搭建基于 Solon AI 的 Streamable MCP 服务并部署至阿里云百炼
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...）
