Spring AI中Vertex AI与MCP Server集成问题解析

问题背景

在Spring AI项目中，当使用Vertex AI作为聊天模型并与MCP Server进行工具调用集成时，开发者遇到了一个类型转换问题。具体表现为MCP Server返回的结果被包装为List类型，而Vertex AI期望接收的是Map类型的数据结构。

技术细节分析

MCP Server的标准响应格式是将结果封装在List中，如下所示：

McpSchema.CallToolResult(List.of(new McpSchema.TextContent(callResult)), false);

然而，在Vertex AI的实现中，VertexAiGeminiChatModel类的messageToGeminiParts方法在处理ToolResponseMessage时，尝试将响应字符串反序列化为Map结构。这种类型不匹配导致了运行时异常。

问题根源

深入分析问题，我们可以发现几个关键点：

1. 数据流不一致：MCP Server返回的是结构化数据，包含content数组和isError标志
2. 序列化处理不当：在SyncMcpToolCallback类中，仅提取了content部分进行序列化，丢失了原始数据结构
3. 反序列化预期不符：Vertex AI的jsonToStruct方法期望接收Map类型，但实际得到的是数组

解决方案演进

Spring AI团队通过以下方式解决了这个问题：

1. 修改了MCP工具调用的响应处理逻辑，确保完整保留原始数据结构
2. 增强了类型转换的健壮性，能够正确处理数组和Map两种数据结构
3. 在序列化/反序列化过程中保持数据一致性

最佳实践建议

对于开发者在使用Spring AI集成Vertex AI和MCP Server时，建议：

1. 版本兼容性：确保使用修复后的版本（1.0.0-SNAPSHOT或更高）
2. 数据结构设计：工具调用的响应应设计为同时兼容List和Map格式
3. 错误处理：实现适当的异常捕获和处理机制，应对可能的类型转换问题
4. 测试验证：在集成环境中充分测试工具调用的完整流程

技术影响

这个问题的解决不仅修复了功能缺陷，还带来了以下技术改进：

1. 增强了Spring AI框架的稳定性
2. 提高了Vertex AI与MCP Server集成的可靠性
3. 为后续类似集成场景提供了参考实现

通过这次问题的分析和解决，Spring AI在大型语言模型集成方面又向前迈进了一步，为开发者提供了更稳定、更强大的工具集成能力。