场景

SpringAIAlibaba整合百炼平台实现多MCP Server调用示例及指定某MCP Server调用示例：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/160987523

上面整合阿里的百炼平台实现多MCP Server的调用。

下面将其修改为调用本地Ollama大模型的方式实现。

随着大语言模型（LLM）应用的快速发展，许多开发者希望将基于商业云端 API（如阿里云百炼 DashScope）开发的项目，

迁移到本地部署的 Ollama 模型上。这不仅有利于降低调用成本、提升数据隐私性，还能在无网络环境下继续开发与测试。

本文将基于一个已经集成了 多个免费 MCP Server（Hacker News 和 NWS Weather）的 Spring AI Alibaba 项目，

详细记录将其从 DashScope 切换至本地 Ollama 的完整过程、核心知识点以及遇到的典型问题与解决方案。

Spring AI 的模型抽象层

Spring AI 为不同的大模型提供商提供了统一的 ChatModel 接口，通过 Starter 依赖注入不同的实现。

切换模型时，只需替换对应的 Starter 并修改配置，业务逻辑代码无需变更。

Ollama 的优势

免费、本地运行：无需 API Key，所有推理都在本地完成。

统一接口：提供兼容 OpenAI 的 HTTP API，方便集成。

丰富的模型生态：支持 Qwen、Llama、Mistral 等众多开源模型，只需一条 pull 命令即可下载。

注：

博客：
https://blog.csdn.net/badao_liumang_qizhi

实现

从 DashScope 到 Ollama 的完整切换步骤

修改 pom.xml 依赖

移除所有 DashScope 相关依赖（包括 spring-ai-alibaba-starter-dashscope 以及显式声明的 dashscope-sdk-java），

添加 Ollama Starter。

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.4.5</version>
    </parent>

    <groupId>com.badao</groupId>
    <artifactId>spring-ai-ollama-mcp-third-multipart</artifactId>
    <version>1.0.0</version>

    <properties>
        <java.version>17</java.version>
        <maven.compiler.release>17</maven.compiler.release>
        <spring-ai.version>1.1.2</spring-ai.version>
    </properties>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <!-- Spring Boot Web -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!-- Spring AI Ollama Starter -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-ollama</artifactId>
            <version>${spring-ai.version}</version>
        </dependency>

        <!-- Spring AI MCP 客户端 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-client</artifactId>
        </dependency>

    </dependencies>

    <repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
        </repository>
        <repository>
            <id>aliyun</id>
            <name>Aliyun Maven</name>
            <url>https://maven.aliyun.com/repository/public</url>
        </repository>
    </repositories>

调整 application.yml

将原先的 spring.ai.dashscope 配置全部移除，替换为 Ollama 的配置。

​
server:
  port: 8082

spring:
  ai:
    ollama:
      base-url: http://localhost:11434   # Ollama 服务地址
      chat:
        model: qwen2.5:7b-instruct             # 建议使用支持工具调用的模型
        options:
          temperature: 0.7
    mcp:
      client:
        enabled: true
        request-timeout: 60s
        toolcallback:
          enabled: true
        streamable-http:
          connections:
            hacker-news:
              url: https://hn.caseyjhand.com
            nws-weather:
              url: https://nws.caseyjhand.com/mcp

logging:
  level:
    org.springframework.ai.mcp: DEBUG

​

代码层面——零改动

所有 Java 代码（AiConfig, AiService, SelectiveAiService, AiController 等）完全无需修改。

Spring AI 通过 ChatClient.Builder 自动注入当前激活的 ChatModel，实现了业务逻辑与模型实现的彻底解耦。

测试效果

询问两个问题：

{
  "message": "回答我两个问题，一个是：Hacker News 最热文章是什么?另一个是：纽约的天气如何？"
}

询问单个问题：

常见问题与排查方法

1、启动报 DashScope API key must be set

pom.xml 中仍残留 DashScope 的 Starter 依赖，导致 Spring Boot 自动配置尝试创建 DashScopeChatModel，而找不到 API Key。

解决：彻底删除 spring-ai-alibaba-starter-dashscope 依赖，执行 mvn clean 清除编译缓存后重新启动。

2、依赖版本缺失：'dependencies.dependency.version' for ... is missing

原因：部分 Spring AI 的 Starter 在 BOM 中可能未被完全管理，Maven 无法自动推断版本。

解决：显式指定版本 ${spring-ai.version}。

3、找不到 spring-ai-ollama-spring-boot-starter:1.1.2

原因：在 1.1.2 版本中，Ollama Starter 的正确 artifactId 是 spring-ai-starter-model-ollama。

解决：引用正确的 artifactId

4、启动后网络报错 Connection reset

原因：MCP 客户端与远程服务的 HTTP/2 或 SSE 连接被远端或中间网络设备重置。
解决：

增加超时配置：request-timeout: 60s，并为每个连接设置 timeout。

此警告通常不影响功能，框架会自动重连。若服务仍可用，可忽略或调高日志级别。

检查防火墙或代理是否干扰长连接。

5、大模型不支持工具调用

现象：AI 从不调用 MCP 工具，直接返回文字回答。

原因：所选 Ollama 模型不具备 Function Calling 能力（如早期的 llama2）。

解决：使用明确支持工具调用的模型，例如 qwen2.5:7b、llama3.1:8b 或 mistral:7b。

知识点总结

依赖隔离：Spring AI 的项目应仅保留一个模型 Starter，避免多个自动配置互相冲突。

配置驱动：模型切换主要在 application.yml 中完成，业务代码完全无感。

BOM 管理：始终使用 spring-ai-bom 管理依赖版本，若个别包未受管理，手动添加版本号。

网络弹性：MCP 客户端具备自动重连机制，偶发的 Connection reset 通常无害。

模型能力：工具调用要求模型原生支持 Function Calling，下载前应确认模型的支持情况。