天津北辰做网站湖南营销型网站建设团队
引言
\quad 在AI与大数据深度融合的今天，企业面临一个核心矛盾：业务人员需要即时数据洞察，却受限于SQL技能门槛。传统解决方案依赖IT部门手工编写查询，响应周期长、沟通成本高。尽管DeepSeek等大模型展现出极强的自然语言理解能力，但也一直难以直接与企业级数据库（如达梦）结合使用，更难以根据企业自身的个性化数据响应用户问题。
\quad 直到MCP协议的出现，AI模型与业务系统的交互才有了一套标准化的框架，使得AI+数据的开发形式愈发简单，本文，犬余就分享一下如何通过MCP server+Deepseek的形式来打造一套简单易用的问答体系。
架构说明
\quad 为了适应大部分企业以及项目的框架，犬余使用了JAVA17来开发MCP server，JAVA开发MCP server+client的整体架构可以参考下图：
\quad 本次开发，犬余决定先以最简方式实现基础功能，先把效果实现出来，所以我选择了DeepChat来替代Application和MCP Client两个角色，并用DeepSeek的API来完成大模型的工作，所以我们只需要完成MCP Server的开发即可：
MCP server开发
\quad 下面，我们来完成MCP server的开发：
\quad 首先新建一个空的Maven项目，并在pom文件中引入“spring-ai-starter-mcp-server-webflux”包，下面是完整的pom文件以供参考：
\quad 新建DatabaseMetadataService类，用来实现我们的两个核心工具：获取数据库全部库表结构以及sql执行工具，这里要注意的是注解“org.springframework.ai.tool.annotation.Tool”，设置了该注解的方法注册为MCP server的工具，其中的description属性为该工具（tool）的描述，大模型将根据这个属性来判断每个工具的作用：
\quad 通过在启动类中添加Bean来将服务暴露出去：
\quad 经过上面两步，就完成了MCP server的开发工作，是不是很简单？下面是我的代码的完整结构：
\quad 最后，启动服务，可以看到，我们的两个服务已经注册好了：
DeepChat配置
\quad DeepChat 是一款基于多模型云服务的智能对话系统，支持DeepSeek、OpenAI等主流AI模型，旨在提供高效、灵活的自然语言交互体验，选择DeepChat的原因在于其良好的技术整合能力与用户体验。DeepChat应用大家可以自行下载安装，这里不再赘述。（官方下载：https://deepchat.thinkinai.xyz/#/download）
\quad 安装并打开DeepChat后，依次点击“设置”->“MCP设置”->“添加服务器”：
\quad 在弹出的页面中直接点击“跳过至手动配置”：
\quad 输入相关配置并点击提交，这里服务器类型要选择SSE，基础URL填写“http://localhost:8080/sse”即可，其中8080 为我们的MCP server启动端口：
\quad 最后点击“运行”图表，即可启动MCP client：
\quad 这时，我们点击上方的“工具”页签，可以看到我们的MCP tools已经可以测试了：
\quad 配置好MCP之后我们还要按照下图来配置DeepSeekAPI信息，API key需要自行获取，不知道如何获取的可以留言讨论，其他字段按照下图依次填写即可：
\quad 最后，在聊天页面，我们可以点击锤子图标启用MCP并开启我们的MCP服务，再选择对话模型为deepseek-reasoner就可以使用啦~
测试结果
\quad 下面是犬余自己的一些测试结果，这里需要注意的是，由于在调用工具时会对参数进行正则校验，所以如果sql中出现星号‘*’时，会有报错：
\quad 但没关系，我们可以通过设计一下提示词来规避这种情况：
\quad 这样提问虽然看起来比较奇怪，但如果我们自己来实现MCP client的话，完全可以通过代码来在用户的问题上进行拼接，这样用户就可以随意提问而不用再关注星号‘*’的问题啦~
结语
\quad 以上，就是本次分享的全部内容啦，不知道对朋友们有没有帮助呢？如果对文章内容有任何疑问或意见，欢迎在评论区留言讨论。
\quad 同时，我将继续探索本地化DeepSeek模型的接入以及MCP client的开发，以求实现完全独立的可以内网部署使用的企业级落地方案。 欢迎大家继续关注犬余后续的分享，再见~