ModelContextProtocol C SDK实现按应用ID动态过滤工具集
2025-07-08 00:45:51作者:宗隆裙
在基于ModelContextProtocol C# SDK开发服务端应用时,我们经常需要根据不同客户端需求动态提供不同的工具能力。本文将深入探讨如何通过配置会话选项实现按应用ID过滤工具集的高级功能。
核心实现原理
SDK提供了HttpServerTransportOptions.ConfigureSessionOptions回调接口,允许开发者在建立SSE连接时动态配置会话参数。通过该机制,我们可以实现以下功能架构:
- 建立应用ID与工具集的映射关系
- 在连接建立时解析查询参数
- 根据应用ID筛选对应的工具集
- 动态构建会话能力描述
具体实现方案
首先需要创建应用ID与工具集的字典映射,这是实现动态过滤的基础数据结构。建议在服务启动前完成初始化以避免并发问题。
var appDictionary = new Dictionary<string, McpServerTool[]>();
在配置HTTP传输时,通过ConfigureSessionOptions回调实现动态过滤逻辑。该回调会在每个SSE连接建立时触发,开发者可以在此处访问HTTP上下文并修改会话选项。
关键实现要点包括:
- 从查询参数解析appId
- 从预置字典获取对应工具集
- 动态构建Capabilities配置
- 安全处理各种边界情况
完整示例代码
以下是一个完整的实现示例,展示了如何为不同应用ID注册不同工具集:
var builder = WebApplication.CreateBuilder(args);
builder.Services.AddMcpServer()
.WithHttpTransport(httpOptions =>
{
httpOptions.ConfigureSessionOptions = (httpContext, mcpServerOptions, cancellationToken) =>
{
if (httpContext.Request.Query.TryGetValue("appId", out var appId) &&
appDictionary.TryGetValue(appId.ToString(), out var tools))
{
mcpServerOptions.Capabilities ??= new();
mcpServerOptions.Capabilities.Tools ??= new();
var toolCollection = mcpServerOptions.Capabilities.Tools.ToolCollection ??= [];
foreach (var tool in tools)
{
toolCollection.TryAdd(tool);
}
}
return Task.CompletedTask;
};
});
实际应用建议
- 性能优化:对于工具集较大的场景,建议使用缓存机制
- 安全考虑:应对appId参数进行验证和过滤
- 错误处理:提供默认工具集应对未知appId的情况
- 动态加载:可结合配置中心实现工具集的热更新
总结
通过本文介绍的方法,开发者可以灵活地为不同客户端应用提供差异化的工具能力。这种动态过滤机制特别适合多租户场景或需要细粒度控制工具访问权限的系统。ModelContextProtocol C# SDK提供的会话配置接口为这类需求提供了优雅的实现方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322