205-Spring AI Model Context Protocol 功能：Brave Search 功能完整案例

Ne0inhk

— 7 min read
205-Spring AI Model Context Protocol 功能：Brave Search 功能完整案例

本案例演示如何创建一个 Spring AI Model Context Protocol (MCP) 客户端，该客户端与 Brave Search MCP 服务器通信。应用程序展示了如何构建一个 MCP 客户端，通过对话界面实现与 Brave Search 的自然语言交互，允许您通过对话界面执行互联网搜索。本示例使用 Spring Boot 自动配置通过配置文件设置 MCP 客户端。

运行时，应用程序通过询问特定问题来演示 MCP 客户端的功能："Spring AI 是否支持 Model Context Protocol？请提供一些参考资料。"MCP 客户端使用 Brave Search 查找相关信息并返回全面答案。提供响应后，应用程序退出。

1. 案例目标

我们将创建一个展示以下功能的 Spring Boot 应用：

  1. MCP 客户端配置：通过配置文件设置与 Brave Search MCP 服务器的连接。
  2. 自然语言搜索：通过对话界面实现互联网搜索功能。
  3. 自动查询执行：应用程序启动时自动执行预设问题，展示 MCP 客户端的功能。

2. 技术栈与核心依赖

  • Spring Boot 3.4.5
  • Spring AI 1.1.0-SNAPSHOT
  • Spring AI MCP Client (用于连接 MCP 服务器)
  • Spring AI OpenAI (用于处理自然语言交互)
  • Maven (项目构建工具)

在 pom.xml 中，你需要引入以下核心依赖：

<dependencies> <!-- Spring Boot 启动器 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter</artifactId> </dependency> <!-- Spring AI OpenAI 模型启动器 --> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-openai</artifactId> </dependency> <!-- Spring AI MCP 客户端启动器 --> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-client</artifactId> </dependency> </dependencies> <!-- 添加 Spring AI BOM 进行版本管理 --> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.1.0-SNAPSHOT</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

3. 项目配置

在 src/main/resources/application.properties 文件中，配置你的 OpenAI API Key 和 MCP 客户端设置。

debug=true spring.application.name=mcp spring.main.web-application-type=none # OpenAI API Key 配置 spring.ai.openai.api-key=${OPENAI_API_KEY} # MCP 客户端配置 spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json # 日志配置 logging.level.root=INFO logging.level.org.springframework.ai.mcp=WARN logging.level.org.springframework.ai.mcp.client.transport.StdioClientTransport=WARN logging.level.org.springframework.ai.mcp.samples.brave=INFO logging.level.io.modelcontextprotocol.client=WARN logging.level.io.modelcontextprotocol.spec=WARN

重要提示：请将 OPENAI_API_KEY 环境变量设置为你从 OpenAI 获取的有效 API Key。

4. MCP 服务器配置

在 src/main/resources/mcp-servers-config.json 文件中，配置 Brave Search MCP 服务器：

{ "mcpServers": { "brave-search": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-brave-search" ], "env": { } } } }

此配置：

  • 通过 npx 使用 Brave Search MCP 服务器
  • Brave API 密钥通过环境变量传递
  • 初始化与服务器的同步连接

5. 编写 Java 代码

5.1 Application.java

主应用程序类，配置 ChatClient 并执行预设问题。

package org.springframework.ai.mcp.samples.brave; import java.util.List; import io.modelcontextprotocol.client.McpSyncClient; import org.slf4j.Logger; import org.slf4j.LoggerFactory; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.mcp.SyncMcpToolCallbackProvider; import org.springframework.boot.CommandLineRunner; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; import org.springframework.context.annotation.Bean; @SpringBootApplication public class Application { private static final Logger logger = LoggerFactory.getLogger(Application.class); public static void main(String[] args) { SpringApplication.run(Application.class, args).close(); } @Bean public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, List<McpSyncClient> mcpSyncClients) { return args -> { var chatClient = chatClientBuilder .defaultToolCallbacks(new SyncMcpToolCallbackProvider(mcpSyncClients)) .build(); String question = "Does Spring AI supports the Model Context Protocol? Please provide some references."; logger.info("QUESTION: {}\n", question); logger.info("ASSISTANT: {}\n", chatClient.prompt(question).call().content()); }; } }

代码解析

这段代码的主要功能：

  • 应用程序入口：标准的 Spring Boot 应用程序入口点。
  • ChatClient 配置：使用 SyncMcpToolCallbackProvider 配置 ChatClient，使其能够使用 MCP 工具回调。
  • 预设问题执行：在应用程序启动时，自动执行一个关于 Spring AI 是否支持 Model Context Protocol 的问题。
  • 日志记录：记录问题和 AI 助手的回答。

6. 运行与测试

6.1 前置条件

  • Java 17 或更高版本
  • Maven 3.6+
  • npx 包管理器
  • Git
  • OpenAI API 密钥
  • Brave Search API 密钥（在 https://brave.com/search/api/ 获取）

6.2 设置步骤

构建应用程序：

./mvnw clean install

设置 API 密钥：

export OPENAI_API_KEY='your-openai-api-key-here' export BRAVE_API_KEY='your-brave-api-key-here'

克隆仓库：

git clone https://github.com/spring-projects/spring-ai-examples.git cd model-context-protocol/brave

安装 npx：首先确保安装 [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，然后运行：

npm install -g npx

6.3 运行应用程序

使用 Maven 运行应用程序：

./mvnw spring-boot:run

应用程序将执行一个查询，询问 Spring AI 是否支持 Model Context Protocol。它使用 Brave Search MCP 服务器在互联网上搜索相关信息，通过 MCP 客户端处理结果，并在退出前提供详细回答。

7. 工作原理

7.1 MCP 客户端配置

MCP 客户端通过配置文件进行配置：

application.properties：

spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json

mcp-servers-config.json：

{ "mcpServers": { "brave-search": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-brave-search" ], "env": { } } } }

7.2 聊天集成

ChatClient 在 Application 类中配置了 MCP 工具回调：

var chatClient = chatClientBuilder .defaultToolCallbacks(new SyncMcpToolCallbackProvider(mcpSyncClients)) .build();

此设置允许 AI 模型：

  • 理解何时使用 Brave Search
  • 适当地格式化查询
  • 处理搜索结果并将其整合到回答中

8. 集成测试

项目包含一个集成测试，用于验证应用程序是否正常工作：

8.1 ExampleInfo.json

{ "timeoutSec": 300, "successRegex": [ "Does Spring AI supports the Model Context Protocol", "QUESTION:", "ASSISTANT:", "Spring AI.*Model Context Protocol" ], "requiredEnv": [ "OPENAI_API_KEY", "BRAVE_API_KEY" ], "setupCommands": [] }

8.2 RunBrave.java

///usr/bin/env jbang "$0" "$@" ; exit $? //DEPS org.zeroturnaround:zt-exec:1.12 //DEPS com.fasterxml.jackson.core:jackson-databind:2.17.1 //JAVA 17 //FILES ExampleInfo.json //SOURCES ../../../integration-testing/jbang-lib/IntegrationTestUtils.java /* * Integration test launcher for brave * Refactored to use centralized utilities */ public class RunBrave { public static void main(String... args) throws Exception { IntegrationTestUtils.runIntegrationTest("brave"); } }

9. 实现思路与扩展建议

9.1 实现思路

本案例的核心思想是"通过 MCP 协议连接 AI 模型与外部工具"。我们：

  • 使用标准协议：通过 Model Context Protocol (MCP) 连接 AI 模型与 Brave Search 工具。
  • 自动配置：利用 Spring Boot 的自动配置功能，通过配置文件轻松设置 MCP 客户端。
  • 工具回调：通过 SyncMcpToolCallbackProvider 将 MCP 工具集成到 ChatClient 中。

9.2 扩展建议

  • 多 MCP 服务器：可以配置多个 MCP 服务器，使 AI 模型能够访问更多工具和服务。
  • 自定义工具：开发自定义 MCP 服务器，提供特定领域的工具和功能。
  • 异步处理：使用异步 MCP 客户端，提高应用程序的响应性能。
  • Web 界面：添加 Web 界面，使用户能够直接与 AI 模型进行交互，而不仅仅是预设问题。
  • 错误处理：增强错误处理机制，处理 MCP 服务器连接失败或 API 限制等情况。

Read more

《C/C+++ Boost 轻量级搜索引擎实战：架构流程、技术栈与工程落地指南——构造正/倒排索引（中篇）》

《C/C+++ Boost 轻量级搜索引擎实战：架构流程、技术栈与工程落地指南——构造正/倒排索引（中篇）》

前引：这是一个聚焦基础搜索引擎核心工作流的实操项目，基于 C/C++ 技术生态落地：从全网爬虫抓取网页资源，到服务器端完成 “去标签 - 数据清洗 - 索引构建” 的预处理，再通过 HTTP 服务接收客户端请求、检索索引并拼接结果页返回 —— 完整覆盖了轻量级搜索引擎的端到端逻辑。项目采用 C++11、STL、Boost 等核心技术栈，搭配 CentOS 7 云服务器 + GCC 编译环境（或 VS 系列开发工具）部署，既适配后端工程的性能需求，也能通过可选的前端技术（HTML5/JS 等）优化用户交互，是理解搜索引擎底层原理与 C++ 工程实践的典型案例 目录 【一】Jieba分词工具 【二】正/倒排索引结构设计

By Ne0inhk
【C++指南】类和对象（十）：const成员函数

【C++指南】类和对象（十）：const成员函数

💓 博客主页：倔强的石头的ZEEKLOG主页             📝Gitee主页：倔强的石头的gitee主页             ⏩ 文章专栏：《C++指南》                                   期待您的关注 目录 引言 一、const成员函数的定义与语法 1. 基本语法 2. 底层原理 二、const成员函数的作用与约束 1. 保障数据安全 2. 与const对象的关系 三、特殊场景与进阶技巧 1. mutable关键字 2. 函数重载 3. 权限传递规则 四、最佳实践与常见误区 1. 编码规范建议 2. 易错点分析 五、总结 引言 在C++中，const成员函数是面向对象编程中保障数据安全性的重要机制。它通过限制函数对类成员的修改权限，提升代码的健壮性和可维护性。 本文将结合代码示例，从语法、原理到实际应用场景，全面解析const成员函数的核心要点。   一、const成员函数的定义与语法

By Ne0inhk

多态（C++）

一、（1）编译时（静态）  函数重载，函数模板 （2）运行时（动态）    重点 二、多态的定义及实现 1.构成条件 多态是一个继承关系下的类对象，去调用同一函数，产生不同的行为 1.1必须重要条件 a.必须是基类（父类）的指针或引用调用函数 b.被调用的函数必须是虚函数 其中基类的virtual可以不写，但是不建议，而且这也是考试的埋坑处 1.2虚函数的重写/覆盖：基类中有一个跟派生类完全相同的虚函数（即返回值类型，函数名字，参数列表（指类型int，char...））也称三同 接下来我们看一道知道答案想给面试官背后来个板砖的题 这里按照常规思路，调用test（），而父子类func构成多态（与参数的值无关，类型相同即可）， 那么大部分人都会觉得是A->1，这就调到的出题人的坑里，这就考验大家在平时对于细节的掌握，其实构成多态是形成如下的函数

By Ne0inhk