            secretKeyRef:              name: minimax-secret              key: api-key        - name: SPRING_AI_MCP_CLIENT_CONNECTIONS_BUSINESS-SERVER_URL          value: "http://business-mcp-server/mcp"        - name: SPRING_AI_MCP_CLIENT_CONNECTIONS_FILESYSTEM-SERVER_URL          value: "http://filesystem-mcp-server/mcp"        - name: SPRING_AI_MCP_CLIENT_CONNECTIONS_PAYMENT-SERVER_URL          value: "http://payment-mcp-server/mcp"---apiVersion: v1kind: Servicemetadata:  name: mcp-client-demospec:  selector:    app: mcp-client-demo  ports:  - port: 80    targetPort: 8081  type: ClusterIP---apiVersion: v1kind: Secretmetadata:  name: minimax-secrettype: Opaquedata:  api-key: eW91ci1iYXNlNjQtZW5jb2RlZC1hcGkta2V5