企业官网建设流程全解析

1. 为什么要在 Java 里自己写 MCP server

企业内网做智能问答，最尴尬的一点是：大模型很聪明，但它看不到你库里的表结构，也不知道“上季度华东区退货率”到底对应哪张表、哪个字段。业务同事用自然语言问一句，模型只能靠猜，猜出来的 SQL 十有八九跑不通。DeepSeek 这类模型在自然语言理解上已经够用，缺的是把它和达梦数据库连起来的那根“数据线”。

MCP（Model Context Protocol）解决的正是这件事。它给模型和业务系统之间定了一套标准接口：模型负责理解人话，MCP server 负责把“查库表结构”“执行 SQL”这些动作暴露成工具，模型按需调用。落到 Java 技术栈里，就是用一个 Spring Boot 服务把达梦的元数据查询和 SQL 执行包装成 MCP tool，再通过 TaoToken 统一走 DeepSeek 的 API 通道。

这套骨架适合谁？适合手里有达梦、团队主力是 Java、又不想把数据库账号密码散落在各个客户端配置里的内网项目。下面我按“先跑通、再排错”的顺序，把配置骨架和验证动作完整给出来。

2. TaoToken 前置：统一 Key 与 API 通道

在写 MCP server 之前，先把模型侧的通道理顺。企业内网常见的问题是：每个开发者各自申请 Key、各自配 base_url，最后审计和额度都失控。TaoToken 在这里的角色是统一入口——你拿到一个 Key，模型对话、编码、Agent 调用都走同一个通道，MCP server 里只需要维护一份配置。

具体动作分三步。第一，登录控制台创建 API Key，建议按项目或按人建，方便后面查用量。第二，确认你要用的模型名，DeepSeek 系列在模型对话页可以直接试跑，先确认通道通不通，再去写 Java 代码，能省掉一半“到底是网络问题还是代码问题”的排查时间。第三，把 base_url 记成https://taotoken.net/api，注意这个地址不带任何查询参数，Key 走标准的 Authorization 头。

如果你后面要做长期编码或 Agent 类任务，可以顺带看一下 Coding Plan，它更适合高频、长会话的场景；只是跑通本篇的问答骨架，用按量 Key 就够了。相关入口我放在文末 CTA 里，这里先把配置写清楚。

3. 可复制的 MCP server 配置骨架

3.1 pom 依赖与启动类

新建一个 Maven 项目，Java 17。核心依赖是 Spring AI 的 MCP server starter，用 webflux 版本走 SSE 传输，这样客户端可以用 SSE 方式连进来。

<dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-mcp-server-webflux</artifactId> <version>1.0.0-M6</version> </dependency> <dependency> <groupId>com.dameng</groupId> <artifactId>DmJdbcDriver18</artifactId> <version>8.1.3.140</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-webflux</artifactId> </dependency> </dependencies>

启动类上开启工具扫描，并把 MCP server 的传输方式声明出来：

@SpringBootApplication public class McpServerApplication { public static void main(String[] args) { SpringApplication.run(McpServerApplication.class, args); } @Bean public ToolCallbackProvider databaseTools(DatabaseMetadataService service) { return MethodToolCallbackProvider.builder() .toolObjects(service) .build(); } }

3.2 达梦连接参数

达梦的 JDBC URL 格式和 MySQL 不太一样，schema 要显式带上，否则元数据查询会拿到空结果。下面这份配置放在application.yml里，账号密码建议走环境变量，不要硬编码进仓库。

spring: datasource: url: jdbc:dm://10.10.20.31:5236?schema=BIZ_DW&characterEncoding=UTF-8 username: ${DM_USER} password: ${DM_PWD} driver-class-name: dm.jdbc.driver.DmDriver hikari: maximum-pool-size: 5 connection-timeout: 10000 server: port: 8080

这里有个容易踩的点：达梦默认端口是 5236，不是 3306；schema参数写错的话，getTables返回的列表会是空的，模型就会以为“这个库没表”，然后开始编。所以第一次接的时候，先用客户端工具确认 schema 名，再填进来。

3.3 两个核心 Tool 的实现

MCP server 对外暴露两个工具：一个查库表结构，一个执行 SQL。注解@Tool的 description 非常关键，模型就是靠这段文字判断什么时候该调哪个工具，所以描述要写清楚“返回什么、参数是什么”。

@Service public class DatabaseMetadataService { private final JdbcTemplate jdbcTemplate; public DatabaseMetadataService(JdbcTemplate jdbcTemplate) { this.jdbcTemplate = jdbcTemplate; } @Tool(description = "获取当前达梦数据库中所有表名及字段注释，用于理解业务数据结构") public String listTables() { String sql = "SELECT TABLE_NAME, COMMENTS FROM USER_TAB_COMMENTS"; List<Map<String, Object>> rows = jdbcTemplate.queryForList(sql); return rows.toString(); } @Tool(description = "执行只读 SELECT 查询并返回结果，入参为完整 SQL 语句") public String executeQuery(@ToolParam(description = "标准 SQL 查询语句") String sql) { if (!sql.trim().toUpperCase().startsWith("SELECT")) { return "仅允许执行 SELECT 查询"; } List<Map<String, Object>> rows = jdbcTemplate.queryForList(sql); return rows.toString(); } }

注意executeQuery里加了一道 SELECT 白名单校验。内网环境里，MCP server 直连生产库本身就有风险，至少要把写操作挡在工具层，别指望模型每次都听话。

3.4 客户端侧 settings.json 示例

如果你用的是支持 MCP 的桌面客户端，配置通常长这样。服务器类型选 SSE，URL 指向本机 8080 的/sse路径：

{ "mcpServers": { "dm-intelligence": { "type": "sse", "url": "http://localhost:8080/sse", "enabled": true } } }

模型侧的 API 配置单独填：base_url 用https://taotoken.net/api，Key 填你在控制台建的那把，模型选deepseek-reasoner或deepseek-chat。这两块分开配，后面换模型不用动 MCP 配置。

4. 验证请求与预期返回

配置写完，先别急着在聊天框里问业务问题，按下面顺序验证，能快速定位问题出在哪一层。

第一步，确认 MCP server 起来了。启动日志里应该能看到工具注册信息，类似Registered tools: listTables, executeQuery。如果没看到，多半是ToolCallbackProvider那个 Bean 没生效。

第二步，直接 curl 一下 SSE 端点，确认服务在监听：

curl -N http://localhost:8080/sse

正常会保持连接并返回事件流。如果连接被拒，检查端口和防火墙。

第三步，在客户端里点开工具页签，手动触发listTables。预期返回是一串表名和注释，比如[{TABLE_NAME=ORDER_MAIN, COMMENTS=订单主表}, ...]。这一步通了，说明达梦连接没问题。

第四步，发一句自然语言问题，比如“订单主表里有多少条记录”。预期链路是：模型先调listTables确认表存在，再调executeQuery执行SELECT COUNT(1) FROM ORDER_MAIN，最后把数字用人话回给你。如果模型直接编了个数字而没调工具，说明工具描述不够清楚，或者客户端没启用 MCP。

5. 本篇常见错排查

报错一：getTables返回空列表。九成是 schema 参数没配对。达梦对 schema 大小写敏感，BIZ_DW和biz_dw可能指向不同对象。先用达梦客户端执行SELECT USER FROM DUAL确认当前 schema。

报错二：SQL 里带*被正则拦下。有些客户端会对工具入参做校验，SELECT *里的星号可能触发规则。规避方式是在工具描述里引导模型写具体字段名，或者在服务端做一次参数清洗，把*展开成字段列表。我试过在提示词里加一句“查询时请列出具体字段”，命中率会高很多。

报错三：模型不调工具，直接回答。检查两处：一是客户端里 MCP 开关是否打开，二是@Tool的 description 是否太笼统。把“查询数据库”改成“执行只读 SELECT 并返回结果集”，模型判断会更准。

报错四：连接超时。内网到达梦的 5236 端口如果不通，Hikari 会在 10 秒后抛异常。先在服务器上telnet 10.10.20.31 5236确认网络，再排查账号权限。

报错五：返回结果太长被截断。大表全量查询会把上下文撑爆。建议在executeQuery里加LIMIT兜底，或者在工具描述里要求模型必须带行数限制。

6. 把通道和工具串起来

到这里，Java 版 MCP server 的骨架就跑通了：达梦负责数据，MCP 负责把数据能力暴露成工具，DeepSeek 负责理解问题并决定调哪个工具，TaoToken 负责把模型调用收敛到一个 Key 和一条通道上。四者各司其职，换数据库或换模型时，改动面都很小。

下一步可以做的：把listTables升级成带字段类型和注释的完整元数据，让模型生成 SQL 更准；给executeQuery加超时和行数上限，避免拖垮库；如果要做长期在线的 Agent，把 Key 换成 Coding Plan 那类更适合长会话的额度。

需要建 Key 或看接入细节，可以从这几个入口进：API Key 管理在 console，接入文档在 doc，想先试模型效果就去 模型对话。先把listTables调通，再往业务问题上走，这条路会顺很多。