ModelContextProtocol C SDK中的JSON Schema兼容性问题解析
在ModelContextProtocol C# SDK开发过程中,我们遇到了一个关于工具输入模式(InputSchema)与MCP规范兼容性的重要技术问题。这个问题涉及到JSON Schema在工具定义中的正确使用方式,以及如何确保与不同客户端的互操作性。
问题背景
当开发者使用AIFunction生成JsonSchema时,会出现一些MCP规范未明确支持的额外属性。这些属性包括"title"、"description"等,虽然它们本身是JSON Schema标准的一部分,但在MCP规范中并未明确要求支持。
某些严格遵循规范的客户端(如某些版本的GitHub Copilot)会拒绝接受这些额外属性,导致即使是最简单的MCP服务器实现也会在这些客户端上运行失败。
技术分析
深入分析MCP规范中定义的元模式(meta-schema)后,我们发现规范并没有明确禁止额外属性的存在。规范中缺少"additionalProperties": false
这样的声明,唯一明确的要求是必须包含"type": "object"
关键字。
当前C# SDK已经实现了对type
关键字的验证逻辑,确保所有输入模式都声明为对象类型。从技术角度来看,强制要求客户端只能处理type
、properties
或required
关键字的做法实际上是不符合MCP规范的。
解决方案
基于上述分析,我们采取了以下技术路线:
-
保留JSON Schema中必要的关键字,如
items
、additionalProperties
、enum
和anyOf
等,这些关键字对于描述常见输入类型的模式是不可或缺的。 -
对于可能引起兼容性问题的冗余属性(如
title
和description
),我们进行了过滤处理。这些属性在包含它们的工具定义中已经存在,因此在输入模式中重复出现确实没有必要。 -
强化了SDK对MCP规范的遵循,确保核心功能严格符合规范要求,同时保持足够的灵活性以支持各种使用场景。
最佳实践建议
对于使用ModelContextProtocol C# SDK的开发者,我们建议:
-
在定义工具输入模式时,优先使用MCP规范明确支持的关键字。
-
避免在输入模式中包含冗余信息,特别是那些已经在工具定义中存在的属性。
-
在遇到客户端兼容性问题时,首先检查输入模式是否符合MCP规范的基本要求,特别是
type
关键字的存在和正确性。 -
对于必须使用的JSON Schema高级特性,确保客户端确实支持这些特性,或者准备好适当的回退方案。
通过遵循这些实践,开发者可以构建出既符合MCP规范,又能与各种客户端良好互操作的MCP服务实现。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









