Spring AI项目中MCP工具调用与ToolContext的兼容性问题解析

背景介绍

在Spring AI框架的1.0.0-M6版本中，开发者尝试集成MCP（Model Context Protocol）工具时遇到了一个关键的技术兼容性问题。当应用程序同时使用Spring AI的ToolContext功能和MCP工具调用时，系统会抛出UnsupportedOperationException异常，提示"Tool context is not supported"。

问题本质

这个问题的核心在于两种不同技术体系的设计理念差异：

1. Spring AI的ToolContext机制：这是Spring AI框架提供的一个上下文传递机制，允许在工具调用过程中携带额外的上下文信息。这种设计非常适合需要访问请求特定数据（如HTTP请求头、用户会话等）的场景。

2. MCP工具协议：作为一个通用的模型调用协议，MCP的设计更注重通用性和标准化，目前版本尚未原生支持类似Spring AI ToolContext这样的上下文传递机制。

技术细节分析

当开发者尝试在已配置ToolContext的环境中调用MCP工具时，SyncMcpToolCallback类的实现会抛出异常，因为它的call方法没有处理ToolContext参数的逻辑。具体来说：

• Spring AI的ToolCallback基类要求实现两个call方法：

  String call(String toolInput);
  String call(String toolInput, ToolContext toolContext);
  

• 而SyncMcpToolCallback只实现了第一个方法，当框架尝试调用带ToolContext的版本时，就会触发基类的默认实现，抛出UnsupportedOperationException。

解决方案演进

Spring AI团队针对这个问题提出了两种解决思路：

1. 短期解决方案：在SyncMcpToolCallback和AsyncMcpToolCallback中实现带ToolContext参数的call方法，但选择忽略传入的ToolContext。这种方案可以保证兼容性，允许MCP工具在配置了ToolContext的环境中正常运行。

2. 长期解决方案：考虑在MCP协议层面增加对上下文传递的支持，但这需要协议本身的演进和多方协调。

实际应用建议

对于需要使用特定上下文数据的场景，开发者可以考虑以下替代方案：

1. 本地工具集成：将需要上下文访问的工具实现为本地Spring AI工具（使用@Tool注解），通过MethodToolCallback机制获取完整的ToolContext支持。

2. 请求预处理：在调用MCP工具前，将必要的上下文信息提取并转换为工具输入参数。

3. 会话状态管理：对于需要持久化的上下文信息，可以考虑使用会话存储机制，通过工具输入参数传递会话ID。

最佳实践示例

以下是一个利用本地工具实现获取用户时区的示例：

@Tool(description = "获取用户时区信息")
public ZoneId getUserTimeZone(ToolContext context) {
    HttpServletRequest request = (HttpServletRequest) context.getContext().get("httpRequest");
    // 从请求头或其他位置解析用户时区
    return parseTimeZoneFromRequest(request);
}

这种实现方式既保持了工具调用的灵活性，又能访问完整的请求上下文信息。

总结

Spring AI框架与MCP协议的集成展示了现代AI应用开发中的典型挑战——如何在保持框架特性的同时实现与标准化协议的兼容。通过理解这些技术差异和解决方案，开发者可以更灵活地设计自己的AI应用架构，根据具体需求选择最适合的工具集成方式。

随着Spring AI框架的持续发展，我们可以期待更完善的协议支持和更优雅的上下文处理机制，进一步简化AI应用的开发复杂度。