SpringAI-mcp-sse方式-平芜编程栈

1.什么是SSE

Server-Sent Events 是基于 HTTP 协议的实时单向服务器推送技术，具有轻量级、⾃动重连和事件分类型特点，适⽤于实时数据推送场景。允许服务器主动向客户端（如浏览器）推送实时数据。与传统的轮询或⻓轮询不同， SSE 通过单⼀的持久连接实现数据的实时传输，客户端⽆需频繁发起请求。

2.SSE的特点

单向通信
- SSE 是单向的，服务器可以主动推送数据到客户端，但客户端⽆法直接通过 SSE 向服务器发送数据。
基于 HTTP 协议
- SSE 使⽤标准的 HTTP 协议，⽆需额外的协议或端⼝配置，兼容性好，易于实现。
轻量级
- 相⽐ WebSocket ， SSE 的实现更简单，代码量更少，适合简单的实时数据推送场景。
⾃动重连
- 如果连接断开，浏览器会⾃动尝试重新连接，开发者⽆需⼿动处理重连逻辑。
⽀持事件类型
- 服务器可以发送不同类型的事件，客户端可以根据事件类型执⾏不同的操作。
支持消息 ID
- 每条消息可以包含⼀个唯⼀的 ID ，⽤于断线重连后恢复消息流。

3.SSE工作原理

相⽐传统的请求-响应模式， SSE 提供了⼀种持久连接，允许服务器随时向客户端发送事件和数据，实现了实时性的消息传递。 SSE 的⼯作原理⾮常简单直观。客户端通过与服务器建⽴⼀条持久化的 HTTP 连接，然后服务器使⽤该连接将数据以事件流（event stream）的形式发送给客户端。这些事件流由多个事件（ event ）组成，每个事件包含⼀个标识符、类型和数据字段。客户端通过监听事件流来获取最新的数据，并在接收到事件后进⾏处理。

4.SSE应用场景

服务端想主动向客户端发送回音

5.搭建服务器

5.1导依赖

<dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId> </dependency> </dependencies>

5.2书写配置

server: port: 8011 spring: application: name: ai-mcp-sse-server ai: mcp: server: name: ai-mcp-sse-server sse-message-endpoint: /mcp/city

5.3开发工具

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server.service; import org.springframework.stereotype.Service; @Service public interface CityService { String city(); }

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server.service.impl; import com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server.service.CityService; import org.springframework.ai.tool.annotation.Tool; import org.springframework.stereotype.Service; @Service public class CityServiceImpl implements CityService { @Tool(description = "中国最宜居的城市",name = "cityService") public String city() { return "青岛：北方宜居标杆，中科院 2024 宜居榜首。属于温带海洋性气候，四季分明，湿度适中。海岸线长达 817 公里，绿化覆盖率达 41%，空气优良率常年超 92%。拥有 12 家三甲医院，以及青岛大学、中国海洋大学等高校，地铁运营里程超 400 公里。"; } }

5.4注册服务

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server.config; import com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server.service.CityService; import jakarta.annotation.Resource; import org.springframework.ai.tool.ToolCallbackProvider; import org.springframework.ai.tool.method.MethodToolCallbackProvider; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class ServiceConfig { @Resource private CityService cityService; @Bean("toolCallbackProvider") public ToolCallbackProvider toolCallbackProvider(){ return MethodToolCallbackProvider.builder().toolObjects(cityService).build(); } }

5.5启动项

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.server; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; @SpringBootApplication public class AiSiliconflowGlmMcpSseServerApplication { public static void main(String[] args) { SpringApplication.run(AiSiliconflowGlmMcpSseServerApplication.class,args); } }

6.搭建客户端

6.1导依赖

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-openai</artifactId> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-client</artifactId> </dependency> </dependencies>

6.2配置文件

server: port: 8012 spring: application: name: ai-siliconflow-glm-mcp-sse-client ai: openai: base-url: https://api.siliconflow.cn api-key: 你的轨迹流动的的key chat: options: model: "zai-org/GLM-4.6" temperature: 0.7 mcp: client: name: ai-siliconflow-glm-mcp-sse-client sse: connections: server1: url: http://localhost:8011 #要连接服务器的地址 （先启动服务区后启动客户端） toolcallback: enabled: true

6.3配置类

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.client.config; import jakarta.annotation.Resource; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.openai.OpenAiChatModel; import org.springframework.ai.tool.ToolCallbackProvider; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class ChatClientConfig { @Resource private OpenAiChatModel openAiChatModel; @Resource private ToolCallbackProvider toolCallbackProvider; @Bean("openAiChatClient") public ChatClient openAiChatClient(){ return ChatClient.builder(openAiChatModel) .defaultToolCallbacks(toolCallbackProvider) .build(); } }

6.4controller类

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.client.controller; import jakarta.annotation.Resource; import org.springframework.ai.chat.client.ChatClient; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RequestParam; import org.springframework.web.bind.annotation.RestController; import reactor.core.publisher.Flux; @RestController @RequestMapping("/city_client") public class CityClientController { @Resource private ChatClient openAiChatClient; @GetMapping(value = "/a",produces = "text/html;charset=utf-8") public Flux<String> a(@RequestParam("question") String question){ return openAiChatClient.prompt() .user(question) .stream().content(); } }

6.5启动类

package com.jiazhong.mingxing.ai.siliconflow.glm.mcp.sse.client; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; @SpringBootApplication public class AiSiliconflowGlmMcpSseClientApplication { public static void main(String[] args) { SpringApplication.run(AiSiliconflowGlmMcpSseClientApplication.class,args); } }