MCP .NET SDK 中实现数据注解支持的JSON Schema生成方案
2025-07-08 23:34:07作者:尤辰城Agatha
在MCP .NET SDK开发中,JSON Schema生成是一个关键功能,它直接影响着工具参数的验证约束表达能力。当前版本存在一个明显的功能缺口——无法识别和处理System.ComponentModel.DataAnnotations命名空间下的标准验证属性。
现状分析
开发者在使用记录类型定义工具参数时,通常会应用各种数据注解属性来确保参数的有效性。例如,一个典型的参数定义可能如下:
public record SimulationSettings(
[Range(-1, 10, ErrorMessage = "必须在-1到10之间")]
decimal MarketROR
);
然而,当前生成的JSON Schema仅包含最基本的类型信息,完全忽略了这些精心设计的验证约束:
{
"marketROR": {
"type": "number"
}
}
这种局限性导致两个主要问题:首先,开发者被迫在运行时重复实现本应在Schema层面解决的验证逻辑;其次,大型语言模型(LLM)无法利用完整的Schema约束信息一次性生成合规的输入数据,导致需要多次迭代才能获得有效输入。
技术实现方案
核心设计思路
理想的解决方案应该将.NET生态中广泛使用的数据注解属性无缝映射到JSON Schema的验证关键字。这种映射关系包括但不限于:
- 范围约束:[Range] → minimum/maximum
- 必填字段:[Required] → required数组
- 字符串限制:[StringLength] → maxLength
- 格式验证:[EmailAddress] → format: "email"
- 正则匹配:[RegularExpression] → pattern
架构层级选择
经过技术团队深入讨论,这一功能的最佳实现位置存在几个候选方案:
- 最底层实现:在System.Text.Json(STJ)层面直接支持
- 中间层实现:在Microsoft.Extensions.AI.Abstractions的AIJsonUtilities中处理
- 应用层实现:在MCP SDK层面定制
考虑到STJ需要保持轻量级且不依赖DataAnnotations,而MCP层又过于具体,中间层实现成为平衡各方需求的最佳选择。
配置扩展方案
为保持灵活性,建议通过构建器模式提供配置选项:
builder.Services
.AddMcpServer()
.WithToolsFromAssembly(options =>
{
options.EnableDataAnnotationsSupport = true;
options.SchemaGenerationOptions = new() {
// 自定义转换规则
};
});
技术优势
实现这一增强后将带来多方面收益:
- 开发效率提升:开发者可以使用熟悉的.NET验证模式,减少重复代码
- 验证前移:客户端可以在调用工具前就完成参数验证
- LLM友好性:完整的约束信息帮助大型语言模型一次性生成合规输入
- 文档自描述:生成的Schema本身就是完善的API文档
- 生态一致性:与ASP.NET Core等主流框架保持相同的行为模式
实施路径
建议的技术实现分为三个阶段:
- 基础属性映射:首先支持最常用的5-6种核心验证属性
- 自定义扩展点:允许开发者注册特殊属性的处理逻辑
- 性能优化:对反射操作进行缓存,确保生成效率
总结
在MCP .NET SDK中完善数据注解到JSON Schema的转换能力,不仅解决了当前的验证约束表达问题,更是将.NET生态的验证体系与现代AI开发工具链进行了深度整合。这一改进将显著提升开发体验和工具可靠性,同时也为未来可能的底层支持积累了宝贵经验。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0139
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
465
Ascend Extension for PyTorch
Python
758
968
昇腾LLM分布式训练框架
Python
186
231
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
699
1.4 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
879
2.03 K
暂无描述
Dockerfile
780
5.08 K
🔥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
70
22
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
2.09 K
217