前言

人工智能技术的快速发展正在深刻改变软件开发的方式。众多AI编程工具通过智能代码补全、自然语言转代码等功能，显著提升了开发效率。这些工具不仅能够理解开发者的意图，还能自动生成高质量的代码片段，甚至协助完成复杂业务逻辑的构建。随着AI技术的持续迭代，AI编程工具正从辅助角色向协作伙伴转变，开发者与AI的协同模式逐渐成为行业新常态。

MCP（Model Context Protocol）

是 Anthropic 设计的一种开源协议，主要用于优化大规模语言模型（LLM）的上下文管理。相关信息可以在这里查看。

1. 核心功能

• 上下文窗口扩展：通过动态管理输入输出的上下文长度，提升模型处理长文本任务的效率，避免传统固定窗口的局限性。
• 多模态数据支持：支持文本、图像、结构化数据等多种形式的上下文输入，增强模型在复杂场景下的适应性。
• 资源优化：通过压缩和选择性缓存技术，降低长上下文场景下的计算和内存开销。
• 开源与标准化：提供统一的接口规范，便于开发者集成到不同框架中（如 transformers），促进生态协作。

2. MCP 的发展趋势

• 长程依赖处理：未来可能进一步优化对超长文本（如书籍、代码库）的连贯性理解能力，结合稀疏注意力等技术减少计算成本。
• 实时交互增强：面向对话式 AI，探索低延迟的上下文更新机制，适用于客服、教育等实时场景。
• 跨模型兼容性：推动与其他协议（如 OpenAI 的 ChatML）的兼容，形成行业通用的上下文管理标准。
• 安全与隐私：引入端到端加密或差分隐私技术，确保敏感上下文数据（如医疗记录）的安全处理。

当前 MCP 仍处于早期阶段，但其开源特性与模块化设计为后续迭代提供了灵活性，可能成为 LLM 基础设施中的重要组件。将AI工具与自定义MCP服务相结合，本质上是通过软件定义硬件的能力突破。这种技术路径既能保留硬件稳定性优势，又能利用AI的动态优化能力，为传统嵌入式系统注入新的可能性。
简单来说就是自行编写自己需要的接口，实现通过AI对话调用，包括但不限于本地电脑的硬件端口操作（本文主要就以嵌入式开发比较常用的串口演示），目前又有非常多优秀的MCP服务可以在网上找到，比如魔搭社区。

自定义MCP服务

实现自定义MCP服务的方式有很多种，本文使用spring boot基于SpringAI来手把手带着各位看官实现：


勾选上Model Context Protocol Server和Spring Web：

重命名这个文件（个人习惯，不该改也行，只是格式有一点点区别）

在文件中添加必要配置参数，关键还是ai节点部分：

spring:
  application:
    name: serial_server

  ai:
    mcp:
      server:
        enabled: true
        name: mcp_serial_server
        version: 1.0.0
        sse-endpoint: /mcp/serial/v1/sse      # 自定义后续接入会用到
        sse-message-endpoint: /mcp/serial/v1/mcp
        type: SYNC
        capabilities:
          tool: true
server:
  port: 8000

logging:
  level:
    io.modelcontextprotocol: TRACE
    org.springframework.ai.mcp: TRACE

在pom.xml文件中添加必要依赖：

<!--串口开发依赖-->
        <dependency>
            <groupId>com.fazecast</groupId>
            <artifactId>jSerialComm</artifactId>
            <version>2.10.4</version>
        </dependency>
        <!--其他工具类依赖 -->
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>33.4.0-jre</version>
        </dependency>

添加需要的jar包jSerialComm-2.10.4.jar





接下来就可以开始写代码了（为了缩减篇幅，删除了一些注释，尽量以最容易理解的方式实现），
新建SerialManager类主要内容如下：

import com.fazecast.jSerialComm.SerialPort;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;

import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;

public class SerialManager {
    public static SerialPort userSerial;

    @Tool(description = "获取端口列表")
    public static List<String> findPorts() {
        // 获得当前所有可用串口
        SerialPort[] serialPorts = SerialPort.getCommPorts();
        List<String> portNameList = new ArrayList<>();
        // 将可用串口名添加到List并返回该List
        for (SerialPort serialPort : serialPorts) {
            portNameList.add(serialPort.getSystemPortName());
        }
        portNameList = portNameList.stream().distinct().collect(Collectors.toList());   //去重
        return portNameList;
    }


    @Tool(description = "打开端口")
    public static SerialPort openPort(@ToolParam(required = true, description = "端口名字")String portName,
                                      @ToolParam(required = true, description = "波特率")Integer baudRate) {
        if(baudRate==0)
        {
            baudRate = 115200;
        }
        // 设置串口参数
        userSerial = SerialPort.getCommPort(portName);
        userSerial.setBaudRate(baudRate);
        userSerial.setFlowControl(SerialPort.FLOW_CONTROL_DISABLED);
        userSerial.setComPortParameters(baudRate, 8, SerialPort.ONE_STOP_BIT, SerialPort.NO_PARITY);
        userSerial.setComPortTimeouts(SerialPort.TIMEOUT_READ_BLOCKING | SerialPort.TIMEOUT_WRITE_BLOCKING, 1000, 1000);
        //开启串口
        if (!userSerial.isOpen()) {
            userSerial.openPort(1000);
        } else {
            return userSerial;
        }
        return userSerial;
    }

    
    @Tool(description = "关闭端口")
    public static void closePort() {
        if (userSerial != null && userSerial.isOpen()) {
            userSerial.closePort();
        }
    }


    @Tool(description = "发送字节数组")
    public static void sendToPort(@ToolParam(required = true, description = "需要发送的数据缓存")byte[] content,
                                  @ToolParam(required = true, description = "需要发送的字节数")Integer len) {
        if (!userSerial.isOpen()) {
            return;
        }
        userSerial.writeBytes(content, len);
    }
    
    @Tool(description = "读取字节数组")
    public static byte[] readFromPort() {
        byte[] reslutData = null;
        if (!userSerial.isOpen()) {
            return null;
        }

        if (userSerial.bytesAvailable() > 0) {
            byte[] readBuffer = new byte[userSerial.bytesAvailable()];
            int numRead = userSerial.readBytes(readBuffer, readBuffer.length);
            if (numRead > 0) {
                reslutData = readBuffer;
            }
        }
        return reslutData;
    }
}

代码中接口上面的@Tool(description = “”)是对应方法的描述，参数前面的
@ToolParam(required = true, description = “”)是对参数的描述，这些描述信息在被AI工具连接后作为接口提示存在，也是帮助AI联想到对应接口，应该尽量准确。

直接在SerialServerApplication把SerialManager注入到容器中：

@Bean
public ToolCallbackProvider serialManager(){
      return MethodToolCallbackProvider.builder().toolObjects(new SerialManager()).build();
  }

运行成功后在Console窗口中就可以看到启动的端口信息（application.yml中配置的）

先使用postman测试一下（如果没有这选项，选择最新版本注册并登录账号即可）：

选择http方式

url输入http://localhost:8000/mcp/serial/v1/sse，端口后面这边部分就是application.yml文件中的sse-endpoint:配置。输入好后点击<Connect即可（有时候需要点击多次），连接成功后就会列出我们在SerialManager实现的方法：

选中对用方法，点击Run即可获取到返回值：

连接对应COM口，可以看到参数窗口上有参数对应的解释：

需要发送数据选中发送方法填入参数即可

这个看起来就熟悉了：

postman就测试到这里，接下来试试Cursor接入，打开软件，点击设置：


打开的json文件中填入如下信息（my-mcp-server: 在MCP Tools列表中显示的名字）：

{
    "mcpServers": {
      "my-mcp-server": {
        "type": "sse",
        "url": "http://localhost:8000/mcp/serial/v1/sse"
      }
    }
  }

编辑好保存后关闭文件，在Cursor Settings界面中就可以看到对应MCP服务：

点击右侧的开关（有时需要多点两次），连接成功后如下：

点击如下位置就可以看到暴露出来的接口：


鼠标停在接口名字上就可以看到接口介绍和参数简介：

现在试试看使用对话的方式能否调用这些接口：
打开一个对话框，输入“获取本地端口列表“，意思相近即可：

点击Run Tool后就会得到返回值：

我本地有COM1和COM2端口是连接上的，也就是这2个端口可以相互收发数据，AI这边连接COM1，并发送数据看串口助手里面能否接收到对应内容：

串口助手这边发送几个数据看AI这边能否接收到：

到此Cursor就测试完成了，如果需要接入网上其他MCP服务，方法基本类似。
再来看看VScode中集成的通义灵码能否接入，基本要求和添加步骤（通义灵码的安装网上教程还是比较多就不再重复了）：



MCP广场选择中有一些MCP服务可以使用，这里我们直接手动添加刚才写的服务：

名称随意，类型选择SSE或HTTP，服务地址还是postman那个，编辑完后点击立即添加：

连接成功后就可以看熟悉的几个接口：

点击左上角智能会话，测试一下：




通过以上测试基本验证了AI工具与硬件接口之间实现交互。