🚀 面试鸭 MCP 服务器
面试鸭的题目搜索 API 已兼容 MCP 协议，是国内首家支持 MCP 协议的面试刷题平台。本服务基于 MCP Java SDK 开发，任何支持 MCP 协议的智能助手（如 Claude、Cursor 以及千帆 AppBuilder 等）都能轻松接入。以下是详细的适配说明。
✨ 主要特性
- 面试鸭的题目搜索 API 兼容 MCP 协议，是国内首家支持该协议的面试刷题平台。
- 基于
MCP Java SDK开发，方便支持 MCP 协议的智能助手接入。
📦 工具列表
题目搜索 questionSearch
- 功能：将面试题目转换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 服务器主要通过 Java SDK 的形式。
📦 安装指南
前提条件
需要 Java 17 运行时环境。
安装
git clone https://github.com/yuyuanweb/mcp-mianshiya-server
构建
cd mcp-mianshiya-server
mvn clean package
💻 使用示例
基础用法
配置 Cherry Studio
- 打开 Cherry Studio 的
设置，点击MCP 服务器。 - 点击
编辑 JSON，将以下配置添加到配置文件中。
{
"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 中选择一个模型，输入 API 密钥，配置模型参数，并启用工具函数调用功能。
4. 在输入框下方勾选开启 MCP 服务。
5. 配置完成，然后查询面试题目
高级用法
代码调用
- 引入依赖
com.alibaba.cloud.ai
spring-ai-alibaba-starter
1.0.0-M6.1
org.springframework.ai
spring-ai-mcp-client-spring-boot-starter
1.0.0-M6
客户端使用阿里巴巴的通义千问模型，所以引入 spring-ai-alibaba-starter 依赖。若需要其他模型，请根据具体情况调整。 2. 配置 MCP 服务器 需要在 application.yml 中配置 MCP 服务器的相关参数：
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：
{
"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": {}
}
}
}
- 初始化聊天客户端
@Bean
public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,
ToolCallbackProvider mcpTools) {
return chatClientBuilder
.defaultTools(mcpTools)
.build();
}
- 接口调用
@PostMapping(value = "/ai/answer/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux generateStreamAsString(@RequestBody AskRequest request) {
Flux content = chatClient.prompt()
.user(request.getContent())
.stream()
.content();
return content
.concatWith(Flux.just("[complete]"));
}