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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00