Content
[This is a Chinese README. English translation is not available yet.]
# 面试鸭 MCP Server
## 简介
[面试鸭](https://mianshiya.com/)
的题目搜索API现已兼容MCP协议,是国内首家兼容MCP协议的面试刷题网站。关于MCP协议,详见MCP官方[文档](https://modelcontextprotocol.io/)。
依赖`MCP Java SDK`开发,任意支持MCP协议的智能体助手(如`Claude`、`Cursor`以及`千帆AppBuilder`等)都可以快速接入。
以下会给更出详细的适配说明。
## 工具列表
#### 题目搜索 `questionSearch`
- 将面试题目检索为面试鸭里的题目链接
- 输入: `题目`
- 输出: `[题目](链接)`
## 快速开始
使用面试鸭MCP Server主要通过`Java SDK` 的形式
### Java 接入
> 前提需要Java 17 运行时环境
#### 安装
``` bash
git clone https://github.com/yuyuanweb/mcp-mianshiya-server
```
#### 构建
``` bash
cd mcp-mianshiya-server
mvn clean package
```
#### 使用
1) 打开`Cherry Studio`的`设置`,点击`MCP 服务器`。

2) 点击`编辑 JSON`,将以下配置添加到配置文件中。
``` json
{
"mcpServers": {
"mianshiyaServer": {
"command": "java",
"args": [
"-Dspring.ai.mcp.server.stdio=true",
"-Dspring.main.web-application-type=none",
"-Dlogging.pattern.console=",
"-jar",
"/yourPath/mcp-server-0.0.1-SNAPSHOT.jar"
],
"env": {}
}
}
}
```

3) 在设置-模型服务里选择一个模型,输入API密钥,选择模型设置,勾选下工具函数调用功能。

4) 在输入框下面勾选开启MCP服务。

5) 配置完成,然后查询下面试题目

#### 代码调用
1) 引入依赖
``` java
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter</artifactId>
<version>1.0.0-M6.1</version>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
<version>1.0.0-M6</version>
</dependency>
```
2) 配置MCP服务器
需要在application.yml中配置MCP服务器的一些参数:
``` yaml
spring:
ai:
mcp:
client:
stdio:
# 指定MCP服务器配置文件
servers-configuration: classpath:/mcp-servers-config.json
mandatory-file-encoding: UTF-8
```
其中mcp-servers-config.json的配置如下:
``` json
{
"mcpServers": {
"mianshiyaServer": {
"command": "java",
"args": [
"-Dspring.ai.mcp.server.stdio=true",
"-Dspring.main.web-application-type=none",
"-Dlogging.pattern.console=",
"-jar",
"/Users/gulihua/Documents/mcp-server/target/mcp-server-0.0.1-SNAPSHOT.jar"
],
"env": {}
}
}
}
```
客户端我们使用阿里巴巴的通义千问模型,所以引入spring-ai-alibaba-starter依赖,如果你使用的是其他的模型,也可以使用对应的依赖项,比如openAI引入`spring-ai-openai-spring-boot-starter` 这个依赖就行了。
配置大模型的密钥等信息:
``` yaml
spring:
ai:
dashscope:
api-key: ${通义千问的key}
chat:
options:
model: qwen-max
```
通义千问的key可以直接去[官网](https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key?spm=a2c4g.11186623.0.0.7399482394LUBH) 去申请,模型我们用的是通义千问-Max。
3) 初始化聊天客户端
``` java
@Bean
public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,
ToolCallbackProvider mcpTools) {
return chatClientBuilder
.defaultTools(mcpTools)
.build();
}
```
4) 接口调用
``` java
@PostMapping(value = "/ai/answer/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<String> generateStreamAsString(@RequestBody AskRequest request) {
Flux<String> content = chatClient.prompt()
.user(request.getContent())
.stream()
.content();
return content
.concatWith(Flux.just("[complete]"));
}
```
Connection Info
You Might Also Like
Git
Model Context Protocol Servers
TrendRadar
🎯 Say goodbye to information overload. AI helps you understand news hotspots...
repomix
Repomix packages your codebase into AI-friendly formats for seamless integration.
Mastra
The TypeScript AI agent framework. ⚡ Assistants, RAG, observability....
Blender
BlenderMCP integrates Blender with Claude AI for enhanced 3D modeling.
cua
Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and...