Spring AI con Amazon Bedrock: Parte 3 - Protocolo de Contexto del Modelo y Transporte SSE

Introducción. En esta tercera parte exploramos cómo ejecutar un servidor Model Context Protocol con transporte SSE para habilitar comunicación basada en HTTP entre servidor y clientes MCP. Frente a la parte anterior, donde usamos STDIO, ahora el servidor envía eventos con Server Sent Events mientras que el cliente realiza peticiones POST, lo que permite exponer públicamente la app como MCP Server y conversar con ella en lenguaje natural para realizar búsquedas, por ejemplo de conferencias por tema y rango de fechas.

Aplicación de ejemplo. Reutilizamos el proyecto spring mcp conference search creado en la parte 2. El código de negocio y las herramientas no cambian; solo la configuración y la forma de ejecución. El servidor Spring Boot expone por defecto el sufijo de URL sse como endpoint. Puedes ajustarlo en las propiedades de transporte si lo necesitas.

Configuración SSE. En el archivo application.properties activa únicamente los parámetros del cliente MCP para SSE y define el puerto del servidor. Recomendación de valores: spring.ai.mcp.client.enabled=true, spring.ai.mcp.client.name=spring-mcp-conference-search-sse, spring.ai.mcp.client.version=0.0.1, spring.ai.mcp.client.request-timeout=59s, spring.ai.mcp.client.type=SYNC, spring.ai.mcp.client.toolcallback.enabled=true, server.port=8081, logging.level.root=INFO, logging.level.org.springframework.ai.mcp=DEBUG. El tipo SYNC habilita SSE. Al ejecutarse como servidor, puedes habilitar logs y elegir el puerto. El endpoint será https://localhost:8081/sse.

Compilación y ejecución. Construye con mvn clean package y arranca con java -jar target/spring-mcp-conference-search-0.0.1-SNAPSHOT.jar. Una vez arriba, podrás inspeccionar y usar las herramientas MCP expuestas.

Uso con MCP Inspector. Selecciona el transporte SSE e indica la URL https://localhost:8081/sse. Conecta, revisa la sección de Tools, lista y ejecuta las herramientas disponibles exactamente igual que en la parte anterior, ahora mediante SSE.

Uso con Amazon Q Developer. En Visual Studio Code configura un servidor MCP con nombre identificable, elige transporte http y la URL https://localhost:8081/sse. Guarda y verás las tres herramientas publicadas por el servidor. Desde ahí podrás dialogar en lenguaje natural y dejar que el cliente llame a los tools para responder a tus consultas.

Archivo de configuración del cliente. Si prefieres un fichero, define un servidor MCP con un nombre y la URL https://localhost:8081/sse, deshabilitado en false y un timeout de 60000 ms. Tras guardarlo, las herramientas quedarán visibles y listas para ejecutarse desde Amazon Q Developer.

Despliegue público. Aunque el ejemplo corre en local, en escenarios reales deberás publicarlo en una plataforma accesible, por ejemplo en contenedores sobre ECS o EKS, instancias EC2 o incluso funciones serverless. Recuerda sustituir la URL local por el dominio público correspondiente y considerar balanceadores, TLS y observabilidad.

Seguridad. Es esencial proteger los servidores MCP. Puedes implementar autenticación y autorización con Spring Security y OAuth2, aplicar control de acceso a herramientas y registrar auditoría de invocaciones. Asegura el endpoint SSE con HTTPS, gestiona tokens de corta vida y rota credenciales. Para escenarios avanzados considera gateways con validación de identidad y rate limiting.

Estado del ecosistema. Mientras cerrábamos este artículo, el uso de SSE en MCP ha pasado a estar deprecado a favor de Streamable HTTP. La buena noticia es que Spring AI ya soporta servidores MCP con Streamable HTTP en versiones recientes, lo que simplifica interoperabilidad y despliegue. En la próxima entrega migraremos el mismo proyecto a Streamable HTTP para que puedas comparar enfoque, configuración y experiencia.

Cómo encaja Q2BSTUDIO. En Q2BSTUDIO ayudamos a empresas a construir soluciones de inteligencia artificial y agentes IA sobre infraestructuras modernas, integrando orquestación MCP, LLMs y herramientas propias de negocio. Diseñamos y desarrollamos software a medida y aplicaciones a medida que conectan sistemas, exponen capacidades como herramientas MCP y aprovechan servicios cloud aws y azure con buenas prácticas de seguridad, observabilidad y gobierno del dato.

Nuestros servicios. Implementamos pipelines de datos y servicios inteligencia de negocio con Power BI, optimizamos costes y rendimiento en la nube, y reforzamos la ciberseguridad con auditorías y hardening. Si buscas acelerar la adopción de ia para empresas, podemos acompañarte desde el discovery hasta la puesta en producción. Conoce más sobre cómo aplicamos modelos generativos y agentes en entornos reales visitando nuestra página de , y si planeas desplegar cargas en la nube, explora nuestros .

Resumen. Hemos visto cómo habilitar el transporte SSE en un servidor MCP hecho con Spring AI, cómo conectarlo desde MCP Inspector y Amazon Q Developer, y qué considerar para llevarlo a producción con seguridad. Aunque SSE queda en retirada en favor de Streamable HTTP, esta guía te ayuda a comprender la arquitectura, la configuración y el flujo de trabajo para que la transición a los nuevos transportes sea directa. Con Q2BSTUDIO puedes llevar estas capacidades a tu organización con soluciones robustas de software a medida, ciberseguridad, agentes IA y analítica con power bi.