kotlin-sdk
官方 Kotlin 多平台 SDK，通过 MCP 协议让 Kotlin 应用（JVM/Native/
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
官方 Kotlin 多平台 SDK，通过 MCP 协议让 Kotlin 应用（JVM/Native/
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：MCP Kotlin SDK 组织 Logo
想象一下这样的场景：你在开发一款 IntelliJ IDEA 插件，需要让 AI 助手能够读取项目文件、搜索代码、执行构建任务——但每次换一个 AI 工具就得重新对接一遍 API，工作量巨大。Anthropic 提出的 Model Context Protocol（MCP）正是为了解决这个痛点：为 AI 应用与数据源之间建立一套通用、可插拔的通信协议。而 modelcontextprotocol/kotlin-sdk 则是这个协议在 Kotlin/JVM 生态中的官方实现。
MCP（Model Context Protocol）由 AI 公司 Anthropic 于 2024 年底发布，旨在打破 AI 工具与各类数据源之间的壁垒。类似于 USB 协议让各种设备能够通过统一接口连接电脑，MCP 的目标是为 AI 模型与外部工具/数据之间建立一套「即插即用」的标准化连接层。
该协议于 2024 年 11 月以开源方式发布后，迅速获得了广泛关注。GitHub 上已出现 Python、TypeScript/JavaScript、Java、C++、Go、Rust 等多语言 SDK 实现。其中 Kotlin SDK 由 JetBrains 团队与 Anthropic 合作维护，是唯一支持 Kotlin Multiplatform（全平台统一代码库）的官方实现，可同时运行于 JVM、Native（iOS/macOS/Windows/Linux）、JavaScript/Wasm 四大平台。
Kotlin SDK 的架构严格遵循 MCP 协议规范，将系统分为以下核心层次：
传输层（Transports）：负责客户端与服务端之间的底层通信。SDK 内置了 5 种传输方式：
协议层（Protocol）：实现 MCP 规范的 JSON-RPC 消息格式，包括初始化握手、请求/响应、通知（notifications）、采样（sampling）等核心协议交互。
应用层（Server / Client API）：提供高阶 DSL 风格的 Kotlin API，开发者无需关心协议细节，只需声明式注册 Prompt、Resource、Tool 三种核心原语即可。
这是 Kotlin SDK 区别于其他语言实现的核心特色。项目采用 Kotlin Multiplatform（KMP）架构，核心业务逻辑放在 commonMain 源集，通过 Kotlin 编译器平台插件生成 JVM 字节码、Native 机器码和 JavaScript/Wasm 代码。SDK 拆分为三个独立模块：
kotlin-sdk-core：协议核心模型与序列化（MCP 的 JSON Schema → Kotlin data class）kotlin-sdk-client：客户端 API（连接 MCP 服务器、调用工具）kotlin-sdk-server：服务端 API（暴露工具、资源、Prompt）这种模块化拆分让依赖管理更精确：客户端应用只需引入 kotlin-sdk-client，服务端只需引入 kotlin-sdk-server。
SDK 底层网络依赖 JetBrains 自家的 Ktor 框架（也是 Kotlin 语言官方出品的网络库）。所有 I/O 操作均为非阻塞协程（suspend 函数），与现代 Kotlin 异步编程风格完美融合。开发者需要自行引入 Ktor 引擎依赖（如 ktor-client-cio 或 ktor-server-netty），SDK 不做传递依赖，保持包体积精简。
MCP 协议消息的 JSON 编解码使用 Kotlinx Serialization（@Serializable 注解驱动）。这使得 MCP 的 JSON Schema 定义能够直接映射为强类型的 Kotlin data class，相比运行时反射更安全、更高效。
MCP 协议定义了四个核心原语，Kotlin SDK 对每一项都提供了完整的 API 支持：
| 原语 | 服务端行为 | 客户端行为 | Kotlin API |
|---|---|---|---|
| Prompts | 暴露 Prompt 模板，支持参数化 | 获取并使用 Prompt | server.addPrompt() |
| Resources | 暴露数据源（文件、API 等） | 读取/订阅资源 | server.addResource() |
| Tools | 定义可执行函数 | 调用工具获取结果 | server.addTool() |
| Sampling | 请求 LLM 补全 | 执行 LLM 调用返回结果 | client.createSamplingRequest() |
Tool 是最常用的原语。以一个最简单的工具注册为例：
mcpServer.addTool(
name = "example-tool",
description = "An example tool",
inputSchema = ToolSchema(...)
) { request ->
CallToolResult(content = listOf(TextContent("Hello, world!")))
}
相比手动写 HTTP 接口 + AI 厂商 SDK，MCP Tool 的优势在于：一旦注册为 MCP 工具，同一个服务端可以被任何 MCP 兼容客户端（如 Claude Desktop、各类 AI IDE 插件）直接调用，无需为每个 AI 平台单独适配。
重要说明：这是一个软件开发工具包（SDK），而非可直接运行的应用程序。它以 Maven Central 依赖包的形式发布，开发者通过 Gradle/Maven 引入项目后使用，不存在独立的部署入口。
最低环境要求：
引入方式（JVM 项目）：
// 完整 SDK（客户端+服务端）
implementation("io.modelcontextprotocol:kotlin-sdk:$mcpVersion")
// 单独引入
implementation("io.modelcontextprotocol:kotlin-sdk-client:$mcpVersion")
implementation("io.modelcontextprotocol:kotlin-sdk-server:$mcpVersion")
Samples 示例项目：项目自带 5 个完整可运行的示例，覆盖 Weather STDIO Server、Kotlin MCP Client、IntelliJ 插件服务端等场景。
尽管设计精良，该项目仍面临一些现实挑战：
协议仍处于快速迭代阶段：MCP 规范尚未完全稳定，截至 2026 年 6 月仍有大量breaking change，Issue 列表显示 106 个 open issues，其中包括不少协议兼容性相关问题。
Kotlin 生态的采纳速度有待观察：相比 Python（pip install）和 TypeScript（npm install），JVM 生态的 AI 工具生态本身较小，Kotlin 开发者群体中需要 MCP 的场景（IntelliJ 插件、Compose Multiplatform 应用）相对垂直。
依赖管理门槛：SDK 需要开发者自行引入 Ktor 引擎，对于 Kotlin 新手来说有一定的理解成本。
MCP 正在成为 AI 工具互联的新标准。从 GitHub stars 增长曲线来看（该组织多个仓库在 2025-2026 年快速突破 10k+ stars），MCP 协议生态正处于爆发期。Kotlin SDK 作为 JetBrains 官方背书的实现，在 IntelliJ 平台 AI 插件开发领域具有不可替代的优势。
随着 Kotlin Multiplatform 技术在移动端（Compose Multiplatform for iOS/Android）和桌面端（Compose Desktop/IntelliJ）持续渗透，未来 Kotlin SDK 很可能成为这些平台上构建 AI 增强功能的事实标准底层库。对于有意在 Kotlin 生态中布局 AI 能力的开发者而言，提前熟悉这套 SDK 的使用方式具有长期战略价值。