1. 存量 Java 接口接入 AI 工具链的真实困境手里有一套跑了三五年的 Java 服务Controller 层几十个 REST 接口Swagger 文档倒是全但想让 Cline、Claude Code 这类 AI 编码工具直接调用就卡住了。AI 工具链现在普遍认 MCPModel Context Protocol协议它本质上是一套标准化的工具描述与调用约定把接口的入参、出参、用途用 JSON Schema 描述清楚AI 客户端就能自主决定调哪个工具、传什么参数。而传统 REST 接口是给人看的文档AI 读不懂 URL 拼接规则也没法自动处理鉴权和分页。我试过最笨的办法一个接口一个接口手写 MCP Server写到第八个就放弃了——重复劳动太多而且接口一改MCP 描述就过期。真正需要的是批量包装扫描现有 Java 接口自动生成 MCP 工具定义再挂一个统一的 MCP Server 把它们暴露出去。这篇就按这个思路从架构分层讲到可复制的配置骨架和批量转换脚本最后用 Cline 连上去验证接口真的能被调用。适合谁看手上有一批 REST 接口、想快速接入 AI 工具链的 Java 后端正在做内部工具平台、需要把存量能力开放给 Agent 的架构同学。核心检索词就三个Java 接口批量包装、MCP 服务、架构设计。下面所有配置和脚本都可以直接抄。2. TaoToken 前置MCP 服务背后的模型调用通道MCP Server 本身只负责“暴露工具”真正让 AI 理解工具、决定调用顺序的是背后的模型。所以批量包装 MCP 服务之前得先把模型调用通道准备好。TaoToken 在这里的角色是统一的模型接入层你不需要为每个 AI 客户端单独配一套 KeyMCP Server 里调模型、Cline 里调模型走同一个 API 地址就行。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基址是 https://taotoken.net/api 注意这个地址后面不加任何查询参数。实际接入时你需要在控制台创建一个 API Key然后把它写进 MCP Server 的环境变量或配置文件里。具体动作分三步。第一打开控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 登录后进 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 新建一个 Key复制出来。第二如果你只是想先验证模型通不通可以直接用模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 发一条消息确认 Key 有效。第三长期做编码和 Agent 场景的话建议看下 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它针对高频调用做了额度优化比按次计费划算。注意API Key 不要硬编码进 Git 仓库。MCP Server 的配置里用${TAOTOKEN_API_KEY}这种占位符运行时从环境变量注入。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面写了 OpenAI 兼容格式的请求示例MCP Server 里调模型就按这个格式来。Claude Code 相关的接入说明在 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecode-anthropicutm_campaignrewrite 如果你用 Claude Code 作为 MCP 客户端这个页面里的配置可以直接复制。3. 架构设计三层结构把 REST 接口批量转成 MCP 工具批量转换的核心矛盾是REST 接口是“资源 动词”的 URL 风格MCP 工具是“函数名 JSON Schema”的调用风格。中间需要一个适配层做映射。我把它拆成三层每层职责单一方便你按需替换。第一层是接口扫描层。它负责从 Spring 容器或字节码里找出所有需要暴露的接口方法提取方法名、参数类型、返回类型、注解信息。扫描的粒度是“方法”不是“类”因为一个 Controller 里可能只有部分方法适合给 AI 用。扫描结果输出成一份中间描述文件比如mcp-manifest.json里面每个方法对应一个待生成的 MCP 工具。第二层是协议转换层。它读中间描述文件把 Java 方法签名翻译成 MCP 工具定义。翻译规则有几条方法名转成 snake_case 作为工具名参数名和类型转成 JSON Schema 的 properties返回类型转成 output schema。这里有个坑Java 的泛型和嵌套对象直接转 JSON Schema 会丢信息需要写一个类型映射器把ListOrderDTO展开成array$ref指向OrderDTO的 schema。第三层是 MCP 服务层。它把转换后的工具定义注册到一个 MCP Server 里对外暴露 SSE 或 stdio 两种传输方式。SSE 适合远程调用stdio 适合本地 Cline 直连。服务层还要处理鉴权透传AI 客户端调 MCP 工具时带的 token要能透传到后端 REST 接口的 Authorization 头里。三层之间的数据流是这样的扫描层产出 manifest转换层消费 manifest 产出 MCP 工具定义服务层加载工具定义并绑定实际的 HTTP 调用逻辑。绑定逻辑可以用一个通用的RestInvoker实现它根据 manifest 里记录的 URL 模板、HTTP 方法、参数位置path/query/body来拼请求。# mcp-manifest.json 的片段示例 { tools: [ { name: get_order_by_id, description: 根据订单ID查询订单详情, http: { method: GET, url: /api/orders/{id}, paramLocation: { id: path } }, inputSchema: { type: object, properties: { id: { type: string } }, required: [id] } } ] }这个 manifest 就是批量转换的“中间语言”。扫描层生成它转换层读它服务层执行它。你甚至可以不写代码生成器直接让 MCP Server 在启动时读 manifest 动态注册工具这样接口改了只需要重新生成 manifest不用重新编译。4. 可复制配置MCP Server 骨架与批量转换脚本先给 MCP Server 的配置骨架。这里用 Java 写一个基于 Spring Boot 的 MCP Server依赖spring-ai-mcp-server或者自己实现 SSE 端点。核心是McpToolRegistry类它在启动时加载 manifest 并注册工具。Component public class McpToolRegistry { private final RestInvoker restInvoker; private final ObjectMapper objectMapper; public McpToolRegistry(RestInvoker restInvoker, ObjectMapper objectMapper) { this.restInvoker restInvoker; this.objectMapper objectMapper; } PostConstruct public void registerAll() throws IOException { InputStream is getClass().getResourceAsStream(/mcp-manifest.json); JsonNode manifest objectMapper.readTree(is); for (JsonNode tool : manifest.get(tools)) { String name tool.get(name).asText(); String description tool.get(description).asText(); JsonNode inputSchema tool.get(inputSchema); McpTool mcpTool new McpTool(name, description, inputSchema); mcpTool.setHandler(args - restInvoker.invoke(tool, args)); McpToolRegistryHolder.register(mcpTool); } } }RestInvoker负责把 MCP 工具调用翻译成 HTTP 请求。它读 manifest 里的http节点把参数按paramLocation填到 URL path、query string 或 body 里然后发请求。public class RestInvoker { private final RestTemplate restTemplate; private final String baseUrl; public Object invoke(JsonNode tool, MapString, Object args) { String method tool.get(http).get(method).asText(); String url tool.get(http).get(url).asText(); JsonNode paramLocation tool.get(http).get(paramLocation); // 替换 path 参数 for (IteratorMap.EntryString, JsonNode it paramLocation.fields(); it.hasNext();) { Map.EntryString, JsonNode entry it.next(); if (path.equals(entry.getValue().asText())) { url url.replace({ entry.getKey() }, String.valueOf(args.get(entry.getKey()))); } } // 组装 query 和 body MultiValueMapString, String query new LinkedMultiValueMap(); MapString, Object body new HashMap(); for (Map.EntryString, Object arg : args.entrySet()) { JsonNode loc paramLocation.get(arg.getKey()); if (loc ! null query.equals(loc.asText())) { query.add(arg.getKey(), String.valueOf(arg.getValue())); } else if (loc ! null body.equals(loc.asText())) { body.put(arg.getKey(), arg.getValue()); } } HttpEntity? entity new HttpEntity(body.isEmpty() ? null : body, buildHeaders()); ResponseEntityObject resp restTemplate.exchange( baseUrl url, HttpMethod.valueOf(method), entity, Object.class, query); return resp.getBody(); } }批量转换脚本用 Python 写更顺手因为它处理 JSON 和字符串模板方便。脚本做三件事扫描 Java 源码里的RestController和RequestMapping注解提取方法签名生成 manifest。import re import json import os def scan_controllers(src_dir): tools [] for root, _, files in os.walk(src_dir): for f in files: if not f.endswith(.java): continue path os.path.join(root, f) content open(path, encodingutf-8).read() if RestController not in content: continue base re.search(rRequestMapping\(([^])\), content) base_url base.group(1) if base else for m in re.finditer( r(Get|Post|Put|Delete)Mapping\(([^])\)\s rpublic\s(\S)\s(\w)\(([^)]*)\), content): http_method, sub_url, ret_type, method_name, params m.groups() tool { name: camel_to_snake(method_name), description: f调用 {method_name} 接口, http: { method: http_method.upper(), url: base_url sub_url, paramLocation: parse_params(params) }, inputSchema: build_schema(params) } tools.append(tool) return {tools: tools} def camel_to_snake(name): return re.sub(r(?!^)(?[A-Z]), _, name).lower() def parse_params(params): loc {} for p in params.split(,): p p.strip() if PathVariable in p: loc[extract_name(p)] path elif RequestParam in p: loc[extract_name(p)] query elif RequestBody in p: loc[extract_name(p)] body return loc def extract_name(param): m re.search(r(\w)\s*$, param) return m.group(1) if m else arg def build_schema(params): props {} for p in params.split(,): p p.strip() if not p: continue name extract_name(p) props[name] {type: string} return {type: object, properties: props, required: list(props.keys())} if __name__ __main__: manifest scan_controllers(./src/main/java) with open(mcp-manifest.json, w, encodingutf-8) as f: json.dump(manifest, f, ensure_asciiFalse, indent2) print(f生成 {len(manifest[tools])} 个 MCP 工具)这个脚本是简化版实际用的时候类型映射要更细Long转integerBoolean转booleanListT转array。但骨架已经能跑通你可以先拿它生成 manifest再逐步完善类型推断。5. 验证请求用 Cline 连接 MCP Server 并调用接口MCP Server 跑起来之后用 Cline 连上去验证。Cline 是 VS Code 里的 AI 编码插件支持 MCP 客户端配置。在 VS Code 的settings.json里加一段 MCP Server 配置{ cline.mcpServers: { java-rest-bridge: { command: java, args: [-jar, /path/to/mcp-server.jar], env: { TAOTOKEN_API_KEY: 你的Key, TAOTOKEN_BASE_URL: https://taotoken.net/api, REST_BASE_URL: http://localhost:8080 } } } }保存后重启 Cline在对话窗口里输入“列出所有可用的 MCP 工具”Cline 会通过 MCP 协议向 Server 请求工具列表。如果配置正确你会看到get_order_by_id、create_order这些工具名出现在返回里。接下来做一次真实调用。在 Cline 里输入“帮我查一下订单 ID 为 12345 的详情”。Cline 会先调get_order_by_id工具参数id12345MCP Server 收到后通过RestInvoker发 HTTP 请求到http://localhost:8080/api/orders/12345拿到 JSON 响应再返回给 Cline。整个过程你能在 Cline 的 tool call 日志里看到请求和响应。如果后端接口需要鉴权在 MCP Server 的buildHeaders()里加一行从环境变量读 token 并塞进Authorization头。Cline 侧不需要额外配置鉴权透传在 Server 内部完成。验证成功的标志有三个Cline 能列出工具列表、工具调用返回了真实数据、后端日志里能看到对应的 HTTP 请求记录。三个都满足说明批量包装的链路通了。6. 本篇常见错排查错误一Cline 连不上 MCP Server报 “spawn java ENOENT”。这是command路径问题。java不在系统 PATH 里或者 VS Code 启动时的环境变量和终端不一致。解决办法是把command改成 java 的绝对路径比如/usr/lib/jvm/java-17/bin/java。Windows 下用java.exe的完整路径。错误二工具列表为空manifest 没加载。检查mcp-manifest.json是否在 classpath 根目录下。Spring Boot 打包成 jar 后getResourceAsStream(/mcp-manifest.json)读的是 jar 内的资源确保文件放在src/main/resources下。如果 manifest 是运行时生成的改成从文件系统路径读用--manifest/path/to/mcp-manifest.json传参。错误三调用工具返回 404。大概率是 URL 拼接错了。检查 manifest 里的url是否带了 context-path。如果后端服务配了server.servlet.context-path/apimanifest 里的 URL 要包含这个前缀或者RestInvoker的baseUrl里带上。另外 path 参数替换时{id}两边的大括号不能有空格。错误四参数类型不匹配后端报 400。MCP 工具传过来的参数都是字符串但后端可能期望Long或Integer。在RestInvoker里加一层类型转换根据 manifest 里记录的 Java 类型把字符串转成对应类型。简单做法是在inputSchema里标好type: integerCline 会按类型传但保险起见 Server 侧还是做一次校验和转换。错误五SSE 连接频繁断开。如果用 SSE 传输注意心跳间隔。MCP Server 要定期发 ping 事件否则客户端会超时重连。Spring 里可以用SseEmitter的send方法定时发注释行:ping\n\n。stdio 传输没这个问题本地开发优先用 stdio。错误六批量转换后工具名冲突。两个 Controller 里都有getById方法转成 snake_case 后都叫get_by_id。解决办法是在工具名前加服务前缀比如order_get_by_id、user_get_by_id。扫描脚本里从类名提取前缀拼到方法名前。7. 下一步把 MCP 服务接到长期编码流里批量包装只是第一步真正让 AI 工具链用起来还得把 MCP Server 挂到日常编码流程里。如果你用 Cline 做日常开发MCP 工具列表会随着 manifest 更新自动刷新新接口加进去重新生成 manifest 就行不用改 Cline 配置。如果你用 Claude Code接入方式在 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecode-anthropicutm_campaignrewrite 里有说明配置好之后同样能调这些 MCP 工具。模型调用通道这边短期验证用模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 就够了长期跑 Agent 和批量编码任务建议上 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 额度更稳。API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 接入细节看文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。整套链路跑通之后你手里的 Java 存量接口就不再是孤岛AI 能直接调改接口也只需要重新生成一次 manifest。