 实现MCP server：把数据库智能问答接入TaoToken统一通道)
1. 为什么要把数据库问答塞进 MCP server
先说清楚这篇在解决什么问题。你手上大概率已经有一个 MySQL 或者 PostgreSQL 的业务库，产品经理天天问「能不能让 AI 直接查数据」，你也不想每次都手写 SQL 再贴给大模型。MCP（Model Context Protocol）就是干这个的：它把「查数据库」这件事包装成一个标准工具，任何支持 MCP 的客户端都能调用，模型自己决定什么时候调、传什么参数。
但真正落地时会撞上两个坑。第一个坑是模型通道问题：MCP server 本身只负责暴露工具，真正做推理的大模型还得单独接一个 API，如果每个项目都去申请一套 Key、维护一套 Base URL，时间全耗在配置上。第二个坑是 Java 生态的 MCP 资料偏少，网上大量示例是 Python 或 Node 的，Spring AI 的 starter 又更新得快，版本对不上就报错。
所以这篇的路线是：用 Java 17 + Spring AI 搭一个 MCP server，把「查用户信息」和「执行 SQL」两个工具暴露出去，再让模型通过 TaoToken 的统一通道来调用。TaoToken 在这里的角色是统一 Key/API 通道——你不需要为每个模型单独配一套凭证，Base URL 和 Key 统一管理，MCP server 只管把工具做扎实。
适合谁看：有 Java 基础、写过 Spring Boot、想给内部系统加一个「自然语言查库」能力的后端同学。不需要你懂 MCP 协议细节，跟着配置走就行。下面从依赖开始，一步步到能跑通一次真实问答。
2. TaoToken 统一通道的前置准备
在写 MCP server 之前，先把模型通道这块理清楚，不然后面调试时分不清是工具没注册上还是 Key 不对。
TaoToken 的核心价值是把多家模型的调用收敛到一个入口。你注册后在控制台拿到一个 API Key，所有请求走同一个 Base URL，模型 ID 在请求体里指定。对 MCP 场景来说这特别省事：MCP server 暴露工具，客户端（比如 Cherry Studio 或者你自己写的 Agent）负责把工具描述和用户问题一起发给模型，模型返回要调用的工具名和参数，客户端再回调 MCP server。整条链路里，模型这一环只需要一个 Key。
具体操作路径是这样的。先打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 注册账号，进控制台。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，在里面找到 API Keys 页面，新建一个 Key 并复制保存。这个 Key 只在创建时完整显示一次，丢了就得重建。
拿到 Key 之后，你需要记住两个东西：Base URL 是 https://taotoken.net/api ，以及你要用的模型 ID。模型 ID 可以在模型对话页面先试一下，地址是 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite ，随便发一句话确认通道通不通。如果这一步就报 401，那说明 Key 复制错了或者没带上，先解决这个再往下走。
注意：MCP server 本身不直接调用模型，它是被客户端调用的。所以 TaoToken 的 Key 是配在客户端那一侧（比如 Cherry Studio 的模型设置里），不是配在 MCP server 的 application.yml 里。这一点很多人第一次会搞混，把 Key 写进 MCP server 配置然后发现根本用不上。
如果你打算长期跑编码类或 Agent 类任务，可以顺手看一下 Coding Plan 页面 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite ，它针对高频调用场景做了额度设计，比按次计费更适合天天用的场景。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，里面有各语言的调用示例，后面验证请求时会用到。
前置准备就这些：一个 Key、一个 Base URL、一个确认可用的模型 ID。接下来进入 Java 工程。
3. Spring AI MCP server 的可复制配置
这一节是全文最核心的部分，所有配置都可以直接复制。我用的版本组合是 Spring Boot 3.4.5 + Spring AI 1.1.0-SNAPSHOT + Java 17，传输方式选 WebFlux SSE，因为后面要在浏览器和客户端之间保持长连接。
先看 pom.xml。关键点是不要引入 spring-boot-starter-web，否则会和 WebFlux 冲突。依赖只需要 MCP server 的 webflux starter 和 MySQL 驱动。
<?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 https://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-parent</artifactId> <version>3.4.5</version> <relativePath/> </parent> <groupId>cn.codemaven</groupId> <artifactId>mcp-demo</artifactId> <version>0.0.1-SNAPSHOT</version> <properties> <java.version>17</java.version> <spring-ai.version>1.1.0-SNAPSHOT</spring-ai.version> </properties> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-server-webflux</artifactId> </dependency> <dependency> <groupId>com.mysql</groupId> <artifactId>mysql-connector-j</artifactId> <version>8.0.30</version> </dependency> </dependencies> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>${spring-ai.version}</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> <repositories> <repository> <id>spring-milestones</id> <url>https://repo.spring.io/milestone</url> </repository> <repository> <id>spring-snapshots</id> <url>https://repo.spring.io/snapshot</url> <snapshots><enabled>true</enabled></snapshots> </repository> </repositories> </project>然后是 application.yml。这里定义了 MCP server 的名称、SSE 端点、能力开关，以及数据库连接。SSE 端点 /sse 是客户端连接用的，/mcp/message 是消息回传用的，两个都要对上。
server: port: 8080 spring: ai: mcp: server: name: db-mcp-server version: 1.0.0 type: SYNC sse-endpoint: /sse sse-message-endpoint: /mcp/message instructions: "该服务器提供用户信息查询和数据库元数据工具" capabilities: tool: true resource: true prompt: true completion: true datasource: driver-class-name: com.mysql.cj.jdbc.Driver url: jdbc:mysql://localhost:3306/mcp_demo?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=UTC username: root password: root数据库这边准备一张 user 表就够了，字段包括 user_id、username、email、mobile、status、dept_id、create_time。建表语句和几条测试数据：
CREATE TABLE `user` ( `user_id` bigint NOT NULL AUTO_INCREMENT, `username` varchar(50) NOT NULL COMMENT '用户名', `email` varchar(100) DEFAULT NULL COMMENT '邮箱', `mobile` varchar(100) DEFAULT NULL COMMENT '手机号', `status` tinyint DEFAULT NULL COMMENT '状态 0：禁用 1：正常', `dept_id` bigint DEFAULT NULL COMMENT '部门ID', `create_time` datetime DEFAULT NULL COMMENT '创建时间', PRIMARY KEY (`user_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='系统用户'; INSERT INTO `user` (`user_id`, `username`, `email`, `mobile`, `status`, `dept_id`, `create_time`) VALUES (414, '钱睿', 'rqi2011@gmail.com', 'ePri67B4DK', 1, 504, '2002-12-24 22:57:04');工具类用 @Tool 注解暴露方法。UserService 负责按 ID 查用户，DatabaseMetadataService 负责返回库表结构和执行 SQL。两个类都通过 ToolConfig 注册成 ToolCallbackProvider。
@Service public class UserService { @Value("${spring.datasource.url}") private String dbUrl; @Value("${spring.datasource.username}") private String dbUsername; @Value("${spring.datasource.password}") private String dbPassword; @Tool(name = "queryUserInfo", description = "根据id查询用户信息") public Map<String, String> queryUserInfo(@ToolParam(description = "用户id") String id) { Map<String, String> resultMap = new HashMap<>(); String sql = "SELECT * FROM user WHERE user_id = ?"; try (Connection conn = DriverManager.getConnection(dbUrl, dbUsername, dbPassword); PreparedStatement ps = conn.prepareStatement(sql)) { ps.setString(1, id); try (ResultSet rs = ps.executeQuery()) { ResultSetMetaData meta = rs.getMetaData(); int count = meta.getColumnCount(); while (rs.next()) { for (int i = 1; i <= count; i++) { resultMap.put(meta.getColumnLabel(i), String.valueOf(rs.getObject(i))); } } } } catch (SQLException e) { throw new RuntimeException("查询失败", e); } return resultMap; } }ToolConfig 把两个 service 都注册进去：
@Configuration public class ToolConfig { @Bean public ToolCallbackProvider userTools(UserService userService) { return MethodToolCallbackProvider.builder().toolObjects(userService).build(); } @Bean public ToolCallbackProvider databaseMetadataTools(DatabaseMetadataService metadataService) { return MethodToolCallbackProvider.builder().toolObjects(metadataService).build(); } }到这里配置就齐了。启动类就是普通的 @SpringBootApplication，跑起来后控制台会打印 MCP server 注册的工具列表，看到 queryUserInfo 和 executeSql 就说明注册成功。
4. 验证请求与成功结果核对
配置写完必须验证，不然你不知道是工具没注册还是模型没调对。分两步走：先验证 MCP server 本身，再验证整条问答链路。
第一步，启动应用后看日志。正常情况会输出类似这样的内容：
Registered tools: [queryUserInfo, queryDatabaseMetadata, executeSql] MCP Server started on port 8080, SSE endpoint: /sse如果只看到 server started 但没有工具列表，说明 ToolConfig 没被扫描到，检查包路径是否在启动类的同级或子包下。
第二步，用 curl 直接测 SSE 端点是否活着：
curl -N http://localhost:8080/sse正常会返回一串 event stream 数据，包含 endpoint 信息。如果连接被拒绝，检查端口占用和 WebFlux 依赖是否引入正确。
第三步，在客户端里配模型通道。以 Cherry Studio 为例，模型设置里填 TaoToken 的 Base URL 和 Key，模型 ID 选一个支持工具调用的（比如 claude 系列或 gpt 系列）。然后在 MCP 设置里添加服务器，类型选 SSE，URL 填 http://localhost:8080/sse，保存后切到工具标签，应该能看到三个工具。
第四步，发一次真实提问：「查询用户id为414的用户信息」。预期行为是：模型解析出要调用 queryUserInfo，参数 id=414，客户端向 MCP server 发请求，server 查库返回结果，模型根据结果组织成自然语言回答。
成功时你会看到类似这样的返回：
用户ID 414 的信息如下： - 用户名：钱睿 - 邮箱：rqi2011@gmail.com - 手机号：ePri67B4DK - 状态：1（正常） - 部门ID：504 - 创建时间：2002-12-24 22:57:04同时 MCP server 控制台会打印一次工具调用日志，包含方法名和参数。如果模型回答里没有真实数据，而是说「我无法查询」，那大概率是工具没被模型识别到，检查工具描述是否清晰、客户端是否真的把工具列表传给了模型。
再测一个复杂点的：「帮我查一下 user 表里 status 为 1 的用户有几个」。这个会走 executeSql 工具，模型生成 SELECT COUNT(*) FROM user WHERE status = 1，server 执行后返回数字。这一步能跑通，说明元数据工具和 SQL 执行工具都正常。
5. 常见报错排查
实际搭的时候会撞上几类典型错误，这里按报错原文对照排查。
401 Unauthorized：出现在客户端调模型时。原因通常是 Key 没填、填错，或者 Base URL 写成了带路径的形式。正确写法是 Base URL 只到 https://taotoken.net/api ，不要在后面加 /v1 或 /chat/completions，那些由 SDK 自己拼。检查 Key 是否有前后空格。
local proxy failed / connection refused：出现在客户端连 MCP server 时。说明 http://localhost:8080/sse 连不上。先确认应用真的启动了，再确认端口没被占用。如果是 Docker 里跑客户端、宿主机跑 server，localhost 要换成宿主机 IP。
reading choices 相关报错：模型返回体解析失败。常见于模型 ID 填错，或者用了不支持工具调用的模型。换一个明确支持 function calling 的模型 ID 再试。如果用的是流式模式，某些客户端对 SSE 解析有兼容问题，可以临时关掉流式验证。
OAuth 相关报错：如果客户端提示需要 OAuth 授权，说明它把 MCP server 当成了需要鉴权的远程服务。本地 SSE 不需要 OAuth，检查客户端配置里是否误开了认证选项。
工具列表为空：MCP server 起来了但客户端看不到工具。三个检查点：ToolConfig 是否被 Spring 扫描到、@Tool 注解的 name 是否重复、application.yml 里 capabilities.tool 是否为 true。
SQL 执行报语法错误：模型生成的 SQL 带了 markdown 代码块标记（比如sql）。在 executeSql 方法里先做一次清洗，去掉首尾的和语言标识再执行。
数据库连接超时：检查 MySQL 是否允许远程连接、时区参数是否带上 serverTimezone=UTC。如果报 Public Key Retrieval is not allowed，在 URL 后面加 allowPublicKeyRetrieval=true。
排查顺序建议从下往上：先确认数据库能连，再确认 MCP server 工具注册成功，再确认客户端能连上 SSE，最后确认模型通道正常。每一层都有独立的验证方法，不要跳步。
6. 把通道固定下来，后面就省事了
整套跑通之后，你会发现真正花时间的不是写工具类，而是把模型通道、MCP 端点、数据库连接这三者的配置对齐。一旦对齐，后面加新工具就是复制一个 @Tool 方法的事。
我的建议是把 TaoToken 的 Key 和 Base URL 统一放在客户端的模型配置里，MCP server 只关心数据库和工具逻辑，两边职责分开。这样换模型、换客户端都不用动 server 代码。API Keys 管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite ，需要新建或轮换 Key 时从这里进。接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 里有不同语言的请求示例，调不通的时候对照一下请求体格式。
如果你后面要接 Claude Code 这类编码工具，Anthropic 兼容端点也在同一套通道下，配置方式在 https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude_code&utm_campaign=rewrite 有说明。核心还是那三件套：Base URL、Key、Model ID，填对就能用。
最后留一个实用技巧：给 executeSql 加一个只读白名单，只允许 SELECT 开头，其他语句直接拒绝。生产库上跑自然语言查询，安全边界比功能本身更重要。
