在 AI 应用开辟从“单机对话”迈向“群体智能（Agent）”的当下，MCP（Model Context Protocol） 协定的出现，为大年夜模型连接外部世界同一了“插座”。
但，当 Anthropic 的 MCP 协定火遍 AI 圈时，很多 Java 开辟者看了一眼官方 SDK 的情况请求（Java 17+）便望而却步。难道 Java 8、Java 11 的老项目注定要与 AI Agent 时代无缘吗？
Solon-AI 给出了截然不合的谜底。 在这里，开辟一个标准的 MCP Server，不须要你去研究复杂的 JSON-RPC 通信逻辑，也不须要进级你的 JDK。只须要几个注解，就像写通俗的 Web 控制器一样简单。
一、 为什么 Java 开辟者须要 MCP？
在 MCP 出现之前，固然各大年夜模型都支撑 Tool Call，但因为缺乏同一标准，开辟者不得不针对不合厂商编写互不兼容的私有接口适配代码。MCP 的出现，为模型与对象之间建立了一套通用的“通信说话”。
MCP 彻底改变了游戏规矩：
- 一次编写，到处运行：你写的 MCP Server 可以同时给 Claude Desktop、IDE 或你本身的 Solon 应用应用。
- 生态复用：GitHub 上现成的 Python/Node.js MCP 对象，Java 开辟者如今可以经由过程 Solon-AI 的 McpClient 刹时“拿来主义”。
二、 Solon-AI：为 MCP 而生的 Java 框架
Solon-AI 是 Java 生态中率先深度集成 MCP 协定的开辟框架。它不仅简化了办事端的构建，更经由过程高度抽象的客户端接口，让 Java 运器具备了强大年夜的 AI 整合才能。
核心依附：
<dependency> <groupId>org.noear</groupId> <artifactId>solon-ai-mcp</artifactId></dependency>1. 像写 Controller 一样写 Mcp Server
@McpServerEndpoint(name = "it-tools", channel = McpChannel.STREAMABLE, mcpEndpoint = "/mcp")public class MyMcpServer { @ToolMapping(description = "查询办事器负载") public String getServerLoad(@Param("serverId") String id， @Header("token") String token) { return "Server " + id + " load is 15%"; }}提示：启动项目后，即可应用 McpClientProvider 或 Claude Desktop 连接端点进行测试。
2、除了注解开辟外，支撑“动态构建”：
对于须要动态加载对象的场景，Solon-AI 供给了灵活的 Builder 模式，支撑在运行时编排 AI 技能。
@Configurationpublic class McpServerConfig { @Bean("mcp-weather") public McpServerEndpointProvider serverEndpoint() { McpServerEndpointProvider serverEndpoint = McpServerEndpointProvider.builder() .name("mcp-weather") .channel(McpChannel.STDIO) .build(); FunctionToolDesc weatherTool = new FunctionToolDesc("get_weather") .description("获取指定城市的气象情况") .stringParamAdd("location", "根据用户提到的地点推想城市") .doHandle(map -> { return "24度"; }); serverEndpoint.addTool(new MethodToolProvider(weatherTool)); return serverEndpoint; }}3、强大年夜的协定代理转换
这是 Solon-AI 的一大年夜绝活：支撑跨协定代理。例如，你可以将本地运行的 STDIO 对象经由过程 Solon 包装，转为更合适集群安排的 STREAMABLE_STATELESS（无状况流）传输。
@McpServerEndpoint(channel = McpChannel.STREAMABLE_STATELESS, mcpEndpoint = "/mcp")public class McpServerTool implements ToolProvider { private McpClientProvider stdioToolProvider = McpClientProvider.builder() .channel(McpChannel.STDIO) //表示应用 stdio .command("npx") .args("-y", "@gitee/mcp-gitee@latest") .addEnvVar("GITEE_API_BASE", "https://gitee.com/api/v5") .addEnvVar("GITEE_ACCESS_TOKEN", "" ) .build(); @Override public Collection getTools() { return stdioToolProvider.getTools(); }} 4、支撑“反向通信”，比如：Sampling 采样
MCP 不仅仅是“模型调对象”，还支撑“对象调模型”。Solon-AI 完全支撑了 Sampling（采样） 才能，许可办事端在履行对象时，反向请求客户端协助处理。
//客户端public class SamplingClientDemo { public void test() { McpClientProvider clientProvider = McpClientProvider.builder() .url("http://localhost:8080/mcp") .customize(spec -> { spec.capabilities(McpSchema.ClientCapabilities.builder().sampling().build()); spec.sampling(req -> Mono.just(McpSchema.CreateMessageResult.builder() .content(new McpSchema.TextContent("test")) .build())); }) .build(); clientProvider.callToolAsText("demo", Utils.asMap("a", 1)) .getContent(); }}//办事端@McpServerEndpoint(channel = McpChannel.STREAMABLE, mcpEndpoint = "/mcp")public class SamplingServerDemo { //可以注入 exchange（实现反向通信：办事端向客户端请求） @ToolMapping(description = "复杂义务拆解") public Mono demo(McpAsyncServerExchange exchange) { // 办事端向客户端请求 AI 采样决定计划 return exchange.createMessage(McpSchema.CreateMessageRequest.builder() .messages(Collections.singletonList(McpSchema.PromptMessage.builder() .role(McpSchema.Role.USER) .content(new McpSchema.TextContent("请帮我拆解这个义务...")) .build())) .build()); }} 5. “三合一”的超等客户端
经由过程 Solon AI Skills 的智能路由，你可以避免模型因对象过多而产生幻觉，同时注入本地营业指令。
在临盆情况下，连接的稳定性与响应速度至关重要：
- 自愈才能：内置心跳检测（Ping），链路断开主动重连，确保 Agent 永不掉联。
- 高机能缓存：支撑对象列表与资本元数据缓存，削减收集开销，让 AI 响应“秒开”。
- 多通道支撑：无论是跨过程的 STDIO 模式，照样跨收集的 STREAMABLE 模式，Solon-AI 都能丝滑切换。
- Skill 赋能：经由过程 MCP 获取的原语可直接转化为 Solon AI Skills，构建高度模块化的 Agent 技能树。
四、借助 Skills 实现智能加载（智能分发）
McpClientProvider 实现了 Solon AI 体系内的 ToolProvider、ResourceProvider 和 PromptProvider。这意味着：连接一个 Server，即刻获得全量 AI 才能包。
McpClientProvider clientProvider = McpClientProvider.builder() .channel(McpChannel.STREAMABLE) .url("http://localhost:8080/mcp") .build();//获取所有对象原语clientProvider.getTools();//获取所有模板原语clientProvider.getResources();//获取所有资本模板原语clientProvider.getResourceTemplates();//获取所有提示词原语clientProvider.getPrompts();在 Solon-AI 中，你不须要研究复杂的 JSON-RPC 协定，也不须要手撸难以保护的原生 MCP Java SDK 代码。经由过程 @ToolMapping、@ResourceMapping 和 @PromptMapping，你可以将任何 Java 办法快速改变为 AI 可识其余对象。
为 ChatModel 赋能：
ChatModel chatModel = ChatModel.of(apiUrl) .defaultToolAdd(clientProvider) // 添加为默认对象 .build(); ReActAgent agent = ReActAgent.of(chatModel);为 ReActAgent 赋能：
ChatModel chatModel = ChatModel.of(apiUrl) .build(); ReActAgent agent = ReActAgent.of(chatModel) .defaultToolAdd(clientProvider) //添加为默认对象 .build();三、临盆级的稳健性
import org.noear.solon.ai.chat.skill.Skill;import org.noear.solon.ai.chat.skill.SkillDesc;import org.noear.solon.ai.mcp.McpChannel;import org.noear.solon.ai.mcp.client.McpClientProvider;public class McpSkillDemo { public void test() { // 1. 创建 MCP 客户端，从远端获取对象生态 // 这里假设远端 Server 供给了如 "restart_server", "query_log" 等运维对象 McpClientProvider devopsMcpProvider = McpClientProvider.builder() .channel(McpChannel.STREAMABLE) .url("http://devops-center:8080/mcp") .build(); // 2. 应用 SkillDesc 将 MCP 对象集包装成一个“智能运维技能” Skill devopsSkill = SkillDesc.builder("devops-skill") .description("高等运维治理技能，支撑办事器状况查询与故障处理") // 智能分发：只有当用户提问包含“办事器”、“重启”、“日记”时才激活此技能 .isSupported("办事器", "重启", "日记", "负载") // 动态指令：为技能注入特别的 System Prompt 引导 .instruction(prompt -> { return "你如今是一名高等架构师。在履行重启操作前，请务必确认操作人的权限。"; }) // 挂载对象：核心一步！直接将 MCP 获取的所有对象注入到该技能中 .toolAdd(devopsMcpProvider) // 钩子函数：当技能被挂载到会话时触发逻辑（如：记录审计日记） .onAttach(prompt -> { System.out.println("检测到运维相干指令，DevOps 技能已就绪..."); }) .build(); // 3. 应用技能：将技能交给 Agent ChatModel chatModel = ChatModel.of(apiUrl).build(); ReActAgent agent = ReActAgent.of(chatModel) .defaultSkillAdd(devopsSkill) // 添加包装后的技能 .build(); // 此时 Agent 只有在聊到运维话题时，才会经由过程 MCP 协定去调用对应的远端对象 agent.prompt("帮我查一下 server-01 的负载情况").call(); }}五、 Solon-AI + MCP 的典范场景
场景 A：企业私稀有据助手
经由过程 Solon-AI 构建一个 MCP Server，将企业的 ERP、CRM 体系经由过程 @ResourceMapping 裸露。AI 助手可以直接读取及时营业数据，而无需你手动编写复杂的数据抓取逻辑。
场景 B：跨说话对象链整合
你的团队可能有效 Python 写的算法脚本，如今只需将其包装成一个 MCP Server，Solon-AI 的客户端就能经由过程标准协定调用它，打破 Java 与 Python 的隔离。
场景 C：智能 IDE 与本地主动化
应用 Solon-AI 的 STDIO 通道，你可以编写 Java 法度榜样作为本地插件，直接接入 Claude Desktop 或其他支撑 MCP 的编辑器，实现用天然说话操控本地体系。
六、 开启你的 MCP 之旅
Solon-AI 不仅仅是在追赶趋势，它正在从新定义 Java 开辟 AI 应用的体验。轻量、强大年夜、兼容 Java 8 到 Java 25，这就是 Solon-AI。
发表评论 取消回复