用外卖小哥讲懂 AI Agent：Java 项目里接入 MCP，一键发 CSDN 再微信通知

用外卖小哥讲懂 AI Agent：Java 项目里接入 MCP，一键发 CSDN 再微信通知

一个有趣的开场故事

朋友点外卖：他在 App 下单（想吃麻辣烫），平台派单给商家，商家开火做饭，骑手取餐配送，用户收到“已送达”的通知。整个流程顺滑到让人忘了它的复杂。

AI Agent 到底是什么

AI Agent 不是“会聊天的搜索框”，而是能拆解任务、选择工具、调用外部系统并闭环完成目标的智能体。大模型负责“脑力”，工具负责“体力”，两者协作才有生产力。

用外卖流程类比 Agent 工具调用

• 用户点外卖 → 用户输入需求
• 平台派单 → 大模型理解任务并规划步骤
• 商家接单做饭 → Agent 判断需要调用哪些工具
• 平台查可接单商家 → 通过 ToolCallbackProvider 找到可用工具（菜单）
• 骑手取餐配送 → 通过 MCP 调用外部工具执行
• 餐做好送达 → 工具返回结果
• 给用户发“已送达” → Agent 汇总结果并回复用户

为什么要工具？因为大模型天生“不会下锅炒菜”。它需要“锅铲”——发布文章、发通知、查数据库等外部能力。

Java 项目里的实现思路

• ChatClient：像“任务调度入口”，把用户意图交给大模型，并接收工具回调。
• ToolCallbackProvider：像“工具菜单”，告诉 Agent 什么能点（saveArticle、weixinNotice）。
• MCP：像“统一外卖配送接口”，屏蔽不同工具差异，让调用方式一致。
• saveArticle：像“发布文章服务”，把生成内容上架到 CSDN。
• 微信通知工具：像“订单完成通知”，把结果推送给订阅用户。

一个简短代码片段

@SpringBootTest
class AgentMcpDemoTest {
    @Autowired ChatClient chatClient; // 任务调度入口
    @Autowired ToolCallbackProvider toolProvider; // 工具菜单

    @Test
    void publishAndNotify() {
        String userGoal = "生成技术文章并发布到CSDN，然后发送微信通知";
        ChatResponse resp = chatClient
            .withToolCallbacks(toolProvider) // MCP 注册的 saveArticle、weixinNotice
            .prompt(userGoal);
        // Agent 内部：规划→选工具→MCP 调 saveArticle→取返回URL→再调 weixinNotice
        System.out.println(resp.getResult());
    }
}

测试过程中可能遇到的问题

• 工具未注册：ToolCallbackProvider 未暴露方法名，Agent 找不到“商家”。
• 权限/秘钥错误：MCP 连接或第三方 API 鉴权失败。
• 超时与幂等：发布后重试要检查是否已有文章；通知失败需记录补发。
• 内容校验：标题/描述长度、标签格式、Markdown 语法。

总结

AI Agent 是“会规划的调度中枢”，MCP 是“统一配送接口”，ChatClient 是“入口收单员”，ToolCallbackProvider 是“菜单栏”，saveArticle 是“上架服务”，微信通知是“已送达”。把这套流程跑通，你就从“会问”进阶到“会做”。