面试鸭 MCP Server
About
基于 Spring AI 的面试鸭搜索题目的 MCP Server 服务，快速让 AI 搜索企业面试真题和答案
Details
- License
- MIT
Explore
- 提供题目搜索工具 questionSearch，输入题目返回链接。
- 兼容 MCP 协议，可被多种 AI 助手调用。
- 基于 Java 17 和 MCP Java SDK 开发，部署方便。
- 作为国内首家兼容 MCP 的面试刷题网站接口。
需要 Java 17 运行时环境。克隆源码后通过 mvn clean package 构建。使用方式包括在 Cherry Studio 等客户端中配置 JSON 启动命令，或通过 Spring AI 框架代码集成。配置时需指定 jar 路径，客户端还需配置所用模型的 API 密钥（如通义千问）。
简介
面试鸭
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。
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
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
jsonCherry Studio
使用
1) 打开
的设置，点击MCP 服务器。编辑 JSON
2) 点击
,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
<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：
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": {}
}
}
}
yaml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：
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 去申请，模型我们用的是通义千问-Max。
3) 初始化聊天客户端
@Bean
public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,
ToolCallbackProvider mcpTools) {
return chatClientBuilder
.defaultTools(mcpTools)
.build();
}
4) 接口调用
@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]"));
}
``
Sign in to leave a review
Use Google, GitHub, or an email account so ratings stay tied to real people.
No reviews posted yet.
