ModelContextProtocol C SDK中SSE客户端传输头信息失效问题解析
2025-07-08 09:33:01作者:田桥桑Industrious
问题背景
在使用ModelContextProtocol的C# SDK进行服务器发送事件(SSE)通信时,开发者发现通过TransportOptions字典设置的附加头信息(AdditionalHeaders)未能正确传递到服务端。这是一个影响认证和自定义通信的关键功能缺陷。
技术分析
SSE客户端传输实现中存在一个明显的设计疏漏:虽然SseClientTransportOptions类提供了AdditionalHeaders属性用于接收开发者配置的头信息,但在实际创建HttpRequestMessage时,这些头信息并未被正确应用到请求中。
核心问题位于SseClientSessionTransport类的实现中,当建立SSE连接时,仅设置了"text/event-stream"的媒体类型头,而忽略了开发者通过TransportOptions配置的其他头信息。
临时解决方案
在官方修复发布前,开发者可以采用以下两种临时解决方案:
- 自定义HttpClient方案:
var httpClient = new HttpClient();
httpClient.DefaultRequestHeaders.Add("ACCESS_TOKEN", "your_token_value");
var transport = new SseClientTransport(
new SseClientTransportOptions(),
serverConfig,
httpClient,
loggerFactory);
- 服务端认证方案: 对于服务端开发者,可以利用IHttpContextAccessor获取请求头信息进行认证:
[McpServerToolType]
public class SecureTool(IHttpContextAccessor contextAccessor)
{
[McpServerTool]
public string SecureOperation()
{
var token = contextAccessor.HttpContext?.Request.Headers["ACCESS_TOKEN"];
// 执行认证逻辑
return "操作成功";
}
}
安全注意事项
开发者需要注意当前版本(MapMcp)的安全限制:
- 不会自动验证/message端点请求是否来自同一用户
- SSE连接初始认证后,后续消息需要自行实现验证逻辑
- 建议在生产环境中实现完整的请求验证机制
技术展望
根据项目维护者的反馈,未来版本可能会:
- 完善头信息的自动传递机制
- 提供更优雅的认证集成方案
- 增强SSE连接的安全性设计
- 优化HttpContext在工具类中的访问体验
最佳实践建议
- 对于客户端开发:
- 优先使用自定义HttpClient方案传递关键头信息
- 考虑实现请求重试机制处理认证失败情况
- 对于服务端开发:
- 实现双重认证(SSE连接认证和消息处理认证)
- 考虑使用中间件统一处理认证逻辑
- 记录详细的访问日志用于安全审计
这个问题展示了在实现实时通信协议时常见的认证挑战,开发者需要理解底层通信机制才能设计出安全可靠的解决方案。随着项目的迭代更新,预期这些痛点将得到系统性的解决。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 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++
857
1.93 K
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++
684
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
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
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609