基于 Spring AI 实现 MCP Server和Client，可接入Claude Code/Codex等

不得不承认，AI 进化的太快了。

MCP Server 教程已经烂大街了，看了一圈下来，十篇有八篇在教你写一个"查询当前时间"的 demo——加个 @Tool 注解，配一段 YAML，用 Trae 或者 Cursor 连上去试一把，完事。

但真到了生产环境就会发现，demo 到生产有一堆问题。

工具不是一个两个，可能有几十个，它们分散在不同模块里，怎么统一注册？

同一个应用既要对外暴露工具（当 Server），又要接入外部的 MCP 服务（当 Client），这两个角色怎么共存？

服务重启之后，已经连上的 MCP 客户端会话全部丢失了，怎么恢复？

这篇内容就用求职派的源码做证据，从 Spring AI 的三步实现讲起，一直拆到生产环境要解决的会话恢复问题。

01、MCP 到底在解决什么问题

MCP 的全称是 Model Context Protocol，由 Anthropic 在 2024 年底开源。

一句话说清楚它的定位，给大模型提供一个统一的工具接入标准，不用再为每个外部系统单独写适配代码。

用 USB 来类比最直观。一台裸主机只能开关机，但插上键盘、鼠标、摄像头，就能打字、拍照、视频通话——前提是这些外设都遵守了 USB 协议。

MCP 做的事和 USB 一样，只不过面对的不是外设，而是大模型需要调用的各种工具和数据源。

MCP 遵循客户端-服务端架构，一个主机可以连接多个 MCP Server。

整个协议的工作流程可以拆成 7 步。

1. 用户在客户端发起一个问题
2. 客户端把问题传给大模型
3. 大模型分析问题，决定调用哪个工具
4. 通过 MCP 协议，把工具调用指令发到服务端
5. 服务端执行工具，把结果返回给大模型
6. 大模型基于工具返回的结果生成最终回答
7. 回答通过客户端展示给用户

对求职派来说，MCP 解决了这样一个痛点。

岗位数据的能力需要对外开放。求职派自己有岗位推荐、岗位检索、数据采集等工具，如果 Claude Desktop、Cursor、Trae 这些客户端想调用这些能力，按传统做法得一个个写 API 适配。

有了 MCP，只要把这些工具按协议标准暴露出来，任何支持 MCP 的客户端都能直接接入。

02、Spring AI 实现 MCP Server

Spring AI 对 MCP 协议做了完整的封装，实现一个 MCP Server 的步骤非常简单。

第一步，加依赖

在 pom.xml 里引入 spring-ai-starter-mcp-server-webmvc，它会自动配置好 SSE 端点和消息处理通道。

    org.springframework.ai
    spring-ai-starter-mcp-server-webmvc

这个 starter 是基于 WebMVC 的 SSE 协议实现通信的，适合传统 Servlet 应用。

如果项目用的是 WebFlux，对应的 starter 是 spring-ai-starter-mcp-server-webflux。

第二步，用 @Tool 声明工具方法

在求职派里，岗位推荐是最核心的 MCP 工具。来看它的实现（app/.../oc/mcp/OcMcpService.java）。

@Tool(descr...