Introducción Parte 4 En esta entrega de la serie repasamos la evolución hacia el transporte Streamable HTTP del Model Context Protocol MCP y cómo usarlo con Spring AI en su versión 1.1.0-SNAPSHOT. Tras explorar STDIO y SSE en artículos anteriores, la adopción del transporte Streamable HTTP se consolida como la opción recomendada para servidores MCP. Este artículo explica los cambios clave en la configuración, el despliegue y las pruebas con herramientas cliente como MCP Inspector y Amazon Q Developer, y además presenta cómo Q2BSTUDIO puede ayudar a implementar soluciones profesionales de software a medida y servicios de inteligencia artificial.
Aplicación de ejemplo La aplicación de ejemplo spring-mcp-conference-search conserva la lógica mostrada en la parte 2 pero requiere ajustes en dependencias y configuración para aprovechar Streamable HTTP. Al usar Spring AI 1.1.0-SNAPSHOT es necesario añadir los repositorios snapshot en el pom y fijar la propiedad spring-ai.version a 1.1.0-SNAPSHOT. En application.properties conviene definir únicamente las opciones relacionadas con MCP Streamable HTTP y configurar el servidor en el puerto 8081 para pruebas locales.
Configuración básica Entre los ajustes importantes están habilitar el cliente MCP, elegir protocol STREAMABLE y definir el tipo de cliente SYNC o ASYNC según el caso. Para SYNC se usa el starter webmvc; para ASYNC hay que cambiar a spring-ai-starter-mcp-server-webflux y así aprovechar un flujo http streamable no bloqueante. El endpoint por defecto que expone Spring Boot para la conexión es /mcp, por lo que durante las pruebas locales se utiliza la URL https://localhost:8081/mcp. Para construir y ejecutar la aplicación se emplea mvn clean package y luego java -jar target/spring-mcp-conference-search-0.0.1-SNAPSHOT.jar.
Uso con herramientas cliente Con el servidor en marcha se puede inspeccionar la oferta de herramientas con MCP Inspector seleccionando Streamable HTTP y apuntando a https://localhost:8081/mcp. De igual forma, Amazon Q Developer se configura para comunicarse con la misma URL como transporte http y permite conversar con el servidor en lenguaje natural, invocando las herramientas que expone la aplicación. Este flujo facilita búsquedas de conferencias por tema y rango de fechas y es idéntico conceptualmente a las pruebas previas con otros transportes.
Opciones asíncronas y WebFlux Si se necesita un cliente ASYNC hay que cambiar el tipo a ASYNC en la configuración y reemplazar el starter webmvc por el starter webflux en pom. Esto permite procesar respuestas en streaming y gestionar múltiples conexiones concurrentes con menor latencia y mejor escalabilidad en entornos reactivos.
Despliegue y seguridad Para entornos productivos es imprescindible desplegar el servidor MCP en un proveedor cloud y asegurar el endpoint. En la práctica se suele desplegar en AWS usando ECS, EKS, EC2 o incluso Lambda, reemplazando la URL local por la pública. También es fundamental proteger las llamadas con mecanismos de autorización y autenticación, por ejemplo OAuth2 integrado con Spring Security. Existen guías y ejemplos para asegurar servidores Spring AI MCP con OAuth2 y para configurar políticas de acceso a las herramientas expuestas.
Cómo puede ayudar Q2BSTUDIO Q2BSTUDIO es una empresa de desarrollo de software que ofrece servicios profesionales en aplicaciones a medida, software a medida, inteligencia artificial y ciberseguridad. Nuestros equipos diseñan e implementan soluciones que integran agentes IA, servicios cloud aws y azure y plataformas de inteligencia de negocio como power bi para aportar valor real a las empresas. Si buscas crear una plataforma personalizada para exponer APIs MCP o migrar soluciones a arquitecturas cloud, podemos ayudarte desde el diseño hasta el despliegue y la seguridad.
Servicios destacados Ofrecemos desarrollo de aplicaciones a medida y proyectos de transformación cloud con servicios cloud aws y azure. Además, brindamos consultoría en inteligencia artificial, implementación de agentes IA, integración con Amazon Bedrock y pipelines de RAG para enriquecer modelos con datos propios, así como servicios de ciberseguridad y pentesting para proteger infraestructuras críticas.
Recomendaciones y conclusiones Streamable HTTP en Spring AI 1.1-SNAPSHOT ofrece una alternativa robusta para comunicación MCP en streaming, pero al estar en preview conviene probar a fondo y planear migraciones cuando la versión sea estable. Para pruebas locales sigue usando el endpoint /mcp y el puerto configurado, y para producción considera despliegue en cloud y protección con OAuth2. En futuras entregas seguiremos explorando características avanzadas de Spring AI y la integración con Amazon Bedrock, incluyendo multimodalidad y generación aumentada por recuperación RAG. Si necesitas apoyo profesional en cualquier fase del proyecto, contacta con Q2BSTUDIO para una consultoría especializada en software a medida, inteligencia artificial, ciberseguridad y servicios de inteligencia de negocio.
