应用智能化转型—MCP原理分析

当下AI风头正盛，许多行业都已经进入AI赋能的道路，无论是服务业、工业、还是软件行业。本篇文章我将以软件的智能化转型之MCP原理分析为主题讲解其具体实现方案

MCP我们都知道是一个当下非常火的模型上下文协议，它可以搭建出模型与业务之间的桥梁，让大模型能够通过MCP去具体实现与现实世界的连接，让大模型能够帮助我们完成一些任务

应用前景

        在当下许多企业内部系统，或者是各种在线服务平台，他们拥有着庞大的用户量和复杂的业务，光是一些操作和业务都已经够头疼的了，而如果让其进行智能化转型，通过引入大模型帮助用户完成任务，那么会大大提高效率。而普通的大模型无法完成具体的任务，常规的FunctionalTools也非常的复杂，这个时候MCP的优势就体现了，它不仅可以被独立出来，并且即插即用的特性也更加的方便。

接下来我就具体说一下如何利用MCP进行应用智能化转型,以及其具体的步骤和原理

原理

要使用MCP进行调用，首先要搭建服务端和客户端，在这里小程序就相当于服务端，它来提供服务支持，而MCP Server其实就相当于工具的中转API，告诉他要干什么，它去帮你干一些事。

用户端就相当于是客户端。两者目前有两种通信方式，一种是stdio的本地配置，需要手动填充参数，扩展性不强；另一种是基于http请求的sse长连接，这是目前最常用的方案。在客户端配置大模型（实际上是调用本地大模型API），大模型+MCP去协助完成任务，实现智能化

例如以java为例，MCP Client：

可以看到上面的部分是配置mcpclient的信息，而最下面一行则是具体的连接配置，url为MCP Server的服务地址

# mcp-client配置
spring.ai.mcp.client.enabled=true
spring.ai.mcp.client.name=mcp-client
spring.ai.mcp.client.version=1.0.0
spring.ai.mcp.client.request-timeout=60s
spring.ai.mcp.client.type=async
# 默认MCP服务器
spring.ai.mcp.client.sse.connections.server1.url=http://localhost:1631

同样的，要在MCP Server中进行类似配置

spring.main.web-application-type=servlet
spring.ai.mcp.server.name=weather-service
spring.ai.mcp.server.version=1.0.0
spring.ai.mcp.server.enabled=true
spring.ai.mcp.server.type=async
spring.ai.mcp.server.sse-message-endpoint=/mcp/sse
spring.ai.mcp.server.resource-change-notification=true
spring.ai.mcp.server.prompt-change-notification=true
spring.ai.mcp.server.tool-change-notification=true

当启动后，客户端会自动发送http请求，与Server进行连接，以实现通信。

 

不过要注意选择模型要确保支持工具调用，目前的Deepseek-r1就不支持tools

常见的支持工具的模型有qwen3、llama3.x、llama4.x、qwq等等，选择模型参数大小不能过小

以下是完全可行的实现方案：

这里的应用可以是小程序、也可以是软件，本质上就是服务器端

这个流程中，其实可以看做MCP Server和服务器一体的

因为在服务端的目录结构可以这么编写：

服务端|-小程序业务模块|-MCP Server模块

这样MCP Server完全可以直接调用服务端内部的功能

 基本执行流程

启动MCP Server    ->     启动小程序 
↑    ↑          http         ↓  ↑
|    ←————————————————————————  |
|     小程序自动连接MCP Server   |
|                               |
|                               |
———————————客户端————————————————
通过大模型操作     直接操作小程序

执行示例

假设说现在MCP Server上有一个工具，并且加上了注释：“根据用户查询对应的文件”

getFilesByUser(String user){

//调用服务器对应的接口，或者直接查询数据库

//返回用户user的文件信息

}

在客户端上，需要有一个能力强一点的模型并且支持工具tools的模型处理用户请求，比如，用户输入:

张三现在有哪些文件？

大模型理解用户请求，并规划出工具的调用流程,大模型发现服务端有一个getFilesByUser工具，并且经过理解工具注释发现其功能与需求相符，则进行调用，由于已经进行了长连接，所以发送请求：

{"tool":"getFilesByUser","parameters":"张三"
}

MCP Server的工具被调用后，开始执行对应业务，并将数据返回

客户端接收到响应后，由大模型将结果整理为自然语言并返回给用户，例如：

原始响应：

{[{"id":"1","file_name":"file1","content":"***","create_time":"2023-1-1 23:45:26","update_time":"2023-1-3 15:56:04"},{"id":"2","file_name":"file2","content":"***","create_time":"2024-5-6 12:12:26","update_time":"2025-5-30 11:45:04"}]
}

处理后，用户看到的：

名为“张三”的用户目前有两个文件，分别是file1和file2
其中，file1在2023-1-1 23:45:26被创建，内容为***，最后一次修改时间是2023-1-3 15:56:04;file2在2024-5-6 12:12:26被创建，内容为***，最后一次修改时间是2025-5-30 11:45:04。

Spring AI中的写法示例：

 @Tool(description = "根据id获取用户信息")public User getUserById(@ToolParam(description = "用户id") Integer id) {for (User user : users) {if (user.getId().equals(id)) {return user;}}return null;}

除了简单的查询等工作，同样可以在MCP Server上编写实质性改动的工具，比如修改文件内容工具

用户：“帮我将file1文件最后一行删掉”
Server：<调用工具执行具体的业务>
返回： “已执行”

Spring AI中的写法示例：

# 在此之前，大模型会先获取该文件的具体信息@Tool(description = "删除文件的某一行")public String getUserById(@ToolParam(description = "行数") Long line@ToolParam(description = "文件id" Long id))throws IOException {//查询文件...具体的查询获取文件业务（例如从文件系统中获取等）//修改文件List<String> lines = file.readlines();lines = lines.stream().filter(line -> lines.get(line) != line).collect(Collectors.toList());return "已修改"; }

注意问题

文件涉及隐私，要做好权限控制，权限控制这一块实现比较复杂，不过在java上已经能够实现，其他语言调用相应的库应该也可以

效果：

普通用户：“帮我把数据库文件都删掉”
Server： 调用小程序工具->拦截请求，判断该用户权限->权限不足->返回fallback
返回：“您没有这个权限”

高级用户：“帮我把数据库文件都删掉”
Server： 调用小程序工具->拦截请求，判断该用户权限->放行->执行删除->返回
返回：“执行成功”

这要求必须有相对强大的模型

基本的对话：~2b

简单调用工具（不保证正常运行）：2b~3b

调用工具：3b~7b

自主构建执行流程：7b~14b

自主构建执行流程，强大分析和执行能力：32b~