Spring AI MCP Server SSE端点访问问题分析与解决方案
2025-06-11 12:42:13作者:薛曦旖Francesca
问题背景
在使用Spring AI框架实现MCP Server时,开发者遇到了一个常见但令人困扰的问题:当采用SSE(Server-Sent Events)方式实现服务时,虽然服务能够正常启动,但无法通过浏览器或Postman访问/sse端点。这个问题在社区中引起了广泛讨论,多个开发者都报告了类似现象。
问题现象
开发者配置了Spring AI MCP Server后,服务启动日志显示正常,但访问localhost:8080/sse端点时却得不到任何响应。控制台也没有报错信息,使得问题排查变得困难。这种情况在使用不同版本依赖时表现有所不同,特别是当混合使用不同版本的Spring AI依赖时问题更为明显。
根本原因分析
经过社区多位开发者的验证和讨论,发现这个问题的根源在于依赖选择和配置的不匹配:
- 依赖冲突:同时引入webmvc和webflux两种实现会导致冲突
- 配置缺失:使用webflux实现时缺少必要的响应式配置
- 版本不兼容:不同版本间的行为差异导致端点注册失败
解决方案
方案一:使用WebMVC实现
这是目前最稳定的解决方案,适用于大多数场景:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
</dependency>
此方案简单直接,不需要额外配置,适合不需要响应式编程特性的项目。
方案二:正确配置WebFlux实现
如果项目确实需要响应式特性,可以采用以下配置:
- 确保只引入webflux依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</dependency>
- 在配置文件中明确指定应用类型:
spring:
main:
web-application-type: reactive
- 完整配置示例:
spring.ai.mcp.server.enabled=true
spring.ai.mcp.server.stdio=false
spring.ai.mcp.server.type=ASYNC
spring.ai.mcp.server.sse-message-endpoint=/mcp/messages
spring.ai.mcp.server.sse-endpoint=/sse
spring.ai.mcp.server.capabilities.tool=true
注意事项
- 依赖管理:确保使用统一的版本管理,避免混合不同版本的依赖
- 配置一致性:配置属性需要与选择的实现方式匹配
- 兼容性问题:注意webflux实现可能与其他阻塞式组件(如OpenFeign)不兼容
- 日志检查:服务启动时应检查是否有端点注册成功的日志
最佳实践建议
- 对于新项目,如果不需要响应式特性,优先选择webmvc实现
- 如果项目中已经使用了webflux技术栈,再考虑使用webflux实现
- 保持依赖版本统一,避免混合使用不同版本的Spring AI组件
- 在配置文件中明确指定所有必要的属性,避免依赖默认值
总结
Spring AI MCP Server的SSE端点访问问题主要源于实现方式的选择和配置。通过正确选择依赖和配置,可以轻松解决这个问题。对于大多数应用场景,使用webmvc实现是最简单可靠的方案;而对于需要响应式特性的项目,则需要额外配置web-application-type为reactive。开发者应根据项目实际需求选择适合的方案。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220