一、快速搭建 Solon 项目，引入 Solon AI
1. 开发环境准备
- JDK 8 或以上版本。
- Maven 3.8.6 或以上版本。
- 通义千问 API Key（用于模型调用）。
2. 创建名为 mcp-server-demo 的项目
创建时选择 Archetype 为 Solon AI（可以减少些活），会自动添加 Solon AI、MCP 相关依赖。
创建后可以再简化下 pom.xml ：
<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <parent> <groupId>org.noear</groupId> <artifactId>solon-parent</artifactId> <version>3.5.1</version> <relativePath /> </parent> <groupId>com.example</groupId> <artifactId>solon-bailian-mcp-workflow-server</artifactId> <version>1.0</version> <packaging>jar</packaging> <description>Demo project for Solon</description> <properties> <java.version>1.8</java.version> </properties> <dependencies> <dependency> <groupId>org.noear</groupId> <artifactId>solon-web</artifactId> </dependency> <dependency> <groupId>org.noear</groupId> <artifactId>solon-ai-mcp</artifactId> </dependency> <dependency> <groupId>org.noear</groupId> <artifactId>solon-logging-logback</artifactId> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <scope>provided</scope> </dependency> <dependency> <groupId>org.noear</groupId> <artifactId>solon-test</artifactId> <scope>test</scope> </dependency> </dependencies> <build> <finalName>${project.artifactId}</finalName> <plugins> <plugin> <groupId>org.noear</groupId> <artifactId>solon-maven-plugin</artifactId> </plugin> </plugins> </build> </project> 二、添加 Mcp Server 并添加两个工具
使用 @McpServerEndpoint 注解，就像 MVC 开发一样简单。name 为 mcp-server-demo（可以按需设定），channel 使用 McpChannel.STREAMABLE（表示用 streamable 传输方式），mcpEndpoint 为 /mcp（可以按需设定）。
支持多个端点。就像 MVC 开发有多个控制器，每个控制器可以有自己的前缀地址。
import org.noear.solon.Utils; import org.noear.solon.ai.annotation.ToolMapping; import org.noear.solon.ai.chat.ChatModel; import org.noear.solon.ai.chat.message.ChatMessage; import org.noear.solon.ai.mcp.McpChannel; import org.noear.solon.ai.mcp.server.annotation.McpServerEndpoint; import java.util.List; //工具，会再调用 dashscope 的模型。 @McpServerEndpoint(name = "mcp-server-demo", channel = McpChannel.STREAMABLE, mcpEndpoint = "/mcp") public class McpToolServer { @ToolMapping(description = "批量生成标题") public List<String> BatchGenerateTitles(String title) { String SystemPrompt = "# 角色n" + "你是一位专业的批量生成标题助手，擅长根据用户提供的提示快速生成高质量的标题。n" + "n" + "## 技能n" + "### 技能1：理解用户需求n" + "- 仔细阅读并理解用户提供的提示和要求。n" + "- 根据用户的输入，确定标题的主题、风格和目标受众。n" + "n" + "### 技能2：创意标题生成n" + "- 能够在短时间内生成多个具有吸引力和多样性的标题。n" + "- 确保每个标题都符合用户的需求，并且能够吸引目标受众的注意力。n" + "n" + "### 技能3：标题优化n" + "- 对生成的标题进行优化，确保它们简洁明了、易于理解。n" + "- 考虑到SEO优化，合理嵌入关键词以提高标题的可发现性。n" + "n" + "### 技能4：多样化风格n" + "- 能够生成不同风格的标题，如新闻报道式、故事叙述式、疑问式等。n" + "- 根据不同的使用场景（如博客文章、社交媒体帖子、新闻报道等）调整标题的风格和长度。n" + "n" + "## 限制n" + "- 生成的标题数量为20个。n" + "- 每个标题应简洁明了，不超过20个字。n" + "- 所有标题必须与用户提供的提示和要求一致。n" + "- 避免使用过于复杂或难以理解的语言。n" + "- 如果需要特定领域的专业知识，可以通过调用搜索工具或查询知识库来获取相关信息。"; String UserPrompt = "用户输入内容如下：" + title; String reTitle = null; try { reTitle = callWithMessage(SystemPrompt, UserPrompt); } catch (Exception e) { return Utils.asList("错误：" + e.getMessage()); } if (reTitle == null) { return Utils.asList("错误：生成标题失败"); } return Utils.asList(reTitle); } @ToolMapping(description = "文章润色") public List<String> polishTheArticle(String content) { String SystemPrompt = "# 角色n" + "你是一位专业的文章润色助手，擅长提升文章的语言表达、逻辑结构和整体流畅性。你的任务是根据用户提供的原始文本，进行细致的润色，使文章更加清晰、生动和有说服力。n" + "n" + "## 技能n" + "### 技能 1: 语言润色n" + "- 优化文章中的词汇选择，使其更加精准和生动。n" + "- 调整句子结构，使文章更加流畅自然。n" + "- 修正语法错误和拼写错误，确保文章的专业性和准确性。n" + "n" + "### 技能 2: 逻辑结构优化n" + "- 重新组织段落顺序，使文章的逻辑更加清晰。n" + "- 添加或删除内容，以增强文章的连贯性和一致性。n" + "- 提供适当的过渡句，使各部分之间的衔接更加自然。n" + "n" + "### 技能 3: 内容丰富与精简n" + "- 根据需要添加更多细节，使文章内容更加丰富和具体。n" + "- 删除冗余信息，使文章更加简洁明了。n" + "- 保持文章的主题和核心思想不变，同时提升其吸引力和可读性。n" + "n" + "### 技能 4: 风格调整n" + "- 根据用户的指示调整文章的风格，如正式、幽默、轻松等。n" + "- 确保文章的风格与目标受众相匹配。n" + "- 保持一致的语气和语调，增强文章的整体效果。n" + "n" + "## 限制n" + "- 只对用户提供的一篇文章进行润色，不涉及其他文档。n" + "- 润色过程中保持原文的核心内容和意图不变。n" + "- 不得添加或删除与文章主题无关的内容。n" + "- 如果用户提供了特定的风格要求，请严格遵循这些要求进行润色。n" + "- 在润色时，注意保留用户的个人风格和声音，避免过度修改。"; String UserPrompt = "原始文本内容如下：" + content; String ReContent = null; try { ReContent = callWithMessage(SystemPrompt, UserPrompt); } catch (Exception e) { return Utils.asList("错误：" + e.getMessage()); } if (ReContent == null) { return Utils.asList("错误：文章润色失败"); } return Utils.asList(ReContent); } public String callWithMessage(String systemPrompt, String userPrompt) throws Exception { ChatModel chatModel = ChatModel.of("https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions") .apiKey(System.getenv("DASHSCOPE_API_KEY")) .model("qwen-plus") .build(); return chatModel.prompt(ChatMessage.ofSystem(systemPrompt), ChatMessage.ofUser(userPrompt)) .call() .getContent(); } } 提示：不需要别的配置或注册了。
三、添加测试类，简单试下效果
通过测试注解 @SolonTest(App.class) 启动服务端，通过 McpClientProvider 连接服务端并获取所有工具。
import com.example.mcp_server.App; import lombok.extern.slf4j.Slf4j; import org.junit.jupiter.api.Test; import org.noear.solon.ai.chat.tool.FunctionTool; import org.noear.solon.ai.mcp.McpChannel; import org.noear.solon.ai.mcp.client.McpClientProvider; import org.noear.solon.test.SolonTest; import java.util.Collection; @Slf4j @SolonTest(App.class) public class McpClientTest { @Test public void clientTest() { McpClientProvider clientProvider = McpClientProvider.builder() .url("http://localhost:8080/mcp") .channel(McpChannel.STREAMABLE) .build(); //获取所有工具 Collection<FunctionTool> tools = clientProvider.getTools(); log.error("{}", tools); } } 单测运行效果：
四、项目打包并部署
打包，并生成 mcp-server-demo.jar
发布到自己的服务器（可用 java -jar mcp-server-demo.jar 运行）。或者，上传到阿里云函数（界面太多，略过...）
五、将部署好的 Streamable MCP 集成到百炼当中
按照界面引导，添加配置（界面太多，略过...）。
后续，可以进一步创建智能体使用 Streamable MCP （界面太多，略过...）
![洛谷 P11345 [KTSC 2023 R2] 基地简化 题解](http://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=http://www.itfaba.com/wp-content/themes/kemi/img/random/2.jpg&w=218&h=124&zc=1)
