软件工程第四次作业：基于Java的MCP待办清单智能体实现
| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS |
|---|---|
| 这个作业要求在哪里 | https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS/homework/16760 |
| 这个作业的目标 | 实现一个基于MCP思想的待办智能体；使用Java开发，大模型负责自然语言意图识别，输出标准化工具指令，程序解析指令完成待办增删查操作，理解智能体+工具调用的工作模式 |
| 学号 | 依木拉木·阿不都苏力（3124004111）、李晨昀（3224004155）、刘心怡（3224004156）、吴纯瑶（3224004157）、杨添媛（3224004158）、艾力夏提·艾海买提（3124004121）、杨宗林（3124004146） |
基于Java+大模型的MCP待办智能体设计与实现
一、需求描述
本项目是MCP智能体团队作业，开发一个待办事项助手智能体。
用户使用自然语言进行交互，不需要输入固定命令。智能体需要识别用户意图，调用对应的工具完成待办操作：
- 添加待办：用户描述任务，智能体新增一条待办事项
- 查询待办：查看当前全部待办列表
- 删除待办：根据序号删除指定待办事项
约束：
- 使用纯Java开发，不引入Maven；
- 遵循MCP思想：大模型只负责理解语言、输出规范工具指令，工具执行逻辑由Java代码完成；
- 控制台交互，稳定完成三类基础工具调用。
加分尝试：本次基础版本支持多轮对话，用户可以连续下发多条指令。
二、业务流描述
完整业务流程：
- 用户在控制台输入自然语言（例如：帮我加一个晚上复习软件工程的任务）
- Java程序将用户输入文本发送给GLM大模型，并通过提示词约束模型输出固定格式指令
- 大模型识别用户意图，返回标准化指令：
ADD|xxx/LIST/DEL|序号 - Java程序拿到指令字符串，解析指令类型，执行对应的工具逻辑
- 程序执行完成，将执行结果反馈打印到控制台，等待用户下一条输入
- 循环交互，直到用户输入
exit退出程序
流程图文字概括：
用户自然语言输入 → HTTP请求LLM → LLM输出工具指令 → Java指令解析分发 → 操作待办列表 → 返回执行结果
三、实现说明
开发环境
- JDK：JDK17
- IDE：IDEA
- 开发方式：纯Java单文件项目，无Maven
- 大模型：智谱GLM-4-Flash
- 存储：内存ArrayList临时保存待办（重启丢失）
模块划分
- 主交互模块 main()：控制台循环读取用户输入，串联整个调用流程
- LLM调用模块 callLLM()：构造HTTP请求，发送prompt给大模型，解析返回JSON，提取工具指令
- 指令分发模块 handleToolCommand()：判断指令前缀，分别执行新增、查询、删除待办逻辑
- 提示词约束：强制模型只能输出固定指令，禁止多余解释文字，保证程序可以稳定解析
核心源代码
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
/**
* 软件工程团队作业：MCP待办智能体
* 功能：自然语言交互，支持添加待办、查看待办、删除待办
* MCP思想：大模型负责意图识别输出工具指令，Java程序负责工具执行
*/
public class TodoAgentMain {
// 智谱GLM API密钥，提交博客时可以保留，或者自行替换
private static final String API_KEY = "e1a64530111046149dee3ec0f15c62b0.3Rn1mCCug3p4Q8Sw";
private static final String API_URL = "https://open.bigmodel.cn/api/paas/v4/chat/completions";
// 内存存储待办列表
private static final List<String> todoList = new ArrayList<>();
public static void main(String[] args) {
System.out.println("===== 待办智能体启动 =====");
System.out.println("支持：添加待办、查看待办、删除待办");
System.out.println("输入 exit 退出程序");
BufferedReader consoleReader = new BufferedReader(new InputStreamReader(System.in));
while (true) {
try {
System.out.print("请输入指令：");
String userInput = consoleReader.readLine();
if (userInput == null || userInput.equalsIgnoreCase("exit")) {
System.out.println("程序退出");
break;
}
String llmCommand = callLLM(userInput);
System.out.println("模型返回指令：" + llmCommand);
String result = handleToolCommand(llmCommand);
System.out.println("执行结果：" + result);
} catch (Exception e) {
e.printStackTrace();
}
}
}
/**
* 工具指令分发处理函数
* @param cmd 大模型返回指令 ADD|xxx / LIST / DEL|num
* @return 执行反馈文本
*/
public static String handleToolCommand(String cmd) {
if (cmd.startsWith("ADD|")) {
String todoContent = cmd.substring(4);
todoList.add(todoContent);
return "✅ 添加成功：" + todoContent;
} else if (cmd.equals("LIST")) {
if (todoList.isEmpty()) {
return "📋 待办列表：暂无待办";
}
StringBuilder sb = new StringBuilder("📋 待办列表：\n");
for (int i = 0; i < todoList.size(); i++) {
sb.append(i).append(" - ").append(todoList.get(i)).append("\n");
}
return sb.toString().trim();
} else if (cmd.startsWith("DEL|")) {
String numStr = cmd.substring(4);
try {
int index = Integer.parseInt(numStr);
if (index >= 0 && index < todoList.size()) {
String removed = todoList.remove(index);
return "✅ 删除成功：" + removed;
} else {
return "❌ 序号不存在";
}
} catch (NumberFormatException e) {
return "❌ DEL后面不是合法数字";
}
} else {
return "⚠️ 无法识别指令";
}
}
/**
* 调用智谱GLM大模型接口
* @param userMsg 用户输入自然语言
* @return 模型输出的标准化工具指令
*/
public static String callLLM(String userMsg) {
String systemPrompt = "你是待办事项智能助手。你只能输出下面固定格式指令，不能额外解释、不能闲聊。规则：1.用户添加待办：输出ADD|任务内容；2.用户查看待办：输出LIST；3.用户删除待办：输出DEL|序号（序号从0开始）。禁止输出任何其他文字！";
String reqBody = "{" +
"\"model\":\"glm-4-flash\"," +
"\"messages\":[" +
"{\"role\":\"system\",\"content\":\"" + systemPrompt.replace("\"", "\\\"") + "\"}," +
"{\"role\":\"user\",\"content\":\"" + userMsg.replace("\"", "\\\"") + "\"}" +
"]," +
"\"temperature\":0.1" +
"}";
try {
URL url = new URL(API_URL);
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
conn.setRequestProperty("Authorization", "Bearer " + API_KEY);
conn.setRequestProperty("Content-Type", "application/json");
conn.setDoOutput(true);
OutputStream os = conn.getOutputStream();
os.write(reqBody.getBytes(StandardCharsets.UTF_8));
os.close();
int code = conn.getResponseCode();
BufferedReader reader;
if (code == 200) {
reader = new BufferedReader(new InputStreamReader(conn.getInputStream(), StandardCharsets.UTF_8));
} else {
reader = new BufferedReader(new InputStreamReader(conn.getErrorStream(), StandardCharsets.UTF_8));
}
StringBuilder respSb = new StringBuilder();
String line;
while ((line = reader.readLine()) != null) {
respSb.append(line);
}
reader.close();
conn.disconnect();
String fullJson = respSb.toString();
System.out.println("【DEBUG 原始JSON】:" + fullJson);
String searchKey = "\"content\":\"";
int contentStart = fullJson.indexOf(searchKey);
if (contentStart == -1) {
return "解析失败，找不到content";
}
contentStart += searchKey.length();
int contentEnd = contentStart;
while (true) {
contentEnd = fullJson.indexOf("\"", contentEnd);
if (contentEnd <= 0) break;
int backSlashCount = 0;
int checkPos = contentEnd - 1;
while (checkPos >= 0 && fullJson.charAt(checkPos) == '\\') {
backSlashCount++;
checkPos--;
}
if (backSlashCount % 2 == 0) {
break;
}
contentEnd += 1;
}
if (contentEnd < contentStart) {
return "解析失败";
}
String reply = fullJson.substring(contentStart, contentEnd);
reply = reply.replace("\\n", "\n").replace("\\\"", "\"");
return reply.trim();
} catch (Exception e) {
e.printStackTrace();
return "网络请求异常";
}
}
}
四、使用示例（功能演示）
在这里上传 3 张控制台运行截图：
图 1：添加待办演示：输入【帮我晚上复习软件工程作业】，ADD 执行成功
图 2：查询待办演示：输入【看看我所有待办】，LIST 展示列表
图 3：删除待办演示：输入【把第 0 条删掉】，DEL 删除成功
演示文字说明：
输入：帮我晚上复习软件工程作业 → 模型返回ADD|晚上复习软件工程作业，添加成功
输入：看看我所有待办 → 模型返回LIST，打印待办清单
输入：把第 0 条删掉 → 模型返回DEL|0，删除对应待办
五、测试结果
六、GitHub仓库链接
https://github.com/Yimulamu/MCP-TodoAgent-Java
七、项目总结
本次项目实现了一个简易 MCP 待办智能体，使用原生 Java，不引入 Maven。我们小组分工协作，完成需求分析、架构设计、代码开发、调试测试与文档撰写。
项目实现了大模型自然语言理解和本地工具调用分离的思想，理解了 MCP 智能体的运行模式。
项目不足：数据只保存在内存，重启程序数据丢失；后续可以拓展持久化存储、图形界面 GUI 等功能。
八、心得体会
通过本次软件工程小组作业，组员熟悉了团队分工开发流程，理解了需求、设计、编码、测试完整软件开发流程，掌握了大模型智能体工具调用的实现思路，提升了 Java 代码调试和协作开发的能力。
浙公网安备 33010602011771号