What is Springmcp

SpringMCP is a tutorial project that implements the Model Context Protocol (MCP), which allows seamless integration between LLM applications and external data sources using a standardized structure that combines Prompt, Context, and Options.

Use cases

Use cases for SpringMCP include RAG (Retrieval-Augmented Generation) for generating responses based on relevant documents, chatbots with memory capabilities for consistent answers, and document summarization or analysis.

How to use

To use SpringMCP, install and configure Claude Desktop, create a Spring Boot project, and add the Model Context Protocol Server as a dependency. You can also install relevant plugins for easier integration.

Key features

Key features include Context-Aware Prompting, which allows models to incorporate external context information; a standardized structure for model requests and responses; and components such as VectorStore and RetrievalAugmentor.

Where to use

SpringMCP can be used in various fields, including AI-based IDEs, chat interfaces, and custom AI workflows, where context-aware responses are needed.

Spring MCP

• Spring AI에서 제공하는 Context-Aware Prompting 메커니즘으로, 모델이 단순한 프롬프트 처리만 하는 것이 아니라, 외부 문맥 정보 (Ex. 벡터 검색 결과)를 포함해서 프롬프트를 구성할 수 있도록 하는 즉, Prompt + Context + Options을 하나의 구조로 묶는 표준화된 구조이다.
• Model Context Protocol (MCP)은 LLM 애플리케이션과 외부 데이터 소스 및 도구들 간의 원활한 통합을 가능하게 하는 개방형 프로토콜입니다. AI 기반 IDE, 채팅 인터페이스, 커스텀 AI 워크플로우 등에서 LLM이 필요한 컨텍스트와 연결하기 위한 표준화된 방법을 제공합니다.
• RAG를 구현할 때, context-aware 모델 요청을 쉽게 만들 수 있습니다.
• 주요 구성 요소
  • Spring AI에서 제공하는 VectorStore, RetrievalAugmentor, ModelRequest, ModelResponse 등이 그 기반을 이룹니다.
  • Prompt
    • 질문과 기본 입력을 포함한 텍스트
  • Context
    • 외부 지식 소스에서 검색된 문서들
  • ModelRequest
    • Prompt + Context + 옵션 설정 포함
  • ModelResponse
    • 모델 응답, 사용된 문맥 포함 가능
• 대표적인 사용 시나리오
  • RAG (검색 기반 응답 생성)
    • 질문을 벡터로 변환하여 관련 문서를 찾고 그 문서를 프롬프트에 포함시켜 응답을 생성하는 구조
    • 예: SSG API 문서 벡터화 → 검색 → GPT 응답에 삽입
  • ChatBot with 기억 기능
    • 과거 대화 내용을 문맥으로 전달하여 일관성 있는 답변 제공
  • 문서 요약/분석
    • 특정 문서나 섹션을 프롬프트에 삽입하여 요약 요청

Step 0: MCP 연동

• Claude 설치 및 설정

  • Claude Desktop 설치

    • https://claude.ai/download

  • 로그인 → 설정 → 개발자 → 설정 편집

    • claude_desktop_config.json 편집 및 저장 후 Claude 재실행

    • Jetbrains 연결 확인

    

• Jetbrains 설정

  • Spring Boot 프로젝트 생성

  • Dependencies 추가 시 Model Context Protocol Server 검색 후 추가 (추후 Plugins로 추가 가능)

    

  • Plugins → MCP Server 검색 후 설치

    

• Claude에 “IDE에서 내 프로젝트를 확인하고 프로젝트에서 지원하는 모든 API를 알려주세요.” 질문 후 이 채팅 허용

  

• 이렇게 되면 Claude와 Jetbrains와의 연동이 완료된다.

Step 1: 기본 URL 단축 서비스 구현

• 해당 요청 사항을 그대로 Claude에 복사하여 요청한다.

  urlShortener 서비스 생성
  POST /api/shorten 구현
  문자와 숫자로만 된, 문자로 시작하는 랜덤 6자리 문자열 키를 생성해서 in-memory hashmap에 저장하고 200 OK와 함께 단축 URL을 반환
  GET /api/shorten/{shortKey} 구현
  Endpoint로 단축 키를 받으면 해당하는 원본 URL 반환
  Controller, Service, Repository 레이어로 구조화
  편의성 기능 추가
  수동으로 테스트할 수 있는 HTTP-Client 파일 생성
  주요 흐름에 Info 로그 추가
  로깅은 io.github.oshai:kotlin-logging-jvm dependency 사용
  

• Dependencies가 추가되었으니 Gradle을 리프레시 해준다.

• Build 문제가 있을 경우 해당 오류 내용을 다시 질문하여 자동으로 수정한다.

Step 2: env 별로 데이터 저장소 분리

• 해당 요청 사항을 그대로 Claude에 복사하여 요청한다.

  local env 일 때는 지금의 로직을 유지
  local_postgres env 일 때는 exposed를 쓰고 싶으니 dependency 추가 명령
  local_postgres env에 쓰일 DB는 이미 docker-compose로 띄워져 있으며, 접속 정보는 docker/docker-compose.yml에 있음
  src/main/resources/application.yml에 env 추가
  local env: 현재 in-memory hashmap 사용 유지
  local_postgres env: Exposed를 사용하여 PostgresSQL DB 연결
  docker/docker-compose.yml의 PostgresSQL 접속 정보 활용
  

• Dependencies가 추가되었으니 Gradle을 리프레시 해준다.

• Build 문제가 있을 경우 해당 오류 내용을 다시 질문하여 자동으로 수정한다.

Step 3: Kotlin Multiplatform 관리자 화면 구현

• 해당 요청 사항을 그대로 Claude에 복사하여 요청한다.

  기능 구현
  URL 입력 폼: 긴 URL 입력 필드와 “단축하기” 버튼
  URL 목록 표시: 단축 키, 원본 URL. 생성 시간 표시
  삭제 기능: 각 URL 항목에 삭제 버튼 추가
  추가 API 엔드포인트
  GET /api/shorten/urls
  모든 단축 URL 목록 조회
  DELETE /api/shorten/{shortKey}
  특정 단축 URL 삭제
  동작 흐름
  POST, DELETE 작업 완료 후 자동으로 URL 목록 갱신
  페이지 로드 시 초기 URL 목록 로드
  

• Dependencies가 추가되었으니 Gradle을 리프레시 해준다.

• Build 문제가 있을 경우 해당 오류 내용을 다시 질문하여 자동으로 수정한다.