Spring AI + MCP 构建 Java Agent：让 AI 自动调用外部工具完成任务

Spring AI + MCP 构建 Java Agent：让 AI 自动调用外部工具完成任务

背景介绍

随着 AI 技术的飞速发展，大模型不再仅仅是聊天机器人，而是逐渐演变为能够自主执行任务的 AI Agent。对于 Java 开发者而言，如何利用现有的技术栈让 AI 具备调用外部工具（如发布文章、发送通知）的能力，是一个极具价值的探索方向。本文将结合 Spring AI 和 MCP 协议，带你实现一个自动化的 Java Agent。

AI Agent 是什么？

简单来说，AI Agent 是具有感知、规划、行动能力的智能体。

• 普通大模型对话：你问“今天天气怎么样”，它回答“晴天”。它只负责生成文本，不执行操作。
• AI Agent：你问“帮我查一下天气并通知同事”，它不仅回答天气，还会调用“查询天气”工具，再调用“发送邮件”工具，最终完成任务。

核心区别在于 Agent 拥有使用工具的能力，能够将自然语言转化为具体的动作。

Spring AI 与 MCP 的关系

Spring AI 是 Spring 生态中用于构建 AI 应用的框架，它简化了与大模型的交互。MCP (Model Context Protocol) 则是一种标准化的协议，用于连接 AI 模型与外部数据源或工具。

在本文中，我们利用 Spring AI 提供的 ChatClient 作为入口，通过 MCP 协议接入自定义的工具（如 CSDN 发布接口、微信通知接口）。Spring AI 负责调度，MCP 负责标准化地暴露工具，两者结合让 Java 应用轻松获得“手脚”。

Java Agent 调用外部工具的整体流程

1. 定义工具：创建一个 Java 类，实现特定逻辑（如发布文章），并通过 ToolCallbackProvider 将其注册为 AI 可识别的工具。
2. 配置 ChatClient：在 Spring Boot 应用中注入 ChatClient，并将工具提供者注入其中。
3. 触发调用：用户输入指令，ChatClient 分析意图，判断是否需要调用工具。如果需要，它将工具名称和参数发送给大模型，模型返回执行结果，Agent 最终反馈给用户。

项目测试场景说明

为了验证这一流程，我们构建了一个有趣的测试场景：让 AI Agent 自动写一篇关于“Spring AI + MCP”的技术文章，并发布到 CSDN，随后发送微信通知。

代码实现片段

在 Spring Boot 的测试类中，我们可以这样配置：

@SpringBootTest
class AgentTest {

    @Autowired
    private ChatClient chatClient;

    // 假设已注册了 saveArticle 和 weixinNotice 的工具回调
    @Autowired
    private ToolCallbackProvider toolCallbacks;

    @Test
    void testAgentWorkflow() {
        String prompt = "请生成一篇关于 Spring AI 的简短文章，标题为《Java Agent 入门》，标签为Java,Agent。生成后发布到 CSDN，并发送微信通知。";
        
        // ChatClient 会自动解析 prompt，调用 saveArticle 工具，再调用 weixinNotice 工具
        String result = chatClient.prompt()
                .user(prompt)
                .functions(toolCallbacks.getToolCallbacks())
                .call().content();
                
        System.out.println("Agent 执行结果: " + result);
    }
}

在这个场景中，chatClient.call() 会触发内部推理：

1. 生成文章 Markdown 内容和元数据。
2. 调用 saveArticle 工具参数，发布文章。
3. 获取发布后的 URL。
4. 调用 weixinNotice 工具参数，发送通知。

测试过程中可能遇到的问题

1. 工具参数解析错误：AI 可能无法准确提取 JSON 格式的参数。解决方法是使用结构化输出或提供更清晰的工具描述。
2. 网络超时：调用 CSDN 或微信 API 可能因网络问题失败。建议添加重试机制。
3. 权限问题：确保应用拥有调用 CSDN 和微信接口的合法 Token 和权限。

总结

通过 Spring AI 和 MCP 的结合，Java 开发者可以轻易构建出具备“手脚”的智能 Agent。本文展示的“生成-发布-通知”工作流只是一个开始，未来 Agent 可以应用于自动化运维、智能客服、代码生成等更多场景。掌握这一技术，将为你的 Java 应用注入强大的智能化基因。