Spring AI项目中MCP工具对ToolContext的支持解析

背景介绍

在Spring AI项目的开发过程中，Model Context Protocol（MCP）作为与AI模型交互的重要协议，其功能完整性直接影响开发体验。近期社区中关于MCP工具是否支持ToolContext的讨论引起了广泛关注。

ToolContext的核心价值

ToolContext是Spring AI中一个关键功能组件，它为工具方法提供了执行上下文环境。通过ToolContext，开发者可以：

1. 获取当前请求的上下文信息
2. 访问MCP服务器交换对象
3. 实现日志记录和采样等高级功能
4. 在工具执行过程中获取和设置状态信息

技术实现细节

Spring AI的MCP集成已经完整支持ToolContext功能。当开发者在工具方法中添加ToolContext参数时，系统会自动注入包含以下内容的上下文：

• McpSyncServerExchange实例（存储在exchange键下）
• 当前请求的元数据
• 会话状态信息

开发者可以通过McpToolUtils工具类便捷地获取MCP交换对象：

McpSyncServerExchange exchange = McpToolUtils.getMcpExchange(toolContext);

获取到exchange对象后，开发者可以调用丰富的方法：

// 记录日志通知
exchange.loggingNotification("操作日志内容");

// 创建新的消息
exchange.createMessage("消息内容");

实际应用示例

以下是一个天气服务的典型实现，展示了ToolContext的实际应用：

@ToolFunction(name = "getWeather", description = "获取指定城市的天气")
public String getWeather(
    @ToolParam("城市名称") String city,
    ToolContext toolContext) {
    
    // 获取MCP交换对象
    McpSyncServerExchange exchange = McpToolUtils.getMcpExchange(toolContext);
    
    // 记录操作日志
    exchange.loggingNotification("正在查询城市: " + city + " 的天气");
    
    // 业务逻辑处理
    WeatherData data = weatherService.fetch(city);
    
    // 创建返回消息
    return exchange.createMessage("城市 " + city + " 当前气温: " + data.getTemperature());
}

最佳实践建议

1. 上下文注入：推荐在需要访问请求上下文的工具方法中都添加ToolContext参数
2. 异常处理：使用ToolContext记录异常信息，便于问题排查
3. 性能监控：通过exchange对象实现方法执行时间的采样和记录
4. 状态管理：利用上下文实现跨工具调用的状态共享

未来发展方向

Spring AI团队将持续完善MCP协议的相关文档，特别是ToolContext的高级用法和最佳实践部分。同时，计划增加更多开箱即用的上下文工具方法，进一步降低开发者的使用门槛。

对于企业级应用，建议关注ToolContext在以下方面的增强：

• 分布式追踪集成
• 细粒度的权限控制
• 调用链路的可视化

通过合理利用ToolContext，开发者可以构建更加强大、可观测性更好的AI应用集成方案。