【Spring AI】从一个MCP小实例开始：用TaoToken统一Key跑通配置骨架

1. 从一个最小 MCP 实例说起Spring AI 客户端怎么把工具调用跑通Spring AI 接入 MCP 这件事说复杂也复杂说简单也简单。复杂在于 MCP 协议本身有 Host、Client、Server 三层角色还有 Tools、Resources、Prompts、Sampling 这些能力原语简单在于如果你只是想先确认「链路能不能通」其实一个 MCP Client 一个远程模型通道就够了。这篇要做的就是后者用 Spring AI 写一个最小可运行的 MCP 客户端骨架通过 TaoToken 的统一 Key 和 API 通道完成一次真实的工具调用然后看启动日志和返回结果确认整条链路是活的。适合谁看适合已经在本地跑过 Spring Boot、想快速验证 Spring AI MCP 是否可用的开发者也适合手上有一堆模型 Key、想收敛成一个统一入口再接入 MCP 的人。本文不铺开讲 MCP 协议全貌只聚焦一件事application.yml 怎么写、MCP 客户端怎么配、工具调用怎么触发、日志和返回值怎么验证。环境基线按 Spring AI 1.0.x 系列来JDK 17Maven 3.8Spring Boot 3.4.x 或 3.5.x 都可以。我试过把 MCP 客户端和模型通道分开配结果 Key 散落在好几个地方调试时特别容易搞混。后来改成 TaoToken 统一 Key客户端只认一个 base-url 和一个 api-keyMCP 工具调用走同一套通道排查问题时链路清晰很多。下面按这个思路来。2. 前置准备TaoToken 统一 Key 与依赖骨架TaoToken 在这里的角色是「统一模型通道」你不需要在 Spring AI 里分别配 Anthropic、OpenAI 的 Key而是拿一个 TaoToken 的 API Key把 base-url 指向它的 API 地址模型名按需选。这样 MCP 客户端在触发工具调用时模型请求和工具回调都走同一条出口日志里能一眼看到是哪次调用。先拿 Key。打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后在控制台创建 API Key。控制台入口在这里https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。Key 创建后只显示一次复制到本地环境变量里别硬编码进代码。API 地址是 https://taotoken.net/api 注意这个地址不带 UTM 参数配置里直接写它。模型名按你实际要用的填比如 claude 系列或 gpt 系列具体以控制台模型列表为准。依赖方面MCP 客户端和模型 starter 各一个。pom.xml 里加dependencies !-- MCP 客户端 starter -- dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-starter-mcp-client/artifactId /dependency !-- 模型通道用 OpenAI 兼容协议接 TaoToken -- dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-starter-model-openai/artifactId /dependency /dependencies dependencyManagement dependencies dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-bom/artifactId version1.0.5/version typepom/type scopeimport/scope /dependency /dependencies /dependencyManagement这里选 OpenAI starter 是因为 TaoToken 的 API 走 OpenAI 兼容格式base-url 一改就能用不用额外写适配层。如果你更习惯 Anthropic 的调用风格也可以换成 anthropic starter但 base-url 和 Key 的配法思路一样。3. 可复制配置application.yml 与 MCP 客户端骨架配置文件是这篇的核心。MCP 客户端要连一个 Server模型通道要连 TaoToken两者在同一个 yml 里配清楚。server: port: 8081 spring: main: web-application-type: none # CLI 应用不需要 Web 容器 ai: openai: # TaoToken 统一通道 base-url: https://taotoken.net/api api-key: ${TAOTOKEN_API_KEY} chat: options: model: claude-3-5-sonnet # 按控制台实际模型名替换 temperature: 0.2 mcp: client: # 用 streamable-http 连远程 MCP Server streamable-http: connections: demo-server: url: http://localhost:8080 request-timeout: 30s headers: X-Client-Version: 1.0几个点解释一下。web-application-type: none是因为这个最小实例用命令行交互不需要 Tomcat。base-url指向 TaoToken 的 API 地址api-key从环境变量读避免泄露。MCP 客户端这边streamable-http是当前推荐的远程传输方式比 SSE 更省事connections下面给 Server 起个名字demo-server后面注入工具时会用到这个名字。如果你本地还没有 MCP Server可以先用一个最简单的 stdio 版本验证把streamable-http换成stdiospring: ai: mcp: client: stdio: connections: local-tools: command: java args: - -jar - /opt/mcp/demo-server.jarstdio 适合本地进程streamable-http 适合已经跑起来的服务。两种配法在客户端代码层面几乎无差别Spring AI 会自动把工具注册进ToolCallbackProvider。4. 客户端代码与验证一次工具调用的完整过程主类里注入ChatClient和ToolCallbackProvider后者会自动收集所有 MCP Server 暴露的工具。SpringBootApplication public class McpClientApplication { public static void main(String[] args) { SpringApplication.run(McpClientApplication.class, args).close(); } Bean public ChatClient chatClient(ChatClient.Builder builder) { return builder.build(); } Bean public CommandLineRunner run(ChatClient chatClient, ToolCallbackProvider mcpTools) { return args - { var tools mcpTools.getToolCallbacks(); System.out.println(已注册 MCP 工具数量: tools.length); for (var t : tools) { System.out.println( - t.getToolDefinition().name()); } String question 帮我查一下当前可用的工具里有没有能返回时间的并调用它; String answer chatClient.prompt(question) .toolCallbacks(mcpTools) .call() .content(); System.out.println(模型回复: answer); }; } }启动前把 Key 塞进环境变量export TAOTOKEN_API_KEYsk-你的TaoTokenKey mvn spring-boot:run启动日志里你会先看到工具注册信息类似已注册 MCP 工具数量: 2 - getCurrentTime - echo然后模型收到问题判断需要调用getCurrentTime触发一次工具调用MCP Server 执行后把结果回传模型再组织成自然语言。最终输出类似模型回复: 当前时间是 2025-01-15T10:32:18来自 MCP 工具 getCurrentTime 的返回。看到这段就说明链路通了Spring AI 客户端 → TaoToken 模型通道 → 模型决策 → MCP 工具调用 → 结果回传 → 模型总结。整个过程里模型请求和工具回调都走 TaoToken 的统一出口日志里能对上号。如果你想更直观地验证模型本身可以打开模型对话页面手动问一句https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 确认 Key 和模型名没问题再回到代码里跑 MCP 调用能省掉一半排查时间。5. 本篇常见错排查报 401 或 invalid api key九成是环境变量没生效。echo $TAOTOKEN_API_KEY确认一下或者直接在 yml 里临时写死测试测完记得改回去。另外注意 base-url 结尾不要多加/v1TaoToken 的地址就是https://taotoken.net/api。工具数量为 0说明 MCP 客户端没连上 Server。先确认 Server 是否在http://localhost:8080监听再检查 yml 里connections的名字和传输方式是否匹配。stdio 模式下如果 jar 路径不对启动时不会报错但工具列表是空的这点特别隐蔽。模型不调用工具直接瞎答通常是工具描述太模糊或者模型没拿到工具列表。确认.toolCallbacks(mcpTools)这行加上了如果加了还不调把问题问得更明确一点比如「调用 getCurrentTime 工具告诉我现在几点」强制模型走工具路径。超时request-timeout: 30s对大多数工具够用但如果 Server 端有慢查询调大到 60s。stdio 模式下没有这个配置项超时由进程本身控制。模型名报错TaoToken 控制台的模型名和 OpenAI 官方命名可能不完全一样以控制台列表为准。填错会返回 model not found换一个再试。6. 下一步把这条链路用起来链路通了之后接下来就是替换和扩展。把demo-server换成你自己的 MCP Server工具描述写清楚模型就能自动决策调用。如果你要长期跑编码类任务或者 Agent 工作流建议单独配一个 Coding Plan把模型通道和工具调用分开管理调试时互不干扰https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。接入文档在这里遇到 starter 版本或配置项对不上时可以查https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。Key 管理统一在 API Keys 页面多环境多项目时建议一个项目一个 Key方便按调用量排查https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。如果你用的是 Claude Code 这类工具链Anthropic 兼容通道的配法可以参考https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-code-anthropicutm_campaignrewrite 。最后留一个实用习惯每次改完 yml先跑一次启动日志看工具数量再看模型回复里有没有工具调用痕迹。这两步能覆盖八成配置问题比直接读源码快得多。