Discover Awesome MCP Servers

Spring Ai Mcp Deepseek

Com certeza! Para integrar o Spring AI com os serviços MCP (incluindo o servidor MCP e o cliente Deepseek), você precisará seguir algumas etapas e configurar algumas dependências. Aqui está um guia detalhado: **1. Entendendo os Componentes** * **Spring AI:** Uma abstração do Spring para interagir com modelos de IA, facilitando a integração com diferentes provedores (como Deepseek). * **MCP Server:** Um servidor que provavelmente expõe APIs para interagir com modelos de IA. Você precisará entender como este servidor funciona e quais APIs ele oferece. * **Deepseek Client:** Um cliente específico para interagir com os modelos Deepseek. **2. Adicionando as Dependências Necessárias** Primeiro, você precisará adicionar as dependências do Spring AI ao seu projeto. Se você estiver usando Maven, adicione o seguinte ao seu `pom.xml`: ```xml <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-core</artifactId> <version>0.8.0</version> <!-- Use a versão mais recente --> </dependency> <!-- Dependência para o provedor específico (se houver um já implementado no Spring AI) --> <!-- Exemplo: Se houver um módulo para Deepseek, adicione-o aqui --> <!-- <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-deepseek</artifactId> <version>0.8.0</version> </dependency> --> <!-- Se não houver um módulo específico para Deepseek no Spring AI, você precisará usar o Spring Web para fazer chamadas HTTP --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!-- Para processar JSON (se necessário) --> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies> ``` **Observações Importantes sobre as Dependências:** * **Versão do Spring AI:** Use a versão mais recente do Spring AI para ter acesso aos recursos e correções mais recentes. * **Módulo Deepseek:** Verifique se o Spring AI já possui um módulo específico para Deepseek. Se tiver, adicione essa dependência. Se não tiver (o que é provável, dependendo da popularidade do Deepseek e do desenvolvimento do Spring AI), você precisará usar o `spring-boot-starter-web` para fazer chamadas HTTP diretamente para o MCP Server. **3. Configurando a Conexão com o MCP Server** Como não há um módulo específico para Deepseek no Spring AI (assumindo que não há), você precisará criar um cliente HTTP para interagir com o MCP Server. Aqui está um exemplo de como você pode fazer isso: ```java import org.springframework.beans.factory.annotation.Value; import org.springframework.boot.web.client.RestTemplateBuilder; import org.springframework.stereotype.Component; import org.springframework.web.client.RestTemplate; @Component public class MCPClient { private final RestTemplate restTemplate; @Value("${mcp.server.url}") // Defina esta propriedade no seu application.properties ou application.yml private String mcpServerUrl; public MCPClient(RestTemplateBuilder restTemplateBuilder) { this.restTemplate = restTemplateBuilder.build(); } public String sendMessageToDeepseek(String message) { // Construa a URL para a API do Deepseek no MCP Server String url = mcpServerUrl + "/deepseek/generate"; // Ajuste a URL conforme a API do seu MCP Server // Crie o corpo da requisição (se necessário) // Pode ser um objeto JSON, por exemplo // Map<String, String> requestBody = new HashMap<>(); // requestBody.put("prompt", message); // Faça a requisição POST para o MCP Server // String response = restTemplate.postForObject(url, requestBody, String.class); // Se a API do MCP Server espera um texto simples como entrada: String response = restTemplate.postForObject(url, message, String.class); return response; } } ``` **Explicação do Código:** * **`@Component`:** Marca a classe como um componente Spring, permitindo que ela seja injetada em outros beans. * **`RestTemplate`:** Um cliente HTTP do Spring para fazer requisições REST. * **`@Value("${mcp.server.url}")`:** Injeta a URL do MCP Server a partir do arquivo `application.properties` ou `application.yml`. Você precisará definir essa propriedade no seu arquivo de configuração. * **`sendMessageToDeepseek(String message)`:** Este método envia uma mensagem para o endpoint do Deepseek no MCP Server. * **Construção da URL:** A URL é construída combinando a URL base do MCP Server com o endpoint específico do Deepseek (por exemplo, `/deepseek/generate`). **Ajuste esta URL para corresponder à API real do seu MCP Server.** * **Corpo da Requisição:** Se a API do MCP Server espera um corpo de requisição JSON, você precisará criar um `Map` ou uma classe Java que represente o corpo da requisição e usar `restTemplate.postForObject(url, requestBody, String.class)`. Se a API espera apenas um texto simples, você pode passar a mensagem diretamente como no exemplo. * **`restTemplate.postForObject()`:** Envia a requisição POST para o MCP Server e recebe a resposta como uma String. * **Tratamento de Erros:** É importante adicionar tratamento de erros (try-catch) para lidar com possíveis exceções durante a chamada HTTP. **4. Configurando o `application.properties` ou `application.yml`** Adicione a URL do seu MCP Server ao seu arquivo de configuração: ```properties mcp.server.url=http://localhost:8080 # Substitua pela URL real do seu MCP Server ``` Ou, em YAML: ```yaml mcp: server: url: http://localhost:8080 # Substitua pela URL real do seu MCP Server ``` **5. Usando o `MCPClient` em um Componente Spring AI** Agora você pode usar o `MCPClient` em um componente Spring AI para interagir com o Deepseek: ```java import org.springframework.ai.client.AiClient; import org.springframework.ai.client.AiResponse; import org.springframework.ai.prompt.PromptTemplate; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; @Service public class DeepseekAIService implements AiClient { @Autowired private MCPClient mcpClient; @Override public AiResponse generate(String prompt) { String response = mcpClient.sendMessageToDeepseek(prompt); // Crie um AiResponse a partir da resposta do MCP Server AiResponse aiResponse = new AiResponse(response); // Adapte conforme a estrutura da resposta return aiResponse; } @Override public AiResponse generate(String prompt, AiClient.Options options) { // Implemente a lógica para lidar com as opções, se necessário return generate(prompt); } // Outros métodos da interface AiClient podem ser implementados com lógica similar // Se o MCP Server suportar streaming, você pode implementar o método generateStream() } ``` **Explicação do Código:** * **`@Service`:** Marca a classe como um serviço Spring. * **`@Autowired`:** Injeta o `MCPClient` no serviço. * **`generate(String prompt)`:** Este método recebe um prompt, envia para o Deepseek através do `MCPClient` e retorna um `AiResponse`. * **`mcpClient.sendMessageToDeepseek(prompt)`:** Envia o prompt para o MCP Server. * **`new AiResponse(response)`:** Cria um `AiResponse` a partir da resposta do MCP Server. **Adapte esta parte para corresponder à estrutura da resposta que você recebe do MCP Server.** Se a resposta for um JSON, você precisará desserializá-lo e extrair o texto relevante. * **`generate(String prompt, AiClient.Options options)`:** Este método permite passar opções adicionais para o modelo. Implemente a lógica para lidar com essas opções, se o MCP Server as suportar. * **Implementação da Interface `AiClient`:** Você precisará implementar todos os métodos da interface `AiClient`. Se o MCP Server suportar streaming, você pode implementar o método `generateStream()`. **6. Usando o Serviço AI** Agora você pode injetar o `DeepseekAIService` em qualquer outro componente Spring e usá-lo para gerar texto com o Deepseek: ```java import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Component; @Component public class MyComponent { @Autowired private DeepseekAIService aiService; public String generateText(String prompt) { return aiService.generate(prompt).getGeneration(); // Adapte para extrair o texto da resposta } } ``` **Considerações Adicionais:** * **Autenticação:** Se o MCP Server exigir autenticação, você precisará adicionar cabeçalhos de autenticação às suas requisições HTTP. Você pode fazer isso configurando um `ClientHttpRequestInterceptor` no seu `RestTemplate`. * **Tratamento de Erros:** Implemente um tratamento de erros robusto para lidar com possíveis erros de rede, erros do MCP Server e erros de desserialização JSON. * **Logging:** Adicione logging para rastrear as requisições e respostas do MCP Server. * **Configuração:** Use um arquivo de configuração (como `application.properties` ou `application.yml`) para armazenar as configurações do MCP Server (URL, chaves de API, etc.). * **Mapeamento de Dados:** Certifique-se de mapear corretamente os dados entre o Spring AI e o formato de dados esperado pelo MCP Server. * **Testes:** Escreva testes unitários e de integração para garantir que a integração esteja funcionando corretamente. **Resumo:** Integrar o Spring AI com um serviço externo como o MCP Server (com Deepseek) requer um pouco mais de trabalho manual, especialmente se não houver um módulo específico no Spring AI para esse provedor. Você precisará usar o `RestTemplate` para fazer chamadas HTTP para o MCP Server e adaptar os dados entre o Spring AI e o formato esperado pelo servidor. Lembre-se de tratar erros, adicionar autenticação (se necessário) e configurar as dependências corretamente. Lembre-se de que este é um guia geral. Você precisará adaptar o código e a configuração para corresponder à API específica do seu MCP Server e às suas necessidades. Boa sorte!

MCP Action Firewall

A transparent proxy that intercepts high-risk tool calls and requires OTP-based human approval before they can be executed. It acts as a configurable circuit breaker between AI agents and target MCP servers to prevent unauthorized or dangerous actions.

COMSOL MCP Server

Enables AI agents to automate multiphysics simulations in COMSOL Multiphysics, covering model management, geometry building, physics configuration, and results visualization. It supports complex simulation workflows through the MCP protocol and includes integrated knowledge retrieval for documentation and troubleshooting.

OpenAPI MCP Server

A server that implements the Model Context Protocol (MCP) with StreamableHTTP transport, enabling standardized interaction with model services through a RESTful API interface.

Webpixels MCP Server

Enables AI assistants to search, retrieve, and assemble Bootstrap UI components from the Webpixels library. It provides tools to explore component categories, fetch HTML snippets, and build complete web pages.

Enjin API Tool MCP Server

Um servidor MCP que permite a interação com a API da Plataforma Enjin.

Loom Transcript MCP

Enables users to fetch transcripts and comments from public Loom video URLs. It provides tools to retrieve video text data and discussion threads directly through the Model Context Protocol.

Mineru MCP Server

Enables batch conversion of PDF files to HTML format using Mineru's official PDF parsing API. Supports automatic file scanning, customizable parsing parameters, and organized output with renamed image assets.

Personnel Data MCP Server

An MCP Server that provides access to Personio's HR and personnel data through the Personnel API, allowing interaction with employee records, HR systems, and personnel management functions.

VibeCoding System

An AI-guided conversation-driven development framework that helps build MVPs and POCs rapidly through intelligent dialogue with specialized MCP services.

Terrakube MCP Server

A Model Context Protocol server that enables managing Terrakube infrastructure through natural language, handling workspace management, variables, modules, and organization operations.

kivv

Automated arXiv research paper discovery and AI-powered summarization system that enables Claude Desktop users to search, retrieve, and get intelligent summaries of academic papers through MCP integration.

Storyblok MCP Server

Connects AI tools to Storyblok CMS, allowing users to manage content through natural language commands for tasks like story management, asset handling, and AI-powered content operations.

TypeScript MCP Server Boilerplate

A boilerplate project for quickly developing Model Context Protocol (MCP) servers using TypeScript SDK, with example tools (calculator, greet) and resources (server info) pre-implemented.

PayPal MCP Server by CData

This read-only MCP Server allows you to connect to PayPal data from Claude Desktop through CData JDBC Drivers. Free (beta) read/write servers available at https://www.cdata.com/solutions/mcp

OODA Computer Control

Provides comprehensive computer control capabilities including shell commands, file operations, screen capture, keyboard/mouse input, window management, clipboard access, and system monitoring following the OODA loop pattern.

DeepL MCP Server

A Model Context Protocol server that enables AI assistants to translate and rephrase text between numerous languages using the DeepL API.

gerbil-mcp

Provides AI assistants with live access to a Gerbil Scheme environment to evaluate expressions, look up module exports, and check syntax. It enables real-time interaction with the gxi runtime for macro expansion and symbol searching.

CLI Integradora para Arcee, TESS e MCP

Servidor MCP para integração com a API TESS, permitindo o uso de agentes TESS via protocolo MCP.

Filament MCP Server

Enables AI assistants to build and manage Filament admin panels by providing component references, implementation plans, and official documentation lookups. It supports Laravel's Filament framework versions 4.x and 5.x through specialized tools and prompts.

Unified MCP Suite

Um conjunto de servidores do Protocolo de Contexto de Modelo (MCP) projetados para aprimorar as capacidades de agentes de IA. Fornece ferramentas para busca/compreensão de mídia (imagens, vídeo), recuperação de informações da web, geração de PDF e criação de apresentações em PowerPoint, permitindo que os agentes interajam com diversos formatos de dados e recursos externos.

MCP SmallEdit

Provides tools for making small, targeted edits to files using stream editors like sed and awk, enabling efficient modifications without full file replacement.

MCP Clipboard Server

A high-performance server that provides clipboard access for AI assistants, specifically designed to solve the VSCode + WSL2 image clipboard limitation when using Claude.

MCP PDF

Enables AI-powered extraction and analysis of PDF documents with 40+ specialized tools for text, tables, images, layout analysis, security assessment, and document intelligence. Supports both text-based and scanned PDFs with OCR capabilities.

ShippingTracker

한국 택배 배송 조회를 위한 MCP 서버 MCP Server for Korean Shipment Tracking

Discord Agent MCP

Provides comprehensive Discord bot automation with 71 tools for messaging, channel management, moderation, roles, members, emojis, stickers, scheduled events, auto-moderation, and application commands through AI assistants.

Interactive Feedback MCP

Provides a Qt-based graphical interface for AI tools like Cursor to facilitate real-time human feedback and streamlined command execution. It features customizable shortcut responses, image processing, and a structured RIPER-5 workflow protocol to improve development accuracy and efficiency.

MCP Quickstart Weather Server

Quickstart of MCP server

Markdownify MCP Server

A Model Context Protocol server that converts diverse file types, including PDFs, images, audio, and Office documents, into Markdown format. It also transforms web content like YouTube transcripts and Bing search results into readable text for model consumption.