实战LangChain4j集成MCP Server：让Java AI应用具备工具调用能力

实战LangChain4j集成MCP Server：让Java AI应用具备工具调用能力

说实话，我之前一直觉得 Java 在 AI 领域的生态不如 Python 。直到最近在项目里真正用上了 LangChain4j 集成 MCP，发现这玩意儿是真的香。今天把踩坑过程记录一下，希望能帮到同样在 Java 生态里折腾 AI 应用的同学。

踩坑背景

最近在做一个智能客服系统，需要 AI 能调用内部的各种 API。之前的方案是用 LangChain4j 的 Tool 注解自己写工具，但维护起来太痛苦了——每次新增一个工具就要改代码。

直到我发现了 MCP（Model Context Protocol）这个玩意儿。它本质上就是一个让 AI 和外部工具交互的协议，而 LangChain4j 居然已经支持了！

MCP 是什么？为什么要用它？

MCP 是 Anthropic提出的一个协议，简单说就是让 AI 应用能标准化地调用外部工具和服务。

以前的做法：

// 每个工具都要手动写@Tool("查询天气")publicStringgetWeather(Stringcity){returnweatherService.query(city);}

有了 MCP 之后：

// 接入 MCP Server，工具自动注册McpClientmcpClient=DefaultMcpClient.builder().transport(newStdioMcpTransport("npx","-y","@modelcontextprotocol/server-filesystem","/path")).build();

工具变成了可插拔的，新增工具只需要部署一个新的 MCP Server，代码基本不用动。

集成实战

1. 引入依赖

Maven 加一下就行：

<dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-mcp</artifactId><version>1.0.0-beta5</version></dependency>

版本要注意，目前是 beta5，API 可能还会有变化。

2. 选择传输协议

MCP 支持三种传输方式：

本地开发用 Stdio 比较多，生产环境建议用 Http。

3. 核心代码

// 1. 创建 MCP ClientMcpClientmcpClient=DefaultMcpClient.builder().transport(newStdioMcpTransport("npx","-y","@modelcontextprotocol/server-filesystem",System.getProperty("user.home"))).build();// 2. 创建 ToolProviderToolProvidertoolProvider=McpToolProvider.builder().mcpClients(mcpClient).build();// 3. 注入到 AI 服务Assistantassistant=AiServices.builder(Assistant.class).toolProvider(toolProvider).chatLanguageModel(OpenAiChatModel.withApiKey("sk-...")).build();// 4. 直接使用Stringresult=assistant.chat("列出当前目录下的文件");

接口定义也很简洁：

interfaceAssistant{Stringchat(Stringmessage);}

4. 多个 MCP Server 怎么办？

项目中往往需要同时连接多个 MCP Server，比如文件系统、GitHub API、数据库等。LangChain4j 支持得很好：

McpClientfilesystem=DefaultMcpClient.builder().transport(newStdioMcpTransport("npx","-y","@modelcontextprotocol/server-filesystem","/tmp")).key("filesystem").build();McpClientgithub=DefaultMcpClient.builder().transport(newHttpMcpTransport(URI.create("http://localhost:8080/mcp"))).key("github").build();ToolProvidertoolProvider=McpToolProvider.builder().mcpClients(filesystem,github).build();

工具会自动合并，调用时不会冲突。

5. 工具过滤

有时候不需要暴露所有工具，可以过滤：

// 只暴露指定名称的工具McpToolProvider.builder().mcpClients(mcpClient).filterToolNames("tool1","tool2").build();// 或者用自定义逻辑McpToolProvider.builder().mcpClients(mcpClient).filter((client,tool)->tool.name().startsWith("custom-")).build();

6. Spring Boot 集成

项目里用的是 Spring Boot，配起来也很方便：

@ConfigurationpublicclassMcpConfiguration{@BeanpublicToolProvidertoolProvider(){McpClientmcpClient=DefaultMcpClient.builder().transport(newStdioMcpTransport("npx","-y","@modelcontextprotocol/server-filesystem","/path/to/directory")).build();returnMcpToolProvider.builder().mcpClients(mcpClient).build();}@BeanpublicAssistantassistant(ToolProvidertoolProvider){returnAiServices.builder(Assistant.class).toolProvider(toolProvider).chatLanguageModel(openAiChatModel()).build();}}

几个坑

1. 超时问题

MCP Server 有时候响应比较慢，特别是文件操作这种 I/O 密集型的。建议调整超时：

DefaultMcpClient.builder().initializationTimeout(Duration.ofSeconds(30)).toolExecutionTimeout(Duration.ofMinutes(2)).build();

2. 异常处理

默认情况下，如果某个 MCP Server 挂了，不会影响其他的：

McpToolProvider.builder().mcpClients(mcpClient).failIfOneServerFails(false)// 默认 false，某个失败不影响其他.build();

如果想让任何一个失败就直接报错，可以设成true。

3. 资源管理

McpClient继承了AutoCloseable，用完记得关：

try(McpClientclient=builder.build()){// 使用 client}

或者在 Spring 里用@PreDestroy销毁。

常用 MCP Server 推荐

目前用下来这几个比较实用：

写在最后

用了一段时间下来，LangChain4j + MCP 这个组合确实香。最大的感受是：工具变成了可插拔的，不用每个工具都写一遍 Tool 注解和实现代码。

当然目前版本还是 beta，API 可能会变，生产环境使用要留意版本更新。

如果也在 Java 里做 AI 应用，强烈建议试试这个方案。有问题欢迎评论区交流。

实测环境：LangChain4j 1.0.0-beta5，OpenAI GPT-4o，Spring Boot 3.x