ModelContextProtocol C SDK:如何为第三方类添加字段描述
2025-07-08 04:47:03作者:温玫谨Lighthearted
在开发基于ModelContextProtocol C# SDK的工具时,我们经常会遇到需要将第三方类作为工具输入参数的情况。这些第三方类通常没有包含足够的元数据描述,这会影响AI对输入参数的理解和使用。本文将介绍如何优雅地为这些第三方类添加字段描述信息。
问题背景
当我们在工具方法中使用第三方类作为参数时,例如:
public CallToolResponse testTool(Foo foo)
{
return new CallToolResponse()
{
Content = [new Content { Text = "hello") }],
IsError = false
};
}
其中Foo类可能来自第三方库,结构可能很复杂,包含嵌套类和继承关系:
class ParentOfFoo
{
string myStr;
}
class Foo : ParentOfFoo
{
Bar bar;
}
class Bar
{
Baz baz;
}
class Baz
{
int myInt;
}
默认情况下,SDK生成的输入模式(InputSchema)不会包含这些字段的描述信息,这会影响AI对参数的理解。
解决方案
ModelContextProtocol C# SDK提供了SchemaCreateOptions.TransformSchemaNode属性,允许我们通过委托来定制生成的模式文档。这个功能位于McpServerToolCreateOptions中。
实现步骤
-
创建模式转换器:编写一个委托方法,用于检查和修改模式节点
-
配置工具创建选项:在创建工具时设置转换器
-
应用描述信息:在转换器中根据类型或成员信息添加描述
示例代码
var options = new McpServerToolCreateOptions
{
SchemaCreateOptions = new()
{
TransformSchemaNode = (schemaNode, context) =>
{
// 为字段添加描述
if (context.MemberInfo is PropertyInfo property)
{
schemaNode.Description = GetDescriptionForProperty(property);
}
else if (context.Type != null)
{
schemaNode.Description = GetDescriptionForType(context.Type);
}
return schemaNode;
}
}
};
// 创建工具时传入选项
var tool = mcpServer.CreateTool(testTool, options);
描述信息获取策略
你可以根据实际需求实现GetDescriptionForProperty和GetDescriptionForType方法,常见策略包括:
- 硬编码字典:为已知类型和属性建立描述字典
- 命名约定:根据属性名自动生成描述
- 外部配置文件:从JSON或XML文件加载描述
- 反射分析:通过分析类型和属性名生成基础描述
最佳实践
- 保持一致性:确保同类属性的描述风格一致
- 简明扼要:描述应简洁明了,便于AI理解
- 覆盖全面:为所有重要字段添加描述
- 分层处理:优先处理常用类和关键属性
- 可维护性:考虑将描述信息集中管理
总结
通过使用ModelContextProtocol C# SDK提供的模式转换功能,我们可以灵活地为第三方类添加字段描述,而无需修改原始代码。这种方法既保持了代码的整洁性,又提供了AI所需的元数据信息,是处理第三方类集成的优雅解决方案。
对于大型项目,建议建立一个集中的描述信息管理系统,可以结合命名约定和外部配置文件,实现描述信息的统一管理和维护。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178