MCP 服务如何从本地走向线上？SSE 模式部署实践

前面我们已经实现了两个 MCP 工具：一个负责自动发布文章，另一个负责发送消息通知。

在本地开发阶段，可以通过 stdio 模式调用它们：主程序启动一个 Jar，然后通过标准输入输出与 MCP 服务通信。这种方式简单、适合调试，但不适合线上长期运行。

本篇介绍如何将 MCP 服务改造成 SSE 模式，并通过 Docker 部署为可复用的网络服务。

一、stdio 模式的问题

stdio 模式的调用方式可以理解为：

AI 主程序启动 MCP Jar → 本地进程通信 → 工具执行完成

它适合个人电脑和本地测试，但有几个限制：

MCP 服务通常依赖主程序启动；
服务与主程序耦合较强；
不方便被多个应用复用；
不利于独立升级、监控和扩容；
部署时需要处理本地 Jar 路径。

如果想把“发帖”“通知”等能力真正部署到服务器上，更适合使用 SSE 模式。

二、什么是 SSE 模式？

SSE（Server-Sent Events）是一种基于 HTTP 的服务端推送技术。

对于 MCP 而言，可以把它理解为：原先运行在本地的工具 Jar，现在变成了一个带 HTTP 地址的服务。AI 主程序通过网络连接它，并调用工具。

部署后，整体架构会变成：

文章发布 MCP：提供发帖工具，例如运行在 8101 端口；
消息通知 MCP：提供微信、邮件或企业微信通知工具，例如运行在 8102 端口；
AI 主服务：负责生成内容、编排工作流，并连接两个 MCP 服务。

工作流程如下：

AI 生成文章 → 调用发帖 MCP → 获取文章链接 → 调用通知 MCP → 用户收到消息

三、从 stdio 切换到 SSE，需要改什么？

核心改动只有三类。

1. MCP 服务支持 Web 模式

原来的 stdio MCP 是一个命令行程序，改为 SSE 后，需要引入与当前 Spring AI 版本匹配的 MCP Web/WebFlux Server 依赖。

启动后，服务会监听端口，并暴露 SSE 连接地址，例如：

http://localhost:8101/sse

浏览器或命令行访问该地址时，能够建立 SSE 连接，说明服务已正常启动。

2. AI 主服务改为配置远程地址

此前，主服务通过 Java 命令和 Jar 路径启动 MCP：

{
  "command": "java",
  "args": ["-jar", "/app/mcp-server-article.jar"]
}

切换为 SSE 后，只需配置 MCP 服务地址：

spring:
  ai:
    mcp:
      client:
        request-timeout: 360s
        sse:
          connections:
            article-publisher:
              url: http://mcp-server-article:8101
            message-notifier:
              url: http://mcp-server-notice:8102

这样，AI 主服务不再关心 MCP Jar 位于哪里，只要知道服务地址即可。

3. 每个 MCP 服务独立部署

文章发布和消息通知分别构建镜像、独立运行：

services:
  mcp-server-article:
    image: your-registry/mcp-server-article:1.0
    ports:
      - "8101:8101"

  mcp-server-notice:
    image: your-registry/mcp-server-notice:1.0
    ports:
      - "8102:8102"

  ai-app:
    image: your-registry/ai-app:1.0
    depends_on:
      - mcp-server-article
      - mcp-server-notice

在同一个 Docker 网络中，AI 主服务可以直接通过服务名访问 MCP，例如：

http://mcp-server-article:8101

不需要写死服务器 IP。

四、为什么不应该使用 127.0.0.1？

这是容器部署中最容易踩的坑。

在 Docker 容器里，127.0.0.1 指向的是当前容器自身，而不是其他容器。

因此，AI 主服务如果要访问发帖 MCP，不能配置：

http://127.0.0.1:8101

而应该使用 Docker Compose 的服务名：

http://mcp-server-article:8101

Docker 会自动为同一网络下的服务提供 DNS 解析。

五、上线前的几个关键检查

部署完成后，建议依次检查：

每个容器是否正常启动；
MCP 服务端口是否已监听；
/sse 地址是否可以建立连接；
AI 主服务是否成功发现工具；
发帖工具是否返回文章链接；
通知工具是否收到正确的标题、摘要和 URL；
容器日志中是否存在超时、认证或重复工具注册问题。

如果工具调用耗时较长，例如生成文章、请求第三方平台接口，适当提高 MCP 客户端超时时间，避免任务尚未完成就被中断。

六、安全配置不能忽略

发帖服务和通知服务通常需要 Cookie、API Key、App Secret 等敏感信息。

线上部署时应遵循几个原则：

不要把密钥写进代码或 Docker 镜像；
使用环境变量、配置中心或密钥管理服务；
不要把真实凭证提交到 Git 仓库；
对外暴露 MCP 服务时增加网络访问限制；
发布前优先创建草稿，并记录执行日志；
为失败任务设置告警和重试机制。

七、总结

stdio 模式适合本地开发，SSE 模式适合线上部署。

将 MCP 服务独立为 SSE 服务后，发帖、通知、数据查询等能力都可以像普通微服务一样被复用。AI 主服务只负责理解需求和编排工具，不再与具体 Jar 文件绑定。

这也是 MCP 从“本地小工具”走向“可部署 AI 能力服务”的关键一步。