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
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
504
609
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
391
288
暂无简介
Dart
906
218
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
939
863
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108