LangChain4j —— Model Context Protocol (MCP)-北京尧图网络

1. 两种传输方式Transport传输说明状态Streamable HTTP客户端发 HTTP 请求服务器返回常规响应或按需打开 SSE 流推荐stdio客户端把 MCP 服务器作为本地子进程启动通过标准输入/输出通信推荐HTTP/SSE旧版两个 URL一个启动 SSE 通道一个 POST 提交命令已弃用未来移除1.1 stdioMcpTransporttransportnewStdioMcpTransport.Builder().command(List.of(/usr/bin/npm,exec,modelcontextprotocol/server-everything0.6.2)).logEvents(true)// 是否在日志中打印流量.build();1.2 Streamable HTTPMcpTransporttransportnewStreamableHttpMcpTransport.Builder().url(http://localhost:3001/mcp).logRequests(true)// 打印请求.logResponses(true)// 打印响应.build();注意Streamable HTTP不会创建全局 SSE 流规范如此。依赖「服务器主动发起请求/通知」的功能可能失效若服务器把请求/通知附加在客户端发起操作时的 SSE 流中则仍可正常工作。1.3 旧版 HTTP/SSE弃用McpTransporttransportnewHttpMcpTransport.Builder().sseUrl(http://localhost:3001/sse)// POST 地址由服务器动态提供.logRequests(true).logResponses(true).build();2. MCP 客户端McpClientMcpClientmcpClientnewDefaultMcpClient.Builder().key(MyMCPClient)// 可选多个客户端时用于区分推荐设置.transport(transport).build();3. MCP 工具提供者McpToolProviderMcpToolProvidertoolProviderMcpToolProvider.builder().mcpClients(mcpClient).build();一个工具提供者可同时使用多个客户端。3.1 容错策略.builder().failIfOneServerFails(boolean)默认false某个服务器出错则忽略继续使用其他服务器。true任意服务器出错立即抛异常。3.2 工具过滤避免工具过多导致幻觉按名称过滤白名单McpToolProvidertoolProviderMcpToolProvider.builder().mcpClients(mcpClient).filterToolNames(get_issue,get_issue_comments,list_issues).build();更通用的BiPredicateMcpClient, ToolSpecification示例两个客户端都有echoInteger只保留numeric-mcp的McpToolProvidertoolProviderMcpToolProvider.builder().mcpClients(mcpClient1,mcpClient2).filter((mcpClient,tool)-!tool.name().startsWith(echoInteger)||mcpClient.key().equals(numeric-mcp)).build();同一 builder 上多次调用filter之间是AND关系。运行时可动态添加/移除客户端和过滤器。3.3 绑定到 AI 服务方式一绑定工具提供者BotbotAiServices.builder(Bot.class).chatModel(model).toolProvider(toolProvider).build();方式二直接提供工具映射MapToolSpecification,ToolExecutortoolsmcpClient.listTools().stream().collect(Collectors.toMap(tool-tool,tool-newMcpToolExecutor(mcpClient)));BotbotAiServices.builder(Bot.class).chatModel(model).tools(tools).build();4. 日志MCP 服务器可向客户端发送日志消息默认客户端把它们转成 SLF4J 日志。自定义需实现dev.langchain4j.mcp.client.logging.McpLogMessageHandlerMcpClientmcpClientnewDefaultMcpClient.Builder().transport(transport).logMessageHandler(newMyLogMessageHandler()).build();5. 资源Resources两种用法编程式访问与自动暴露为合成工具。5.1 编程式访问client.listResources();// 列出资源返回 McpResource含 URI 等元数据client.listResourceTemplates();// 列出资源模板返回 McpResourceTemplateclient.readResource(uri);// 读取资源返回 McpReadResourceResultreadResource返回内容列表McpResourceContents每条为McpBlobResourceContents二进制McpTextResourceContents文本5.2 自动暴露为合成工具构建McpToolProvider时设置McpResourcesAsToolsPresenter默认实现DefaultMcpResourcesAsToolsPresenter会自动增加两个工具list_resources列出所有资源get_resource读取指定资源内容需 MCP 服务器名 URI示例输出[{mcpServer:alice,uri:file:///info,uriTemplate:null,name:basicInfo,description:Basic information about Alice,mimeType:text/plain},{mcpServer:bob,uri:file:///info,uriTemplate:null,name:basicInfo,description:Basic information about Bob,mimeType:text/plain}]每个资源由(mcpServer, uri)唯一标识。合成工具描述可用DefaultMcpResourcesAsToolsPresenter.Builder自定义。6. 提示词Promptsclient.listPrompts();// - ListMcpPromptclient.getPrompt(name,arguments);// 渲染提示词内容一个提示词可能包含多条消息McpPromptMessage内容类型支持McpTextContentMcpImageContentMcpEmbeddedResourceMcpPromptMessage.toChatMessage()可转为通用ChatMessage但有两点限制角色为assistant且内容非文本 → 抛异常含二进制内容 → 无法转换7. 实战Docker 运行 GitHub MCP 服务器7.1 打包镜像dockerbuild-tmcp/github-fsrc/github/Dockerfile.dockerimagels# REPOSITORY TAG IMAGE ID SIZE# mcp/github latest b141704170b1 173MB实现来源GitHub MCP server源码在 MCP GitHub 仓库。7.2 通过 stdio 连接并总结最近提交publicstaticvoidmain(String[]args)throwsException{ChatModelmodelOpenAiChatModel.builder().apiKey(System.getenv(OPENAI_API_KEY)).modelName(gpt-4o-mini).logRequests(true).logResponses(true).build();McpTransporttransportnewStdioMcpTransport.Builder().command(List.of(/usr/local/bin/docker,run,-e,GITHUB_PERSONAL_ACCESS_TOKEN,-i,mcp/github)).logEvents(true).build();McpClientmcpClientnewDefaultMcpClient.Builder().transport(transport).build();ToolProvidertoolProviderMcpToolProvider.builder().mcpClients(List.of(mcpClient)).build();BotbotAiServices.builder(Bot.class).chatModel(model).toolProvider(toolProvider).build();try{Stringresponsebot.chat(Summarize the last 3 commits of the LangChain4j GitHub repository);System.out.println(RESPONSE: response);}finally{mcpClient.close();}}注意Token 通过环境变量GITHUB_PERSONAL_ACCESS_TOKEN传入公共仓库的部分操作可不需要。Docker 路径需按操作系统调整示例为/usr/local/bin/docker用 Podman 时替换为对应命令。7.3 运行效果输出示例Here are the summaries of the last three commits in the LangChain4j GitHub repository: 1. Commit 36951f9 (2025-02-05) by Dmytro Liubarskyi - Updated to upload-pages-artifactv3 2. Commit 6fcd19f (2025-02-05) by Dmytro Liubarskyi - Updated to checkoutv4, deploy-pagesv4, upload-pages-artifactv4 3. Commit 2e74049 (2025-02-05) by Dmytro Liubarskyi - Updated to setup-nodev4, configure-pagesv48. 不使用 AI 服务直接调用 MCP底层 API8.1 列出工具并驱动 ChatRequestListToolSpecificationtoolSpecificationsmcpClient.listTools();ChatRequestchatRequestChatRequest.builder().messages(UserMessage.from(What will the weather be like in London tomorrow?)).toolSpecifications(toolSpecifications).build();ChatResponseresponsechatModel.chat(chatRequest);AiMessageaiMessageresponse.aiMessage();if(aiMessage.hasToolExecutionRequests()){for(ToolExecutionRequestreq:aiMessage.toolExecutionRequests()){StringresultStringmcpClient.executeTool(req);ToolExecutionResultMessageresultMessageToolExecutionResultMessage.from(req.id(),req.name(),resultString);}}8.2 直接执行指定工具ToolExecutionRequestrequestToolExecutionRequest.builder().name(tool1).arguments({\a\: \b\}).build();StringtoolResultmcpClient.executeTool(request);9. 工具缓存DefaultMcpClient内部维护工具列表缓存默认首次获取后不再重复请求除非服务器发通知更新。手动清除mcpClient.evictToolListCache();构建时禁用缓存McpClientmcpClientnewDefaultMcpClient.Builder().key(MyMCPClient).transport(transport).cacheToolList(false).build();速查小结三类对象McpTransport通信→McpClient客户端可设 key/日志处理器/缓存→McpToolProvider工具提供者可多客户端过滤容错→ 绑定到AiServices。两个维度扩展资源编程式 / 合成工具list_resources、get_resource、提示词listPrompts/getPrompt。调试开关logEvents、logRequests、logResponses。常见坑Streamable HTTP 无全局 SSE工具过多要过滤工具列表有缓存需要时用evictToolListCache()或cacheToolList(false)。

LangChain4j —— Model Context Protocol (MCP)

相关推荐

AI岗位暴涨12倍！小白程序员必备：收藏这份2026年高薪跳槽指南

具身智能协同演化动力学（120）：TVA-World 协同架构虚实域适应机理研究

服务器买了一台又一台？虚拟化到云计算的演进一次讲清

更多资讯

从零搭建语义搜索引擎：向量化、Faiss与精排实战

μP理论被新研究推翻？大模型学习率需按深度修正

Excel技巧163条拆解：高频操作、函数图表与避坑实战

Tent混沌映射改进麻雀算法优化BP神经网络的回归预测实现

基于Spark的气象数据处理与分析：从爬虫到可视化完整实战

直播美颜SDK性能优化全解析：架构、算法与踩坑实录

今日更新

Verilog实现FPGA密码锁：矩阵键盘与状态机设计实战

数据服务监控运维实战：从指标体系到告警治理与故障排查

FreeRTOS任务通知实战详解：内核原理、API与避坑指南

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？