从0到1，带你轻松踏入MCP实战大门

<think>我们正在讨论SpringAI中的多模型控制器(MCP)的使用。根据用户的问题，他想要一个使用指南和操作实战教程。我们将结合之前的引用内容，特别是引用[1]中提到的MCPStarter的依赖配置，以及引用[2]中关于环境准备的信息。首先，我们需要明确MCP（Multi-modelController）的作用：它允许开发者在同一个应用中轻松切换和调用不同的AI模型（如DeepSeek、OpenAI等），而无需修改核心业务代码。接下来，我们将按照以下步骤进行：1.环境准备2.添加依赖3.配置MCP和模型API密钥4.编写代码示例5.运行和测试###环境准备根据引用[2]，我们需要：-Java17或更高（推荐Java21）-SpringBoot3.2.x或更高-DeepSeekAPI密钥（或其他支持的模型API密钥）###添加依赖在项目的`pom.xml`中添加MCPStarter依赖（如引用[1]所示）：```xml<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-spring-boot-starter</artifactId><version>1.0.0</version></dependency>```###配置MCP和模型API密钥在`application.yml`（或`application.properties`）中配置MCP和模型。这里以DeepSeek为例：```yamlspring:ai:mcp:enabled:trueproviders:deepseek:api-key:YOUR_DEEPSEEK_API_KEY#其他模型特定配置（可选）#全局配置（可选）```###编写代码示例使用MCP的核心是注入`AiClient`，然后通过它来调用模型。MCP会根据配置自动路由到指定的模型。创建一个简单的控制器：```javaimportorg.springframework.ai.client.AiClient;importorg.springframework.ai.client.AiResponse;importorg.springframework.ai.prompt.Prompt;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;@RestControllerpublicclassAiController{privatefinalAiClientaiClient;publicAiController(AiClientaiClient){this.aiClient=aiClient;}@GetMapping("/ask")publicStringask(@RequestParamStringquestion){Promptprompt=newPrompt(question);AiResponseresponse=aiClient.generate(prompt);returnresponse.getGeneration().getText();}}```###运行和测试启动SpringBoot应用，访问`http://localhost:8080/ask?question=你的问题`，即可看到模型返回的回答。###多模型切换如果想在同一个应用中使用多个模型，可以在配置中指定多个提供者，并在代码中通过`AiClient`的特定方法（如指定模型名称）来调用。例如：```yamlspring:ai:mcp:providers:deepseek:api-key:YOUR_DEEPSEEK_API_KEYopenai:api-key:YOUR_OPENAI_API_KEY```然后在代码中，可以通过设置提示的选项来指定模型：```javaPromptprompt=newPrompt(question,Map.of("model","deepseek"));//或"openai"```###注意事项-确保API密钥正确，并且网络可以访问模型服务。-MCPStarter会自动配置`AiClient`，因此无需手动创建。-详细配置和高级用法可参考SpringAI官方文档。§§相关问题§§1.如何在SpringAI中同时配置多个AI模型提供者？2.如何通过MCP实现模型调用的负载均衡或故障转移？3.在使用DeepSeek模型时，有哪些特殊的配置参数需要注意？</think>### Spring AI 多模型控制器（MCP）使用指南与实战 #### 一、MCP 核心概念 多模型控制器（MCP）是 Spring AI 的核心组件，它提供统一的接口管理多个 AI 模型（如 DeepSeek、OpenAI 等），支持动态切换模型、请求路由和负载均衡。其核心优势在于**解耦业务代码与模型实现**，只需通过标准 API 调用，无需关注底层模型差异[^1]。 #### 二、环境配置（实战步骤） ##### 1. 添加 MCP 依赖 ```xml <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp-spring-boot-starter</artifactId> <version>1.0.0</version> </dependency> ``` ##### 2. 配置模型密钥 在 `application.yml` 中配置 DeepSeek 和其他模型： ```yaml spring: ai: mcp: providers: deepseek: api-key: YOUR_DEEPSEEK_API_KEY # 官网申请 endpoint: https://api.deepseek.com/v1 openai: api-key: sk-xxxxxxxxxxxxxxxx default-provider: deepseek # 设置默认模型 ``` #### 三、代码实战 ##### 场景1：基础对话服务 ```java @RestController public class ChatController { @Autowired private AiClient aiClient; // MCP 自动注入的统一客户端 @PostMapping("/chat") public String generate(@RequestBody String prompt) { // 调用当前激活的模型（默认DeepSeek） return aiClient.generate(prompt); } } ``` **测试请求**： ```bash curl -X POST http://localhost:8080/chat -d "用Java实现快速排序" ``` ##### 场景2：动态切换模型 ```java @Service public class ModelService { @Autowired private ModelRouter modelRouter; public String switchModel(String modelId, String prompt) { // 动态切换到指定模型 AiResponse response = modelRouter.route(modelId) .generate(new Prompt(prompt)); return response.getGeneration().getContent(); } } ``` **调用示例**： ```java switchModel("openai", "解释量子计算"); // 实时切换至OpenAI ``` ##### 场景3：多模型负载均衡 ```yaml # 在配置中启用负载均衡 spring: ai: mcp: routing-strategy: load_balance # 轮询策略 ``` ```java // 自动均衡请求到不同模型 aiClient.generate("多模型负载测试"); ``` #### 四、高级功能 1. **请求拦截器** 自定义预处理逻辑： ```java @Bean public AiClientInterceptor loggingInterceptor() { return (prompt, attributes) -> { System.out.println("发送请求: " + prompt.getContents()); return prompt; }; } ``` 2. **模型性能监控** ```java @Autowired private ModelMetrics modelMetrics; public void printMetrics() { modelMetrics.getProviderStats("deepseek") .forEach((k, v) -> System.out.println(k + ": " + v)); } ``` 输出示例：`response_time_ms: 420 | tokens_used: 1050` #### 五、调试技巧 1. **查看激活模型** ```bash curl http://localhost:8080/actuator/aimodels ``` 2. **强制指定模型** 请求头添加：`X-AI-Provider: openai` > **最佳实践**：生产环境中建议配置**模型降级策略**，当主模型不可用时自动切换备用模型[^2]。