ModelContextProtocol C SDK 中 IMcpServer 服务解析问题解析
在 ModelContextProtocol 的 C# SDK 开发过程中,开发者可能会遇到一个常见的依赖注入问题:"Unable to resolve service for type 'ModelContextProtocol.Server.IMcpServer'"。这个问题通常出现在尝试使用 IMcpServer 接口作为构造函数参数时。
问题本质
该问题的核心在于 ModelContextProtocol SDK 的特殊设计模式。与常规的 ASP.NET Core 依赖注入不同,IMcpServer 接口并不是通过标准的 DI 容器注册和解析的。SDK 内部使用了 ActivatorUtilities.CreateInstance 来创建工具类实例,这种方式对构造函数参数的处理与标准 DI 容器有所不同。
正确使用方法
开发者需要注意以下几点:
-
构造函数限制:IMcpServer 不能作为工具类的构造函数参数。这是 SDK 的当前设计限制。
-
方法参数支持:IMcpServer 可以作为工具方法的参数直接使用。SDK 会特殊处理这种情况,自动提供正确的服务器实例。
-
替代方案:如果需要获取会话ID等服务器相关信息,应该通过方法参数而非构造函数来获取 IMcpServer 实例。
最佳实践示例
以下是正确使用 IMcpServer 的代码示例:
[McpServerTool(Name = "SampleTool")]
public static async Task<string> ExampleToolMethod(
IMcpServer serverInstance, // 正确:作为方法参数
CancellationToken cancellationToken)
{
// 使用 serverInstance 进行操作
return await serverInstance.DoSomethingAsync();
}
技术背景
这种设计选择反映了 SDK 的特定架构考虑:
-
轻量级激活:使用 ActivatorUtilities 而非完整 DI 容器,可能是为了性能和简化。
-
上下文感知:方法调用时能获取当前会话上下文,而构造函数调用时上下文可能尚未建立。
-
明确边界:强制开发者区分工具初始化逻辑和实际执行逻辑。
开发者建议
-
避免在构造函数中依赖 IMcpServer 或其他上下文相关服务。
-
将服务器相关的操作逻辑放在工具方法中而非构造函数中。
-
如果需要初始化逻辑,考虑使用无参构造函数配合延迟初始化模式。
理解这些设计决策有助于开发者更有效地使用 ModelContextProtocol SDK,并避免常见的依赖注入陷阱。
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